分布式一致性协议：Raft协议

文章目录

1. Raft协议
- ①：Leader选举
- ②：集群节点数据同步
- ③：发生网络分区，出现脑裂如何处理？

1. Raft协议

Raft协议动态演示图

nacos的CP架构是通过Raft协议来实现的，Raft协议和ZAB协议都是分布式一致性协议的实现，两者很类似，主要包括两部分：

Leader选举（半数以上节点投票同意）
集群节点写入数据同步（两阶段提交，半数以上节点写入成功）

①：Leader选举

集群中各节点有三种状态可以切换：跟随者（Follower）、领导者（Leader）、候选者（Candidater）

在进行leader选举时，所有的节点都从跟随者（Follower）状态开始
这些跟随者（Follower）如果没有收到其他leader的心跳，那么他们会变成候选者（Candidater）状态
当然，跟随者（Follower）在成为候选者（Candidater）状态时，并不是只要没接收到Leader心跳就会变换状态，这样是不合理的！ Raft协议规定了Follower成为Candidater之前所等待的时间被随机分配在150毫秒至300毫秒之间，尽可能的避免多个节点同时发起投票，造成多节点选票一致的情况。如果出现了多节点选票一致的情况，那么此次选举作废，重新随机分配等待时间，重新发起选举，直到选举成功！
变成候选者（Candidater）的B节点开始向其他节点开始发起投票！
其他节点在接收到B节点的投票请求时，分别给B投一票，并重新为自己随机分配一个150 - 300毫秒的选举时间！
B节点获取了大于集群节点一半的选票，变成了领导者Leader
后续B作为Leader会给其他节点发送心跳验证节点存活、同步数据。其他节点接受心跳后会重置变成候选者（Candidater）状态的时间。
如果B节点宕机，A、C节点会通过150 - 300毫秒的随机时间后变为候选者（Candidater）节点，并在AC中选举新的Leader节点！由于C节点收到了A和C(自身)节点的选票，同时 2 > 1.5，所以C变为新的Leader！

②：集群节点数据同步

首先客户端集群写数据时，只能向Leader节点中写
当Leader接收到数据时，并不是马上在Leader节点内部保存数据，并给客户端回应。而是把数据传输给其他节点。
其他节点接收到数据后给Leader返回响应，Leader接收到大多数（可配置，一般为半数以上）Flower节点的响应后，数据才在Leader节点提交，写入Leader节点内部，并响应给客户端写数据成功！
Leader响应给客户端写数据成功，然后再通过心跳把数据更新到其他Flower节点下

③：发生网络分区，出现脑裂如何处理？

当多个节点发生了网络分区，就会出现多个Leader，也就是俗称的脑裂现象！
由于Raft协议规定：更新数据时Leader要与Flower节点通信，且必须收到大多数（默认半数）节点的响应才能更新数据成功，下图由于网络分区把5个节点的集群变成了两个分区，分区之间无法通信：
- B节点作为Leader在他自己的分区内最多接受1个节点响应，1=1(半数)，并没有大于半数1，所以无法更新数据，进而无法给客户端更新成功的响应，可以无法对外提供服务，该分区不可用！
- 而C节点作为Leader在他自己的分区内可以接受2个节点响应，2>1.5(半数)，大于半数节点1.5，所以在当前分区内可以正常更新数据，正常给客户端发送成功的响应！
- 通过这个半数机制，保证即使发生了脑裂，也能保证数据的一致性！
当网络分区恢复后，Leader节点B由于看到Leader节点C拥有更多的选票，就把自己的Leader身份下掉，变为Leader节点C的Flower节点！并回滚自己之前未提交的数据 SET 3。然后通过心跳从Leader节点C同步最新的数据！

分布式一致性协议：Raft协议相关推荐

[分布式一致性协议] ------ raft协议的解释与理解
前言在分布式系统中,为了保证容错性,一般会维护多个副本集群,提高系统的高可用,但与之带来的问题就是多个副本的一致性(consensus)问题. 我们认为,对于一个具有一致性的的集群中,同一时刻所有节 ...
分布式一致性之raft算法
文章目录一句话简介ratf算法分布式一致性的难点 CAP理论分布式一致性:Raft算法选举过程新官上任根正苗红仍需努力一句话简介ratf算法没听过不要紧,我原先也没听过. Raft ...
分布式一致性算法Raft简介(上)
最近看了Ongaro在2014年的博士论文<CONSENSUS: BRIDGING THEORY AND PRACTICE>的部分章节,对raft有了初步的理解.其中论文中提到用于教学的u ...
分布式一致性算法Raft原理图释
什么是分布式一致性算法Raft 分布式一致性算法Raft:指在分布式场景下实现集群数据同步的解决方案掌握了这个算法,就可以较容易地处理绝大部分场景的容错和数据一致性需求 Raft三大角色跟随者(F ...
分布式一致性算法Raft
导语 | 对于很多工程人员来说,Paxos算法不容易理解和落地实现.因此斯坦福学者提出了一个更易理解和实现的共识算法Raft.本文主要介绍Raft的基本原理.算法流程以及和Paxos的区别. 一.Ra ...
分布式一致性算法Raft简介(下)
slide 15: 这一节开始讲leader changes,即leader的变更过程中如何保证log的一致性: 1)需要明白的是,新leader上任后,各个server的log状态很可能是不一致的: ...
浅谈分布式一致性：Raft 与 SOFAJRaft
简介: SOFAJRaft已开源作者 | 家纯来源 | 阿里技术公众号一分布式共识算法 (Consensus Algorithm) 1 如何理解分布式共识? 多个参与者针对某一件事达成完全一致 ...
【Raft】分布式一致性算法Raft和zab、paxos
目录前言 Raft算法 Raft动画教程 Raft手动设置模拟 Raft协议说明 Raft和zab区别 paxos算法前言开发面试Zookeeper肯定要问,Zab协议逃不掉,那么和 Raft ...
浅谈分布式一致性算法raft
前言:在分布式的系统中,存在很多的节点,节点之间如何进行协作运行.高效流转.主节点挂了怎么办.如何选主.各节点之间如何保持一致,这都是不可不面对的问题,此时raft算法应运而生,专门用来解决上述问题 ...
22张图，带你入门分布式一致性算法Raft
前言单点系统的数据是天然一致的,但为了避免单点故障问题,我们引入了分布式系统. 将数据以副本的形式保存在多个节点上,可以有效避免单点故障造成的服务不可用以及数据丢失的情况. 但如何去保证多个节点的一 ...

分布式一致性协议：Raft协议

文章目录

1. Raft协议

①：Leader选举

②：集群节点数据同步

③：发生网络分区，出现脑裂如何处理？

分布式一致性协议：Raft协议相关推荐

最新文章

热门文章