raft 演算法也是一種少數服從多數的演算法，在任何時候乙個伺服器可以扮演以下角色之一：
leader：負責 client 互動 和 log 複製，同一時刻系統中最多存在乙個
follower：被動響應請求 rpc，從不主動發起請求 rpc
candidate : 由follower 向leader轉換的中間狀態
在選舉leader的過程中，是有時間限制的，raft 將時間分為乙個個 term，可以認為是「邏輯時間」：
每個 term中至多存在1個 leader
某些 term由於不止乙個得到的票數一樣，就會選舉失敗，不存在leader。則會出現 split vote ，再由候選者發出邀票
每個 server 本地維護 currentterm
選舉過程：日誌更新問題：
如果在日誌複製過程中，發生了網路分割槽或者網路通訊故障，使得leader不能訪問大多數follwers了，那麼leader只能正常更新它能訪問的那些follower伺服器，
而大多數的伺服器follower因為沒有了leader，他們重新選舉乙個候選者作為leader，然後這個leader作為代表於外界打交道，如果外界要求其新增新的日誌，這個新的leader就按上述步驟通知大多數followers，
如果這時網路故障修復了，那麼原先的leader就變成follower，在失聯階段這個老leader的任何更新都不能算commit，都回滾，接受新的leader的新的更新。
流程：
client 傳送command 命令給 leader
leader追加日誌項，等待 commit 更新本地狀態機，最終響應 client
若 client超時，則不斷重試，直到收到響應為止（重發 command，可能被執行多次，在被執行但是由於網路通訊問題未收到響應）
解決辦法：client 賦予每個 command唯一標識，leader在接收 command 之前首先檢查本地log
分布式一致性演算法Raft
我們先來看乙個例子 我們有乙個單節點node，這個節點可以是資料庫，也可以是一台伺服器，當client向node傳送data時，x節點收到data，記錄下來 由此可見對於單個節點，一致性是很容易實現的。然而對於多個節點，我們如何來實現一致性，這就是分布式一致性的問題。raft就是乙個實現分布式一致性...
分布式系統的Raft演算法 一致性演算法
原文出處 過去,paxos一直是分布式協議的標準，但是paxos難於理解，更難以實現，google的分布式鎖系統chubby作為paxos實現曾經遭遇到很多坑。來自stanford的新的分布式協議研究稱為raft，它是乙個為真實世界應用建立的協議，主要注重協議的落地性和可理解性。在了解raft之前，...
分布式系統 一致性模型
分布式系統中乙個重要的問題就是資料複製，資料複製一般是為了增強系統的可用性或提高效能。而實現資料複製的乙個主要難題就是保持各個副本的一致性。本文首先討論資料複製的場景中一致性模型如此重要的原因，然後討論一致性模型的含義，最後分析常用的一致性模型。資料複製主要的目的有兩個 可用性和效能。首先資料複製可...