分布式系統的Raft演算法

過去, paxos一直是分布式協議的標準，但是paxos難於理解，更難以實現，google的分布式鎖系統chubby作為paxos實現曾經遭遇到很多坑。

來自stanford的新的分布式協議研究稱為raft，它是乙個為真實世界應用建立的協議，主要注重協議的落地性和可理解性。

在了解raft之前，我們先了解consensus一致性這個概念，它是指多個伺服器在狀態達成一致，但是在乙個分布式系統中，因為各種意外可能，有的伺服器可能會崩潰或變得不可靠，它就不能和其他伺服器達成一致狀態。這樣就需要一種consensus協議，一致性協議是為了確保容錯性，也就是即使系統中有一兩個伺服器當機，也不會影響其處理過程。

為了以容錯方式達成一致，我們不可能要求所有伺服器100%都達成一致狀態，只要超過半數的大多數伺服器達成一致就可以了，假設有n臺伺服器，n/2 +1 就超過半數，代表大多數了。

paxos和raft都是為了實現consensus一致性這個目標，這個過程如同選舉一樣，參選者需要說服大多數選民(伺服器)投票給他，一旦選定後就跟隨其操作。paxos和raft的區別在於選舉的具體過程不同。

在raft中，任何時候乙個伺服器可以扮演下面角色之一：

raft階段分為兩個，首先是選舉過程，然後在選舉出來的領導人帶領進行正常操作，比如日誌複製等。下面用圖示展示這個過程：

1. 任何乙個伺服器都可以成為乙個候選者candidate，它向其他伺服器follower發出要求選舉自己的請求：

2. 其他伺服器同意了，發出ok。

注意如果在這個過程中，有乙個follower當機，沒有收到請求選舉的要求，因此候選者可以自己選自己，只要達到n/2 + 1 的大多數票，候選人還是可以成為leader的。

3. 這樣這個候選者就成為了leader領導人，它可以向選民也就是follower們發出指令，比如進行日誌複製。

4. 以後通過心跳進行日誌複製的通知

5. 如果一旦這個leader當機崩潰了，那麼follower中有乙個成為候選者，發出邀票選舉。

6. follower同意後，其成為leader，繼續承擔日誌複製等指導工作：

值得注意的是，整個選舉過程是有乙個時間限制的，如下圖：

splite vote是因為如果同時有兩個候選人向大家邀票，這時通過類似加時賽來解決，兩個候選者在一段timeout比如300ms互相不服氣的等待以後，因為雙方得到的票數是一樣的，一半對一半，那麼在300ms以後，再由這兩個候選者發出邀票，這時同時的概率大大降低，那麼首先發出邀票的的候選者得到了大多數同意，成為領導者leader，而另外乙個候選者後來發出邀票時，那些follower選民已經投票給第乙個候選者，不能再投票給它，它就成為落選者了，最後這個落選者也成為普通follower一員了。

下面以日誌複製為例子說明raft演算法，假設leader領導人已經選出，這時客戶端發出增加乙個日誌的要求，比如日誌是"sally"：

2. leader要求followe遵從他的指令，都將這個新的日誌內容追加到他們各自日誌中：

3.大多數follower伺服器將日誌寫入磁碟檔案後，確認追加成功，發出commited ok:

4. 在下乙個心跳heartbeat中，leader會通知所有follwer更新commited 專案。

對於每個新的日誌記錄，重複上述過程。

如果在這一過程中，發生了網路分割槽或者網路通訊故障，使得leader不能訪問大多數follwers了，那麼leader只能正常更新它能訪問的那些follower伺服器，而大多數的伺服器follower因為沒有了leader，他們重新選舉乙個候選者作為leader，然後這個leader作為代表於外界打交道，如果外界要求其新增新的日誌，這個新的leader就按上述步驟通知大多數followers，如果這時網路故障修復了，那麼原先的leader就變成follower，在失聯階段這個老leader的任何更新都不能算commit，都回滾，接受新的leader的新的更新。

總結：目前幾乎所有語言都已經有支援raft演算法的庫包，具體可參考：raftconsensus.github.io

分布式系統的Raft演算法

分布式系統 Raft演算法

分布式系統的Raft演算法

分布式系統的Raft演算法

相關推薦