1 背景

在分布式系统应用中，高可用、一致性是经常面临的问题，针对不同的应用场景，我们会选择不同的架构方式，比如 master-slave、基于 ZooKeeper 选主。随着时间的推移，出现了基于 Raft 算法自动选主的方式，Raft 是在 Paxos 的基础上，做了一些简化和限制，比如增加了日志必须是连续的，只支持领导者、跟随者和候选人三种状态，在理解和算法实现上都相对容易许多。

1）DLedger 是 openMessaging 发布的一个基于 Raft 实现的 JAVA 类库，可以方便引用到系统中，满足其高可用、高可靠、强一致的需求，其中在 RocketMQ 中作为消息 Broker 存储高可用实现的一种解决方案。

2）Raft 将系统中的角色分为领导者（Leader）、跟从者（Follower）和候选人（Candidate）：

• Leader：接受客户端请求，定时发送心跳包，并向 Follower 同步请求日志，当日志同步到大多数节点上后告诉 Follower 提交日志。

• Follower：接受并持久化 Leader 同步的日志，在 Leader 告之日志可以提交之后，提交日志。

• Candidate：Leader 选举过程中的临时角色，该状态下的节点会发起投票，尝试选择自己为主节点，选举成功后，不会存在该状态下的节点

2 DLedger 架构设计

DLedger 的实现大体可以分为以下两个部分：

• 选举 Leader

• 日志复制

• 其整体架构如下图

注：图引用官网

从上面的架构图中，有两个核心类：DLedgerLeaderElector 和 DLedgerStore，选举和文件存储。选出 leader 后，再由 leader 去接收数据的写入，同时同步到其他的 follower，这样就完成了整个 Raft 的写入过程

3 DLedger 选主源码分析

3.1 下载源码

从 gitGub 下载代码（https://github.com/openmessaging/dledger ），idea 引入后，我们发现整个代码量很小，在分析代码时比较容易.

3.2 选主流程分析

3.2.1 原理

raft 的选主过程实际是一个状态机的流转，在集群启动时每个节点的等待超时时间时随机的，在第一个节点超时时间到来，则主动向其他节点发起投票，在收到半数以上的投票后晋升为 leader（投票过程是个循环的过程），同时发送心跳请求，其他候选节点收到主节点的请求后，改变自己为 follower 节点。

• term: 任期，每一轮投票都是一个任期，默认从 0 开始

• Quorum 机制：简单说就是少说半数以上，比如 3 个节点，2 个同意即可

• 超时时间： 在选举时，每个节点的超时时间在一定范围内是随机的，这样可以保证能够顺利选举

3.2.2 代码分析

整个状态机的驱动，由线程每个 10ms 反复执行 DLedgerLeaderElector.maintainState()方法。下面重点来分析其状态的驱动：

进入到核心方法 maintainAsCandidate() ：

1.step1 初始化

• term : 投票轮次。

• ledgerEndTermLeader: 节点当前的投票轮次。

• ledgerEndIndex: 当前日志的最大序列，即下一条日志的开始 index

• nextTimeToRequestVote： 下次发起投票的时间（随机的）

• needIncreaseTermImmediately：是否立即投票，在后面中会说明

在 DLedger 中每个节点的初始状态 WAIT_TO_REVOTE，所以第一轮只是做了初始化。其中只有 memberState.nextTerm()这个代码会更改投票轮次

2.step2 投票

进入到核心方法 handleVote()，这个方法主要是判断其他节点请求来后，根据自己的 term 和请求者的等判断是否投赞成票

• ledgerEndIndex 因为在日志复制过程中，每个节点的进度有可能是不一样的，所以在新的一轮选举时，这时不能投赞成票的

• 被选举者 term 小于 选举者的 term，返回拒绝

• 被选举者 term 大于 选举者的 term，则选举者进行下面操作：

• 变成 candidate(或者保持 candidate)

• 把 needIncreaseImmediately 设置为 true。

• 返回 REJECT_TERM_NOT_READY，这个在后面提到。

这里补充说明：

选举者 的下一次状态循环会进入到 maintainAsCandidate()函数，然后因为 needIncreaseImmediately 为 true，所以把 term 更新，同时重置计时器。 但是并没有立刻发出投票(此时选举者 的 CurrVoteFor 还是 null，使得接下来给之前的 voting candidate 投赞成票可能)

获取所有 node 投票结果后开始计算票数：

3.step3 仲裁

在收到所有节点的投票结果计数后，进行仲裁，这里主要说明下图中这个条件

• acceptNum：同意的数量

• notReadyTermNum：未准备好的数量（即结果为 REJECT_TERM_NOT_READY）

这里没有重置 nextTimeToRequestVote 的时间，即刻再发起一次投票。结合上面的说明，这样保证了被选者能尽快去拿到这些 notRead 的节点的赞成票。

最终经过多次投票后，当一个 node 节点获取到半数以上投票后，更新自己未 leader 角色，同时向其他 node 节点发送 heartBeat，其他节点在收到心跳信息后，将自己从 candidate 变为 follower。

3.3 单元测试验证

3.3.1 编写单元测试

3.3.2 日志分析

3.4 应用场景

1. DLedger 作为 RocketMQ （ version>=4.5.0）的消息存储已经发布

2. 基于 DLedger 实现多节点的缓存同步更新

3. 基于日志复制的副本容错处理

4 总结

1. 这里只简单分析了选主过程，在阅读源码过程中会涉及很多 java 的基础及 netty 的使用，比如 AQS、CompletableFuture 等，有助于提高我们的编码能力。

2. DLedger 在初始化时是将节点角色设置为 candidate 而不是 follower 这个和原 Raft 是不同的地方，在节点角色转换过程中也稍有差别。

参考文献

• https://github.com/openmessaging/dledger/wiki

• https://www.usenix.org/system/files/conference/atc14/atc14-paper-ongaro.pdf

作者：京东物流 郭庆海

来源：京东云开发者社区 自猿其说 Tech 转载请注明来源