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，它是一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。 在瞭解Raft之前，我們先瞭解Consensus一致性這個概念，它是指多個伺服器在狀態達成一致，但是在一個分布式系統中，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台伺服器，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，任何時候一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. 任何一個伺服器都可以成為一個候選者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，有一個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中有一個成為候選者，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，整個選舉過程是有一個時間限制的，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，這時同時的機率大大降低，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，而另外一個候選者後來發出邀票時，那些Follower選民已經投票給第一個候選者，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，這時用戶端發出增加一個日誌的要求，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. 在下一個心跳heartbeat中，Leader會通知所有Follwer更新commited 項目。 對於每個新的日誌記錄，重複上述過程。 如果在這一過程中，發生了網路磁碟分割或者網路通訊故障，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，他們重新選舉一個候選者作為Leader，然後這個Leader作為代表於外界打交道，如果外界要求其添加新的日誌，這個新的Leader就按上述步驟通知大多數Followers，如果這時網路損毀修復了，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，都復原，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