分布式一致性算法Raft
什麽是分布式一致性？
我們先來看一個例子：
我們有一個單節點node，這個節點可以是數據庫，也可以是一臺服務器，當client向node發送data時，X節點收到data，記錄下來
由此可見對於單個節點，一致性是很容易實現的。
然而對於多個節點，我們如何來實現一致性，這就是分布式一致性的問題。
Raft就是一個實現分布式一致性的協議
下面讓我們來看看它是如何工作的？
node介紹：
每一個節點有三種state
（1） follower state
（2） leader state
（3） candidate state
Leader Election
所有的節點都是從follower state開始的，如果一個follower狀態的節點沒有被某個leader所控制，它就有可能成為候選者。而當一個節點成為候選者時，它就會向其他節點收集選票，而其他節點在收到候選者發出的信號後，就會把選票發給候選者。如果某個候選者獲取了大多數選票，則會成為領導者。這個過程就是領導者選舉。
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，那麽在300ms以後，再由這兩個候選者發出邀票，這時同時的概率大大降低，那麽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。
Log Replication
選出領導者後，對於這些節點組成的一個系統中的所有變化都會經過這個領導者，由它掌管全局。
領導者收到client發來的消息後，會把每一次的請求操作記錄在日誌上，在這條日誌記錄沒被提交之前，其他節點的值不會有任何改變。
領導者先把日誌條目set 5 拷貝到跟隨者節點中，當大多數的跟隨者節點已經把日誌記錄追加到本節點的日誌時，領導者就開始執行該條日誌，即把5寫入改節點。然後在下一個heartbeat中，領導者就會通知followers，該日誌條目已經提交，follows也會寫入5。這時整個集群保持了數據的一致性。這個過程叫做日誌復制。
對於每個新的日誌記錄，重復上述過程。
如果在這一過程中，發生了網絡分區或者網絡通信故障，使得Leader不能訪問大多數Follwers了，那麽Leader只能正常更新它能訪問的那些Follower服務器，而大多數的服務器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，如果這時網絡故障修復了，那麽原先的Leader就變成Follower，在失聯階段這個老Leader的任何更新都不能算commit，都回滾，接受新的Leader的新的更新。
分布式一致性算法Raft