關於raft解決分布式一致性中的幽靈復現方案

分布式中幽靈復現是指在不同的時間點讀取同乙份資料可能出現前後不一致的問題，其本質還是分布式一致性沒有得到保障

現象

有三颱節點 a b c,初始日誌複製如下[數值表示term 數值下標表示index]
a 1 1
b 1 1
c 1 1
假設 a寫入日誌
a 1 1 1 三條term為1 ，index為0，1，2
假設日誌內容是 add [x=1] [y=2] [z=3]
b 1 1
c 1 1
此時a掛掉，b成為leader
b 1 1
c 1 1
此時讀取資料為x=1 y=2 z 的日誌由於a掛掉讀取不到
假設此時b掛掉 a再次選舉 a的index和term決定a可以成為leader
此時讀取資料為x=1 y=2 z=3
出現幽靈復現 即在第二輪沒有讀到的資料在第三輪讀到

raft解決方案

不同的一致性演算法有不同的解決方案 raft如下解決 1 每次選舉term++,隨後追加當前term的noop日誌 2 commitindex 只有term相同的時候才可以提交 3 日誌服從leader節點可以回退假設初始a,b,c如下,【假設a是leader】 a 1 2 b 1 2 c 1 2 a 以下情形【不可以存在，index=2 ,term=3 的日誌如果沒有過半 a無法提交commitindex 就不會出現 index=3,term=3的日誌】 a 1 2 3 3 b 1 2 c 1 2 b1a 1 2 （3）（3） b 1 2 3 c 1 2 b2 a掛掉b 此時只能是b選擇leader 日誌一致 a 1 2 b 1 2 3 c 1 2 b11a 1 2 （2）（2） b 1 2 2 c 1 2 b2 a掛掉 c選擇leader 追加noop，b的index=2 term 不同於leader 開始backoff 最終日誌一致假設沒有term約束那麼b,c在index = 2 的term則會不一致 a 1 2 b 1 2 2

c 1 2 noop

案例多多，最終相關結論如下

新leader必須追加noop日誌解決幽靈復現,同時新leader認為所有follower的節點nextindex和noop之前相同,但還沒有感知到matchindex matchindex全部為0

追加日誌必須 previndex >= last prevterm 和lastterm相同

commitindex leader 必須term相同 newcommitindex> commitindex

如果日誌匹配不上follower需要回退，leader會回退nextindex重新發起日誌直到匹配成功後確定backoffsetindex

關於raft解決分布式一致性中的幽靈復現方案

分布式一致性演算法Raft

分布式一致性

分布式一致性

相關推薦