Raft算法是强领导模型，集群中只能有一个领导。
下面是raft的视频讲解：
raft

raft的三种角色及其概念

服务器节点状态一共有三种：领导者（Leader）、跟随着（Follower）、候选人（Candidate）
跟随者：接受和处理来自领导者的消息，当等待领导者心跳信息超时时，推荐自己当候选人
候选人：向其他节点发送请求投票的RPC消息，通知其他节点来投票，如果赢得了大多数选票，就晋升当领导者
领导者：处理写请求、管理日志复制、不断发送心跳信息，表示自己还活着，不要发起新的选举

选举领导者的过程

初始状态：所有节点都是跟随者
Raft算法特性时随机超时时间，每个节点等待领导者节点心跳信息的超时时间间隔是随机的。
集群中没有领导者时，等待超时时间最小的节点会因为没有等到领导者心跳信息，发生超时。
超时自荐
此时该节点就会增加自己的任期编号，并推举自己为候选人，先给自己投一张选票，然后向其他节点发送请求投票RPC消息，请它们选举自己为领导者。
选举投票
其他节点接受到候选人的RPC消息时，并且在编号为1的任期内，没有投过票，那么就把选票投给该候选人，然后增加自己的任期编号。

图1 初始状态

图2 超时自荐

图3 选举投票

新领导产生
候选人在选举超时时间内赢得了大多数的选票，那么它就会成为本届任期内新的领导者。

新领导威慑维权
领导者将周期性地发送心跳消息，通知其他服务器我是领导者，阻止跟随者发起新的选举，篡权。

图1 初始状态

图2 超时自荐

选举细节

1、节点间通讯方式

Raft里，服务器节点间沟通联络采用的是远程过程调用（RPC），在领导选举中，需要用到两类RPC：
1、请求投票（RequestVote）RPC，由候选人在选举期间发起，通知各个节点进行投票
2、日志复制（AppendEntries）RPC，由领导者发起，用来复制日志和提供心跳信息

2、关于任期的rules

Raft算法中的领导者是有任期的，每个任期由单调递增的数字（任期编号）标识。任期编号会随着选举的进行而变化。
Raft 算法中的任期不只是时间段，而且任期编号的大小，会影响领导者选举和请求的处理。
1、跟随者在等待领导者心跳信息超时后，推举自己为候选人，会增加自己的任期号。（在推举自己的时候就会++了）
2、一个服务器节点若检测到自己任期编号比其他节点小，更新自己的编号到较大的编号值
3、若一个候选人或者领导者检测到自己任期编号比其他节点小，会将自己恢复成跟随着状态。所以，raft 不兼容作恶节点。只要有一个作恶节点发送“任期编号更大“的心跳消息，立马就能让这个集群变成无 leader 的，进而无法工作
4、如果一个节点接收到一个包含较小的任期编号值的请求，那么它会直接拒绝这个请求。

3、关于选举的rules

1、领导者周期性向所有跟随者发送心跳信息（不包含日志复制RPC消息）
2、如果在指定时间内，跟随者没有结收到领导者的消息，那么就自荐，发起领导者选举
3、在一次选举中，赢得大多数选票的候选人，将晋升为领导者
4、一个任期内，领导者会一直是领导者，直到它自身出现宕机等问题。当然如果出现网络延迟，也会出现重新选举的情况‘
5、在一次选举中，每一个服务器节点最多会对一个任期编号投出一张选票，并且按照“先来先服务”的原则进行投票。
如下图：

6、日志完整性高的跟随者拒绝投票给日志完整性低的候选人，即如果日志不完整的请求当主节点，如果当前的节点日志比他完整，那么就会拒绝给他投票

4、随即超时解决选票瓜分现象

• 跟随者等待领导者心跳信息超时的时间间隔，是随机的
• 当没有候选人赢得过半票数，选举无效了，这时需要等待一个随机时间间隔，也就是说，等待选举超时的时间间隔，是随机的

关于raft的领导者选举限制和局限

1.读写请求和数据转发压力落在领导者节点，导致领导者压力。
2.大规模跟随者的集群，领导者需要承担大量元数据维护和心跳通知的成本。
3.领导者单点问题，故障后直到新领导者选举出来期间集群不可用。
4.随着候选人规模增长，收集半数以上投票的成本更大。

raft算法学习（一）：角色概念以及选举过程相关推荐

07 | Raft算法（一）：如何选举领导者
07 | Raft算法(一):如何选举领导者原文链接链接详解内容参考文档- 极客时间分布式协议
Raft算法的Leader选举和日志复制过程
Raft 简介 Raft 是一种为了管理复制日志的一致性算法.它提供了和 Paxos 算法相同的功能和性能,但是它的算法结构和 Paxos 不同,使得Raft 算法更加容易理解并且更容易构建实际的系统 ...
Raft 算法详解（一）领导者选举
Raft 算法属于 Multi-Paxos 算法,它是在兰伯特 Multi-Paxos 思想的基础上,做了一些简化和限制,比如增加了日志必须是连续的,只支持领导者.跟随者和候选人三种状态,在理解和 ...
Raft算法在Curve中的实践
Curve作为高性能.高可用.高可靠的新一代分布式存储系统,对于多副本数据同步,负载均衡,容灾恢复方面都有较高的要求.Curve选用Raft算法作为底层一致性协议,并基于Raft的特性,实现了异常情况 ...
分布式 —— 基于Raft算法的KV服务
第一章: CAP定理: 一致性:同步问题可用性:高并发.性能高分区容错性:选择备用注意:实际情况中,这三个不能同时具备,往往会舍弃一个属性,一般分区容错性是优先考虑的,就只能从可用性和一致性中进 ...
Raft算法国际论文全翻译
最近在开发强一致性的分布式算法,因此需要深入理解下Raft算法,这里对Raft论文进行了翻译,留以备用 - Sunface. 英文版论文:https://ramcloud.atlassian.net/ ...
谈谈 Raft 算法
谈谈 Raft 算法什么是Raft leader election term 选举过程详解: log replication 请求完整流程 safety Election safety log ma ...
算法学习笔记(2) 悬线法
本文属于「算法学习」系列文章之一.之前的[数据结构和算法设计]系列着重于基础的数据结构和算法设计课程的学习,与之不同的是,这一系列主要用来记录对大学课程范围之外的高级算法学习.优化与使用的过程,同时也 ...
学习Raft算法的笔记
Raft是一种为了管理日志复制的一致性算法.它提供了和Paxos算法相同的功能和性能,但是它的算法结构和Paxos不同,使得Raft算法更加容易理解并且更容易构建实际的系统.为了提升可理解性,Raft ...

raft算法学习（一）：角色概念以及选举过程