@[TOC]

1. 简单介绍

raft是paxos算法的一种实现。目标是提供更清晰的逻辑分工使用算法本身更好理解，同时有更高的安全性。Raft能为在计算机集群之间部署有限状态机提供一种通用方法，并确保集群内的任意节点在某种状态转换上保持一致（个人理解就是保证主从的一致性）。 在redis的哨兵模式中就用到了raft协议。

tip：

• 与paxos最主要的区别：paxos每次遇到一个新的请求会选举新的leader，所以这个leader是短期的。而raft协议选取的leader是永久性的，除非因为网络问题等因素才会进行leader重新选举

2.前置知识

①节点状态

在raft中每个节点都是有对应的状态的，共3种： ● leader 领袖：负责处理外部信息，并通过心跳机制同步给追随者。 ● follower 追随者：转发请求给leader，接收来自leader的心跳 ● candidate 候选人：当leader不存在时，进行选举

②心跳与选举超时时间

正常情况下，集群中存在leader和follower，leader会定期给follower发送心跳（heartbeat），以至于让其follower知道还在工作。每个follower会维护一个超时选举器(timeout：150ms或300ms)，当在timeout后还未收到leader的心跳，则会成功candidate状态并进行选举；若成功收到了来自leader的心跳，则将timeout清零，重新计数。

③任期term count

当选举开始时，term会+1，表示一个新的任期开始，如果选举成功则正常进行工作；如果失败，则终止当前任期，开启新的任期并开启下一次任期(term+1)

④主要解决问题

Raft协议主要解决3个问题： ● 领袖选举 ● 记录复写 ● 安全性

3.原理

领袖选举 Leader Election

①发生时机

● 起始状态，没有leader ● leader宕机或网络问题 本质都是follower的计时器到期

②原理

1. 当集群中有节点的timeout（可能是刚开始，也有可能是宕机了）超时后，则该节点从follower状态变为candidate状态，开始进行选举：追随者将自己的term加1，并为自己投递1票，并向集群中的其他集群发起投票请求。(此时其他节点可能处于follower状态或candidate状态)

2. 当其他节点收到选票请求时，会对选票中的任期信息进行对比，如果选票的任期>自己节点的任期，则会自认落选，并将自己的任期set=选票的任期。如果选票的任期=<自己节点的任期，就意味着在自己已经先于该选票参加过选举了，自己则更应该成功leader

3. 参与选举的节点在timeout时期内会收到来自其他集群的确认消息，如果超过半数都同一成为leader，则真正的成为leader，否则该节点结束当前任期，进入下一任期的选举，term+1;

4. Raft每个服务器的超时期限是随机的，这降低伺服务同时竞选的几率，也降低因两个竞选人得票都不过半而选举失败的几率。

视频推荐：raft (opens new window) 看一看这个视频，就懂了

个人对任期与选票的理解：

• 首先一个term只能投一次vote。
• candicate是term+1后，马上进行投递vote(投递给自己)
• follower接收到candicate的vote，判断后（假如成功），则为其投递确认选票，并将自己的term设定为选票的term（term增加变化）。 为什么每一个term只有一个vote：
• 可以结合生活例子来看，就如总统选举，也是每个人每届只能投一个。如果每个人每届投两票，都投两个总统，那不是最终就会投出两个相同总统的吗？这就使得这次选举失去了意义。

为什么每个节点的timeout不一样是随机的150ms或100ms。

• 可以想象一个场景（split vote）【对应官网视频http://thesecretlivesofdata.com/raft/#election】，如果有两个节点同时发生timeout并进行选举，此时他们极有可能在相同时间内收到相同的选票，因为有"每个节点每个任期只能有一票的限制"，当两个节点收到相同的选票数量时，他们一定没有收到半数以上的数量，当他们在规定时间内没收到选票，则会进行下一次任期，term+1,重新开始选举。因为timeout不同，所有两个节点下一次首次进行选举时时间就不一样了。

综上：其实只要一个节点的term确定了，那么就暗示着当前的选票就已经投递过了，想要投递新的选票，那么term就必须增加。

即选票的投递一定伴随着term的增加

记录复写 Log Replication

①为什么是集群？

leader提供写服务，follower提供读服务 在互联网整体来看，读远大于写

当写请求打到leader时，我们必须保证整个集群都能够根据这次写请求达到数据的一致性。

②流程

● 当leader收到客户端的请求后，先将修改操作写进自己的日志中，并将日志通过信息随心跳机制发送给其他的follower。自己进入第一阶段 ● 其他follower也将此修改操作写到自己的日志中，并回复leader ack。 ● 当leader收到半数以上的ack后，给客户端ack，自己本地提交事务，并跟随心跳机制向其他的follower发送提交命令，其他follower收到后，提交本地事务。

③特殊情况

网络隔离

● 如图所示，A、B机器与CDE被隔离。leaderb因为无法收到半数以上的ack而重复给其他节点发送信息，CDE因无法收到leader心跳，而进行重新选举，并生成新leaderC。 ● 如图，他们节点的任期已经不同了，term高的是最新的数据修改 ● 当网络恢复，leaderB会发现新的leader，且其term比自己高，自己会退化为followerB，并回滚自身的日志(未提交部分)，followerA也会回滚自己的日志（未提交）。同时BA的term任期变为leader的所属任期(为什么？可以类比人类现实：自己的国家选举了新一届的总统，那自己肯定也必须是新一届的人啊，自己所认识的任期也要与leader一致。另一点保证：下次进行leader选举时，表名自己已经获取到了最新的数据) ● 这样就保证了全局的一致性。

④对于Append Entries Mssage理解

后续………………

raft保证的安全性 Safety

● 选举安全性：每个任期最多只能选出一个领袖。 ● 领袖附加性：领袖只会把新指令附加（英语：append）在记录尾端，不会改写或删除已有指令。 ● 记录符合性：如果某个指令在两个记录中的任期和指令序号一样，则保证序号较小的指令也完全一样。 ● 领袖完整性：如果某个指令在某个任期中存储成功，则保证存在于领袖该任期之后的记录中。 ● 状态机安全性：如果某服务器在其状态机上执行了某个指令，其他服务器保证不会在同个状态上执行不同的指令。 前四项保证的原因详见上述算法，状态机安全性则借由下述选举流程的限制所达到。

追随者死机

当某台追随者死机时，所有给它的转发指令和拉票的消息都会因没有回应而失败，此时发送端会持续重送。当这台追随者引导重新加入集群，就会收到这些消息，追随者会重新回应，如果转发的指令已经写入，不会重复写入。

领袖死机

领袖死机或断线时，每个已存储指令必定已经写入到过半的服务器中，此时选举流程会让记录最完整的服务器胜选。其中一个因素是Raft候选人拉票时会揭露自己记录最新一笔的信息，如果服务器自己的记录比较新，就不会投票给候选人。（怎么对比最新信息？根据任期和日志？先比任期再比日志？）

超时期限和可用性

因为Raft启动选举是基于超时，使得超时期限的选择至为关键。若遵守算法的时限需求 广播时间 << 超时期限 << 平均故障间隔 就能达到稳定性。这三个时间定义如下： ● 广播时间 是单一服务器发送消息给集群中每台服务器并得到回应的平均时间，需要测量得到。 ● 超时期限 是发动选举的超时期限，由部署Raft集群的人选定。 ● 平均故障间隔 是服务器发生故障之间的平均时间，可以测量或估计得到。 广播时间典型是 0.5ms 到 20ms，平均故障间隔通常是用周或月来计算的，所以可以将超时期限设在 10ms 到 500ms。