注：本文原创，转载请标明出处。

欢迎转发、关注微信公众号：Q的博客。 不定期发送干货，实践经验、系统总结、源码解读、技术原理。

本文目的

笔者期望通过系列文章帮助读者深入理解Raft协议并能付诸于工程实践中，同时解读不易理解或容易误解的关键点。

该系列会从原理、源码、实践三个部分为大家讲解Raft算法，本文为《Raft实战》系列第二篇：

原理部分我们会结合 Raft 论文讲解 Raft 算法思路，整体分篇会遵循 Raft 的模块化思想，分别讲解 Leader election、Log replication、Safety、Cluster membership change、Log compaction 等。

源码部分我们会通过分析 hashicorp/raft 来学习一个工业界的 Raft 实现，hashicorp/raft 是 Consul 的底层依赖。

实践部分我们会基于 hashicorp/raft 来实现一个简单的分布式 kv 存储，以此作为系列的收尾。

什么是选主

选主(Leader election)就是在分布式系统内抉择出一个主节点来负责一些特定的工作。在执行了选主过程后，集群中每个节点都会识别出一个特定的、唯一的节点作为leader。

我们开发的系统如果遇到选主的需求，通常会直接基于 zookeeper 或 etcd 来做，把这部分的复杂性收敛到第三方系统。然而作为 etcd 基础的 raft 自身也存在“选主”的概念，这是两个层面的事情：基于 etcd 的选主指的是利用第三方 etcd 让集群对谁做主节点的决策达成一致，技术上来说利用的是 etcd 的一致性状态机、lease 以及 watch 机制，这个事情也可以改用单节点的 MySQL/Redis 来做，只是无法获得高可用性；而 raft 本身的选主则指的是在 raft 集群自身内部通过票选、心跳等机制来协调出一个大多数节点认可的主节点作为集群的 leader 去协调所有决策。

当你的系统利用 etcd 来写入谁是主节点的时候，这个决策也在 etcd 内部被它自己集群选出的主节点处理并同步给其它节点。

Raft 为什么要进行选主？

按照论文所述，原生的 Paxos 算法使用了一种点对点(peer-to-peer)的方式，所有节点地位是平等的。在理想情况下，算法的目的是制定一个决策，这对于简化的模型比较有意义。但在工业界很少会有系统会使用这种方式，当有一系列的决策需要被制定的时候，先选出一个 leader 节点然后让它去协调所有的决策，这样算法会更加简单快速。

此外，和其它一致性算法相比，raft 赋予了 leader 节点更强的领导力，称之为 Strong Leader。比如说日志条目只能从 leader 节点发送给其它节点而不能反着来，这种方式简化了日志复制的逻辑，使 raft 变得更加简单易懂。

Raft选主过程

下图的节点状态转移图，我们在前一篇文章已经看到了，但只是做了简单的描述，接下来我们会结合具体的Leader election细节来深刻理解节点的状态转换。

*图名：节点状态图

Follower状态转移过程

Raft 的选主基于一种心跳机制，集群中每个节点刚启动时都是 follower 身份(Step: starts up)，leader 会周期性的向所有节点发送心跳包来维持自己的权威，那么首个 leader 是如何被选举出来的呢？方法是如果一个 follower 在一段时间内没有收到任何心跳，也就是选举超时，那么它就会主观认为系统中没有可用的 leader，并发起新的选举(Step: times out, starts election)。

这里有一个问题，即这个“选举超时时间”该如何制定？如果所有节点在同一时刻启动，经过同样的超时时间后同时发起选举，整个集群会变得低效不堪，极端情况下甚至会一直选不出一个主节点。Raft 巧妙的使用了一个随机化的定时器，让每个节点的“超时时间”在一定范围内随机生成，这样就大大的降低了多个节点同时发起选举的可能性。

