基于Raft协议的NoSQL数据库的设计和实现（3）-Raft

基于Raft协议的NoSQL数据库的设计和实现-Raft

1. Raft的历史

所有共识算法都是由一个基本的问题出发的，就是拜占庭将军问题：拜占庭将军问题是一个协议问，拜占庭帝国军队的将军们必须全体一致的决定是否攻击某一支敌军。问题是这些将军在地理上是分隔开来的，并且将军中存在叛徒。叛徒可以任意行动以达到以下目标：欺骗某些将军采取进攻行动；促成一个不是所有将军都同意的决定，如当将军们不希望进攻时促成进攻行动；或者迷惑某些将军，使他们无法做出决定。如果叛徒达到了这些目的之一，则任何攻击行动的结果都是注定要失败的，只有完全达成一致的努力才能获得胜利。

拜占庭假设是对现实世界的模型化，由于硬件错误、网络拥塞或断开以及遭到恶意攻击，计算机和网络可能出现不可预料的行为。

基于这个问题，Google给出了自己的解法，就是Paxos算法，但这种算法过于复杂且难以实现。然而在真实的云计算环境下，“欺骗将军”这一过程是几乎是不太可能实现的，因此为了简化Paxos算法，斯坦福大学提出了一种新的分布式一致性算法Raft算法，这种算法巧妙且易于理解的解决了这个问题。

2. 算法过程

在Raft中，任何时候一个服务器可以扮演下面角色之一：

1. Leader: 处理所有客户端交互，日志复制等，一般一次只有一个Leader。
2. Follower: 类似选民，完全被动。
3. Candidate候选人: 类似Proposer律师，可以被选为一个新的领导人。

Raft阶段分为两个，首先是选举过程，然后在选举出来的领导人带领进行正常操作，比如日志复制等。下面用图示展示这个过程：

1. 任何一个服务器都可以成为一个候选者Candidate，它向其他服务器Follower发出要求选举自己的请求：

   图一 Raft选举 1

   1. 其他服务器同意了，发出OK。

   图二 Raft选举 2

   注意如果在这个过程中，有一个Follower宕机，没有收到请求选举的要求，因此候选者可以自己选自己，只要达到N/2 + 1 的大多数票，候选人还是可以成为Leader的

   成为leader后，leader节点就会接受外部请求从而改变状态机的状态，并且将日志复制到其他Follower节点上。

   1. 以后通过心跳来监控节点状态和作为日志复制的通知。

   图三 Raft选举 3

   1. 如果一旦这个Leader当机崩溃了，那么Follower中有一个成为候选者，发出邀票选举。

      图四 宕机

      Follower同意后，其成为Leader，继续承担日志复制等指导工作。

      值得注意的是，整个选举过程是有一个时间限制的，如图五：

      图五 选举

Splite Vote是因为如果同时有两个候选人向大家邀票，这时通过类似加时赛来解决，两个候选者在一段timeout比如300ms互相不服气的等待以后，因为双方得到的票数是一样的，一半对一半，那么在300ms以后，再由这两个候选者发出邀票，这时同时的概率大大降低，那么首先发出邀票的的候选者得到了大多数同意，成为领导者Leader，而另外一个候选者后来发出邀票时，那些Follower选民已经投票给第一个候选者，不能再投票给它，它就成为落选者了，最后这个落选者也成为普通Follower一员了。