raft算法解析

      在寻找一种易于理解的一致性算法的研究(In Search of an Understandable Consensus Algorithm-extended version) 论文中,作者提出raft算法主要用来在分布式环境下管理日志的状态复制。为了解决paxos算法的难于理解，raft算法中给server引入了三个角色（状态），分别为: Leader、follower、cadidate。并将一致性算法划分成三个子问题来解决：Leader 选举、日志复制、安全性。集群中任何一个server在某一时刻只能处于一种角色状态且只能有一个server处于Leader角色状态。客户端所有的写请求都发送给Leader或由follower转发给leader，由Leader将写请求日志复制到所有follower结点来保证结点间数据的一致性。当Leader结点出现故障，或者follower与Leader之间的心跳检测中断时，进行Leader的重新选择。下面将分别从三个方面来详细讨论raft算法的处理流程以及在安全性上采取的应对策略。

二、leader 选举

2.1  leader选举面临的问题

　　Raft算法通过选举的方式，选出一个高贵的领导人来协调多结点数据的一致性。所有客户端的请求日志条目（写请求）都转发到leader服务器上，由leader将日志条目复制到其他的服务器上，从而达到数据的一致性。这样做大大简化了数据一致性的管理。通过这种方式需要面临若干问题：

     1. 当leader宕机后，如何保证集群继续对外提供服务。（leader选举）

     2. 如何能够尽快选出可用的leader。(通过大多数者同意能够保证不受少数结点网络延迟的影响，并行发送RPC选举请求进一步提高性能）

     3. leader将请求日志复制到集群中所有机器上时，性能问题如何解决。有些结点可能响应很慢或者挂掉。

     4. follower宕机及宕机恢复后，日志如何同步

       针对问题1.  Raft 使用心跳机制来触发领导人选举，如果一个follower在一段时间里没有接收到leader的心跳检测消息，此时他就会认为系统中没有可用的领导者，并且发起选举以选出新的领导者。

      针对问题2. Raft采取的策略是大多数者同意的策略。即得到集群中大多数者的投票同意，即认为选举成功。这样做有两个好处，首先可以保证集群中即使部分结点挂掉，或者部分结点响应很慢，不至于影响系统的可用性以及性能，为了进一步提高发送投票请求的性能，集群中server向其他服务器发送投票请求时通过并行RPC的方式来进行发送请求。

其次，采用大多数者同意策略可以保证在发生网络分区的情况下，不会产生多个Leader结点（即脑裂问题产生），从而可能导致数据的不一致问题。

2.2  集群中server的三种状态

下图为raft中，集群server的状态转换图：

•  初始时，集群server启动，server状态为follower。follower因超时时间未收到leader 或candidate的消息而转变为candidate，开始进入leader选主过程。
•  cadidate状态的server由于在当前一轮任期的选主过程中，未能选出leader重新进入下一轮任期leader选举。
•  cadidate在选举的过程中可能收到leader已经选出的消息或当前的自己记录的任期信息已经过期而进入follower状态。
•  cadidate由于收到大多数者的投票而成为leader，成为leader后会定期给其他server发送心跳信息以维护其领导者的权威。如果leader发现自己的任期号过期了，则进入follower角色状态

     raft算法选举的过程中，有个很重要的概念，即任期号（term）每个server都有一个term变量，该变量自增，每产生一个新的leader，term都会自增，用于表示，当前Leader是在该任期内产生的。

当follower转变成cadidate时会自增当前的任期号，给自己投票，重置选举超时计时器，然后通过并行RPC调用向其他server 发送投票请求，请求过程中

携带4个参数：分别为 term（候选人任期号）、cadidateId（请求选票的候选人ID）、LastLogIndex（候选人的最后日志条目的索引值）、LastLogTerm（候选人最后日志条目任期号，即该条日志请求命令是由哪个leader同步的）。返回值分别为：term （当前任期号，以便于候选人去更新自己的任期号），voteGranted（候选人赢得了此张选票时为真，否则为假）

如果cadidate获得大多数者的同意，就变成leader，如果接收到新的leader的附加日志RPC，转变成follower。如果选举过程超时即一段时间后没有任何一个获胜，再次发起新一轮选举。cadidate获得其他cadidate同意的条件是term最大，当term相同时，比较 cadidate之间的LastLogIndex，LastLogIndex大的获胜。 

当集群中所有candidate状态的server选举超时，即该cadidate即没有赢得选举也没有输，会进行下一轮的选举，这种情况可能重复一直发生，以至于选票总是被瓜分从而没有赢得大多数server的支持。raft算法采用了随机选举超时时间的方式来确保选票瓜分的情况很少发生。选举超时时间从一个固定区间（例如150-300毫秒）随机选择，进而使得每台服务器的超时时间尽量不相同，最先超时的cadidate，会新增term，进行新的投票，赢得投票，并在其他server超时前发送心跳包。

