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……