分布式系统的 Raft 算法
在了解Raft之前，我们先了解Consensus一致性这个概念
Consensus（一致性）
指多个服务器状态达成一致，但是在一个分布式系统中，因为各种意外可能，有的服务器会崩溃或变得不可靠，它就不能和其他的服务器达成一致状态。这样就需要一种Consensus协议，一致性协议是为了确保容错性，也就是即使系统中有一两个服务器宕机，也不会影响其处理过程。
为了以容错方式达成一致，我们不可能要求所有服务器100%都达成一致状态，只要超过半数的大多数服务器达成一致就可以了，假设有N台服务器，N/2 +1 就超过半数，代表大多数了。
Paxos和Raft都是为了实现Consensus一致性这个目标，这个过程如同选举一样，参选者需要说服大多数选民(服务器)投票给他，一旦选定后就跟随其操作。Paxos和Raft的区别在于选举的具体过程不同。
Paxos
过去，Paxos一直是分布式协议的标准，但是Paxos难于理解，更难以实现，Goodle的分布式系统Chubby 作为 Paxos 实现遭遇到很多坑。
Raft
Raft 和 Paxos都是为了实现Consensus一致性这个目标，这个过程如同选举一样，参选者需要说服大多数选民(服务器)投票给他，一旦选定后就跟随其操作。Paxos和Raft的区别在于选举的具体过程不同。
在Raft中，任何时候一个服务器可以扮演下面角色之一：
- Leader: 处理所有客户端交互，日志复制等，一般一次只有一个Leader
- Follower: 类似选民，完全被动
- 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：
-
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：
-
其他服务器同意了，发出OK
注意如果在这个过程中，有一个Follower当机，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。
-
这样这个候选者就成为了Leader领导人，它可以向选民也就是Follower们发出指令，比如进行日志复制。
-
然后通过心跳进行日志复制的通知
-
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
-
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，如下图：
- 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
日志复制（示例）
下面以日志复制为例子说明Raft算法
-
假设Leader领导人已经选出，这时客户端发出增加一个日志的要求，比如日志是"sally"：
-
Leader要求Followe遵从他的指令，都将这个新的日志内容追加到他们各自日志中：
-
大多数follower服务器将日志写入磁盘文件后，确认追加成功，发出Commited Ok
- 在下一个心跳heartbeat中，Leader会通知所有Follwer更新commited 项目
对于每个新的日志记录，重复上述过程。
注意：raft算法基于选举得票数必须N/2 +1，所以一般服务器个数为奇数。（Leader可以投票给自己）
如果在这一过程中，发生了网络分区或者网络通信故障，使得Leader不能访问大多数Follwers了，那么Leader只能正常更新它能访问的那些Follower服务器，而大多数的服务器Follower因为没有了Leader，他们重新选举一个候选者作为Leader，然后这个Leader作为代表于外界打交道，如果外界要求其添加新的日志，这个新的Leader就按上述步骤通知大多数Followers，如果这时网络故障修复了，那么原先的Leader就变成Follower，在失联阶段这个老Leader的任何更新都不能算commit，都回滚，接受新的Leader的新的更新。