*图解：一个五节点Raft集群的初始状态，所有节点都是follower身份，term为1，且每个节点的选举超时定时器不同

若 follower 想发起一次选举，follower 需要先增加自己的当前 term，并将身份切换为 candidate。然后它会向集群其它节点发送“请给自己投票”的消息(RequestVote RPC)。

*图解：S1 率先超时，变为 candidate，term + 1，并向其它节点发出拉票请求

Candicate状态转移过程

Follower 切换为 candidate 并向集群其他节点发送“请给自己投票”的消息后，接下来会有三种可能的结果，也即上面节点状态图中 candidate 状态向外伸出的三条线。

1. 选举成功(Step: receives votes from majority of servers)

当candicate从整个集群的大多数(N/2+1)节点获得了针对同一 term 的选票时，它就赢得了这次选举，立刻将自己的身份转变为 leader 并开始向其它节点发送心跳来维持自己的权威。

*图解：“大部分”节点都给了S1选票

*图解：S1变为leader，开始发送心跳维持权威

每个节点针对每个 term 只能投出一张票，并且按照先到先得的原则。这个规则确保只有一个 candidate 会成为 leader。

2. 选举失败(Step: discovers current leader or new term)

Candidate 在等待投票回复的时候，可能会突然收到其它自称是 leader 的节点发送的心跳包，如果这个心跳包里携带的 term 不小于 candidate 当前的 term，那么 candidate 会承认这个 leader，并将身份切回 follower。这说明其它节点已经成功赢得了选举，我们只需立刻跟随即可。但如果心跳包中的 term 比自己小，candidate 会拒绝这次请求并保持选举状态。

*图解：S4、S2 依次开始选举

*图解：S4 成为 leader，S2 在收到 S4 的心跳包后，由于 term 不小于自己当前的 term，因此会立刻切为 follower 跟随S4

3. 选举超时(Step: times out, new election)

第三种可能的结果是 candidate 既没有赢也没有输。如果有多个 follower 同时成为 candidate，选票是可能被瓜分的，如果没有任何一个 candidate 能得到大多数节点的支持，那么每一个 candidate 都会超时。此时 candidate 需要增加自己的 term，然后发起新一轮选举。如果这里不做一些特殊处理，选票可能会一直被瓜分，导致选不出 leader 来。这里的“特殊处理”指的就是前文所述的随机化选举超时时间。

*图解：S1~S5都在参与选举

*图解：没有任何节点愿意给他人投票

*图解：如果没有随机化超时时间，所有节点将会继续同时发起选举……

以上便是 candidate 三种可能的选举结果。

Leader 切换状态转移过程

节点状态图中的最后一条线是：discovers server with higher term。想象一个场景：当 leader 节点发生了宕机或网络断连，此时其它 follower 会收不到 leader 心跳，首个触发超时的节点会变为 candidate 并开始拉票(由于随机化各个 follower 超时时间不同)，由于该 candidate 的 term 大于原 leader 的 term，因此所有 follower 都会投票给它，这名 candidate 会变为新的 leader。一段时间后原 leader 恢复了，收到了来自新leader 的心跳包，发现心跳中的 term 大于自己的 term，此时该节点会立刻切换为 follower 并跟随的新 leader。

上述流程的动画模拟如下：

*图解：S4 作为 term2 的 leader

*图解：S4 宕机，S5 即将率先超时

*图解：S5 当选 term3 的 leader

*图解：S4 宕机恢复后收到了来自 S5 的 term3 心跳

*图解：S4 立刻变为 S5 的 follower

以上就是 raft 的选主逻辑，但还有一些细节(譬如是否给该 candidate 投票还有一些其它条件)依赖算法的其它部分基础，我们会在后续“安全性”一篇描述。

当票选出 leader 后，leader 也该承担起相应的责任了，这个责任是什么？就是下一篇将介绍的“日志复制”~

欢迎转发、关注微信公众号：Q的博客，不定期发送干货，实践经验、系统总结、源码解读、技术原理。