三、日志复制

     3.1 状态机

　　一致性算法是从复制状态机的背景下提出的。复制状态机的结构如下图所示。

　　集群中每台server都通过复制状态机来保持各server状态的一致性。server中的一致性模块接收客户端的日志命令请求，并将其按照顺序写入到日志中，然后server与其他server一致性模块通信，将日志中的指令按照对应的顺序复制到其他server，一旦复制完成，每个服务器的状态机按照日志顺序执行指令，并最终返回客户端结果 ，因此服务器集群看起来像一个高可靠的状态机

      3.2 日志

       Leader处理客户端的请求时，首先是将请求指令写入到 Entrys日志中。日志如下所示：

      图中的每一个Entry日志项包含了状态机待执行的指令，以及该指令当前所处的任期。只有日志条目被应用到状态机中的时候，才能认为该日志是已提交，即持久化。当Leader将日志条目

复制到大多数机器的时候，该日志条目即可被提交，并且该日志条目之前的所有未提交的日志条目也会被提交（包括其他领导人创建的条目，这主要是从安全性的角度考虑，加了这条规则，会在安全章节探讨），并且在最终会被可用的状态机执行

      Raft日志复制具有以下特性：

• 如果在不同的日志中的两个条目拥有相同的索引和任期号，那么他们存储了相同的指令。
• 如果在不同的日志中的两个条目拥有相同的索引和任期号，那么他们之前的所有日志条目也全部相同。

即领导人在该任期内创建的日志条目存放在指定的日志索引处，且该日志条目的索引位置不会发生改变。

即Leader中的索引位置处的日志条目与follower中对应索引处的日志条目相同的话，则其索引之前的日志条目同样相同。这一点是通过follower的一致性检查来保证的。

Leader在向follower发送日志复制请求时，会把之前日志条目的索引与任期号一同包含在请求里。如果follower未找到包含相同索引位置和任期号的条目，那么他就会拒绝接收

新的日志条目。

      在Raft算法中，领导人处理日志不一致的方式是通过强制跟随者复制自己的日志来解决。这意味着跟随者发生冲突的日志会被领导者日志所覆盖。具体的处理方式。跟随者会根据一致性检查比较

领导者发送上次日志与索引位置是否相等，不相等，则会拒绝。领导者会修改nextIndex（领导者针对每一个跟随者维护了一个nextIndex），将其值减1.在向follower发送附加日志请求。直到日志匹配上后，直接将follower冲突的日志覆盖掉。

   请求处理流程 

• client 连接follower 或 leader ，如果client连接follower，则follower 将 client的（写）请求转发到leader，读请求follower直接处理。
• leader接收到client请求，将该请求转换成entry，写入到自己的日志中，得到在日志中的index，然后会将该entry发送给所有的follower（实际上是批量的entries）
• follower接收到leader的AppendEntries RPC请求后，会将leader传过来的批量entires写入到文件中（通常并没有立即刷新到磁盘），然后向leader回复OK
• leader收到过半的follower的OK回复之后，就可以认为命令可以提交，然后根据日志条目更新状态机，leader更新commitIndex，更新状态机完成后，回复客户端。
• 在下一次leader发给follower的心跳中，会将leader的commitIndex传递给follower，follower发现commitIndex更新了则也将commitIndex之前的日志都进行提交并更新状态机。
  
  

四、安全性

      下面通过分析一种情行来看Raft是如何保证日志复制的安全性的。

      在a这个时间点，S1为Leader，进入b时间点后，复制日志索引2位置日志到S2，这时如果S1挂了，S5被选举为Leader（通过S3，S4，S5的选票）。从客户端接收了不一样的日志条目存放在索引2位置，进入到阶段C，这时S5挂掉，S1已经恢复了，S1重新被选举为Leader（通过S1，S2，S3），并复制任期2阶段的日志条目到大多数结点且未提交，这时S1挂了，s5重新被选举为leader，进入阶段d，并将自己任期内的日志条目复制到集群中其他结点，并覆盖了索引2处的日志。反之，如果在崩溃之前，S1 把自己主导的新任期里产生的日志条目复制到了大多数机器上，就如 (e) 中那样，那么在后面任期里面这些新的日志条目就会被提交（因为S5 就不可能选举成功）。 这样在同一时刻就同时保证了，之前的所有老的日志条目就会被提交。

      为了消除上图中描述的情况，Raft 永远不会通过计算副本数目的方式去提交一个之前任期内的日志条目。只有领导人当前任期里的日志条目通过计算副本数目可以被提交；一旦当前任期的日志条目以这种方式被提交，那么由于日志匹配特性，之前的日志条目也都会被间接的提交。即在日志复制的过程中，会从当前领导人当前的任期的日志条目开始复制直到最近一次提交的日志条目处。这样能够保证旧的任期的日志不会被更新的任期的日志条目所覆盖。

参考：https://ramcloud.atlassian.net/wiki/download/attachments/6586375/raft.pdf