不了解 Raft 算法敢说研究过分布式?
一、Raft算法介绍
Raft是一种“共识”算法,共识的含义是保证所有的参与者都有相同的认知,简单来说就是如何做到强一致。
“共识”包含服务器之间及客户端和服务端两方面:
1、服务器之间
指的是所有服务器要达成“共识”,打个比方一个KV系统像Redis,如果服务端是3个节点:A、B、C的集群,客户端先发出一个set key1 a的命令落在A节点上,然后发出 set key1 b落在B节点上,最后应该在所有服务器上执行get key1都应该得到b;
2、 客户端和服务端之间
还是回到上面的例子,不能客户端执行 set key1 a的命令,服务端返回成功了,客户端就认为这里是成功了,中间不能因为网络或其它原因客户端取key1的时候反回空的情况。
“共识”算法主要解决分布式系统的一致性的问题,目前相关的算法有:
1、Paxos算法
这个是最早的,也是非常复杂的,说实话我看了好多文章,也只是大概懂了,细节还是不太清楚,还是要观看一些实现代码才能加深了解;
2、Raft算法
就是我们今天要介绍的,由斯坦福大学的Diego Ongaro和John Ousterhout在2014年提出,在证明了算法的正确性之外,还提供了相关实现及参考代码,所以媒体一直宣传这个算法比Paxos要更容易理解;
3、ZAB算法
Zookeeper使用的算法,算是Paxos算法的一个变种,有兴趣的可以到 Apache官网学习下,结合Zookeeper源码学习下。
二、Raft算法应用场景及案例
上面介绍了分布式相关算法,Raft相对来说比较容易上手,如果要深入研究,Paxox是避免不了的;注意是相对简单,因为进入分析之后你会发现远没你想像的简单,以我目前学习进度看,学习快3周时间才大概了解了一些细节。
学习的方式是先看官方的介绍,以下是其官方网站:
https://raft.github.io/raft.pdf
http://thesecretlivesofdata.com/raft/
当然还有中文版的,搜索下raft paper中文版就可以了。
Etcd(Go语言实现)
Soft-Jraft(Java语言,阿里开源)
上面几个都是大公司实现的,可以用在生产上,功能也比较全,代码相对来说复杂些,如果先只想简单搞个Demo分析下,可以看以下几个:
1、百度工程师开源的Java实现
https://github.com/wenweihu86/raft-java
2、支付宝工程师实现
也是Java写的,不过功能比较少,没有PreVote等功能,作者还出了本书:《分布式一致性算法开发实战》,建议带着书学习下:
https://github.com/xnnyygn/xraft
以下是个人学习路线仅供参考:先看论文,即理论,然后跑代码,然后再反过来看理论,最后到了你不用看论文就知道相应规则就可以熟练掌握了。
三、Raft算法整体介绍
官方将Raft算法分为以下几块:选举、日志复制、安全性3大块,从实现的角度分:选举、日志、新节点加入。
另外如果要实现一个完整的应用的话,还要实现状态机的部分;什么是状态机呢,状态机指系统/对象本身有多种状态,然后各种状态分发生切换、转变,其实大部分分布式系统都可以转移为状态机,然后各节点之间以一致的步骤转换状态,大家的状态就是一致了,对应用来说就是强一致了。
还是以前面的redis为例,假设客户端发过来的命令流如下:
set key1 a 状态:key1:a
set key2 b 状态:key1:a, key2:b
回到Raft算法,我们看下每块要解决的问题:
1、选举
Raft算法只支持单主,即任何时候只能从主上进行证读写操作,所以选举要解决以下问题:
当前谁是主节点;
如何保证一定会只选出一个主节点;
如何快速、正确的感知主节点挂掉;
如何快速的选出主节点;
如何保证一定会选出主节点,不会无限循环选举;
如何保证主节点的数据是最新的;
2、日志
Raft算法通过日志达到一致的,日志部分要解决以下问题:
谁的日志最新;
主节点是如何将日志复制到其它节点;
如何保证日志复制的正确性,即不会串,不会错;
新节点加入日志如何复制;
各节点日志的一致性是如何实现的;
3、新节点加入
新节点加入集群不会出现脑裂;
配置如何做到强一致,中间会出现短暂不一致,是怎样不影响集群正常工作的;
未完待续……
版权声明: 本文为 InfoQ 作者【心平气和】的原创文章。
原文链接:【http://xie.infoq.cn/article/fc60d07564d51c962de988b8d】。文章转载请联系作者。
评论