分布式儲存系統通常通過維護多個副本來進行容錯，提高系統的可用性。這就必須要解決分布式儲存系統的最核心問題：維護多個副本的一致性。
一致性（consensus），是構建具有容錯性（fault-tolerant）的分布式系統的基礎。在乙個具有一致性性質的的集群裡，同一時刻所有節點中的資料有相同的值。集群具有自動恢復的性質，當少數節點失效時，不會影響整個集群對外提供服務；但當超過一半節點失效時，整個集群不可用（但不會返回錯誤的結果）。
一致性協議就是用來幹這事的，及用來保證在小部分副本宕機時，系統仍在可正常對外提供服務。
一致性協議基於replicated state machines，即所有節點都從乙個state出發，都經過同樣的一些操作序列（log），最後達到同樣的state。
系統中每個節點有三個元件：
1、狀態機：當我們說一致性時，就是在說要保證這個狀態機的一致性。狀態機 會從log裡面取出所有的命令，然後執行一遍，得到的結果就是我們對外提供的保證了一致性的資料。
2、log：儲存了所有的修改記錄
3、一致性模組：一致性模組演算法就是用來保證寫入的log的命令的一致性，這也是raft演算法的核心內容。
raft是一種更容易理解的一致性演算法，意在取代paxos演算法。目前，各種主流語言中都有一些開源實現，如基於jgroup的raft協議實現。
動畫版raft的原理：
在raft中，每個節點會處於下面三種狀態中的一種：
成為candidate的節點發起新的選舉期（election term）去「拉選票」：
如果不巧，兩個follower同時成為candidate都去「拉票」怎麼辦？這時會發生split vote情況。兩個節點可能都拉到了同樣多的選票，勝負難分，選舉失敗，本term沒有leader。之後又有計時器超時的follower會成為candidate，將開始新一輪的投票。
raft能夠正確地處理網路分割槽（「腦裂」）問題。假設a~e五個節點，b是leader。如果發生「腦裂」，a、b成為乙個子分割槽，c、d、e成為乙個子分割槽。此時c、d、e會發生選舉，選出c作為新的term的leader，這樣在兩個子分割槽就有了不同term的兩個leader。這時如果有客戶端寫a時，因為b無法複製日誌到大部分follower，所以日誌處於uncommited未提交狀態。而同時另乙個客戶端對c的寫操作卻能正確完成，因為c是新leader，它只知道d和e。
當網路通訊恢復，b能夠傳送心跳給c、d、e了，卻發現「改朝換代」了，因為c的term值更啊，所以b自動降為follower。然後a和b都回滾未提交的日誌，並從新的leader那裡複製最新的日誌。
raft協議學習記錄
在b階段，s1下線，s5上線並被選為leader，同時寫入term3 index2，此時s1和s2中的entry仍然是term2 index2。此時在多個例項中已經存在不同的entry，根據raft的定義，將來一定會有例項的entry被另乙個 成為leader 例項的entry所覆蓋。因此需要一條額...
raft協議問題
角色 raft通過選舉leader並由leader節點負責管理日誌複製來實現多副本的一致性。在raft中，節點有三種角色 角色轉換如下圖所示 節點的狀態時通過心跳包來進行維持的。產生的原因 如果乙個follower在election timeout的時間裡沒有收到leader的資訊,就進入新的ter...
Raft協議介紹（翻譯）
本文討論的的raft一致性演算法來自於 in search of an understandable consensus algorithm.所有的引用都出自這篇文章.raft 是乙個分布式一致性演算法，它的設計很容易被理解。raft演算法解決了即使在出現故障時，多個伺服器同意同乙個共享狀態的問題。...