1、一些概念

term： 任期，比如新的选举任期，即整个集群初始化时，或者新的Leader选举就会开始一个新的选举任期。

大多数： 假设一个集群由N个节点组成，那么大多数就是至少N/2+1。例如：3个节点的集群，大多数就是至少2；5个节点的集群，大多数就是至少3。

状态： 每个节点有三种状态，且某一时刻只能是三种状态中的一种：Follower（图左），Candidate（图中），Leader（图右）。假设三种状态不同图案如下所示：

node的三种状态

初始化状态时，节点都是 Follower 状态，并且 term 为0.

如果一段时间后，跟随者没有监听到领导者发来的消息，那么自己将变成候选人身份

初始阶段

2、Leader选取过程

完成选取后，所有的请求必定经过Leader节点

1、在Raft算法中，会有两个超时时间设置来控制选举过程：选举超时 和 心跳超时，其详细的解释在下一节。

初始状态下，所有节点会进入选举周期，都会在一个随机周期内变为候选节点。

初始状态

2、当有节点成为候选节点，自然的会进入选取任期1，并且自然可以拿到自己的一个投票。

候选人

3、紧接着，候选节点会像其他所有节点发送投票请求，只有拿到大多数的选票才能成为Leader。
当然候选人也是不能重复投票的，在一个选取周期内，节点智能投出去一次。
注意：在 发送投票请求 和 响应请求 的时候节点都会启动 选取超时

候选人将发送 投票请求 给其它节点

4、如果候选节点能拿到过半数的投票，那就可以成为一个Leader。
注意：候选节点可能会同时存在多个，候选节点的票数也有可能出现一致的情况（一般偶数个节点会出现，所以节点数一般不要选偶数）。一次投票过程有且只能产生一个leader。

获半数支持可以成为Leader

5、Leader选举成功后，Leader节点就会不断的往Follower节点发送附加日志。这些消息是周期性发送，也叫 心跳包；当然在设值的时候，这个心跳包中也会附加同步操作。

发送附加日志

6、选举周期将一直持续直到某个跟随者没有收到心跳包并成为候选人。

重新选举

此时Node A就是 选取周期2的Leader了

至此最为普通的选举过程结束了。但是现实情况中还是可能同时存在两个候选节点的情况，或者网络分区导致有两个Leader的情况。

3、重新选取

两个候选节点的情况
1、在某种条件下，是会产生多个候选节点的，然后这两个候选节点会往A/C同时发送投票请求。

image.png

2、你说巧不巧，这个时候节点A投给了B，节点C投给了D。这种情况下B和D谁都不能拿到多数票，毕竟A、C同一时间只能投给一个节点。

image.png

3、这种情况下会重新进行一次竞选请求，这个就看这两个节点的随机函数结果了。

image.png

此时B的选取周期先结束，Node B就会被选为Leader。

4、两个超时

接下来介绍Raft中两个很重要的超时设置：
选举超时 和 心跳超时。
election timeout,一般是150毫秒到300毫秒之间的随机数
heartbeat timeout,视情况而定。

• 1、选举超时

  为了防止3个节点（假设集群由3个节点组成）同时发起投票，会给每个节点分配一个随机的选举超时时间（Election Timeout），即从Follower状态成为Candidate状态需要等待的时间。在这个时间内，节点必须等待，不能成为Candidate状态。

• 2、心跳超时

  如下图所示，节点A和C投票给了B，所以节点B是leader节点。节点B会固定间隔时间向两个Follower节点A和C发送心跳消息，这个固定间隔时间被称为heartbeat timeout。Follower节点收到每一条日志信息都需要向Leader节点响应这条日志复制的结果：

  
  
  image.png

5、Log Replication 日志复制

这个概念其实就是怎么让客户端过来的数据同步到所有Follower节点

1、假设接下来客户端发起一个SET 5的请求，这个请求会首先由leader即节点a接收到，并且节点a写入一条日志。由于这条日志还没被其他任何节点接收，所以它的状态是 uncommitted。
Leader会在下一个心跳中将数据同步给跟随者

image.png

2、一旦有大多数节点成功写入这条日志，那么Leader节点的这条日志状态就会更新为committed状态，并且值更新为5。
注意的是：此时Follower节点还是uncommit状态。

image.png

3、在接收到Follower的响应后，Leader会通知所有节点提交记录。

image.png

4、最后Leader会响应客户端

image.png

这种模式就是2PC，这部分衍生出来还有3PC，TCC，SAGA等一致性协议，尤其在分布式事务处理中更为常用。

6、网络分区

1、在发生网络分区的时候，Raft一样能保持一致性。如下图所示，假设我们的集群由5个节点组成，且节点B是Leader节点：

image.png

2、我们假设发生了网络分区：节点A和B在一个网络分区，节点C、D和E在另一个网络分区，C,D,E分区就会重新选举

image.png

3、如下图所示，且节点B和节点C分别是两个网络分区中的Leader节点：

image.png

4、此时两个客户端分别对两个分区进行操作，其中一个客户端将把节点B的值设置为"3"，但节点B不能同步大多数，所以他的日志记录仍为未提交

image.png

5、另一个客户端将修改 节点C 的值为"8"，因为可以同步大多数，所以这个操作能够成功

image.png

6、之后再回复分区，节点B将会发现存在"更高领导人"，所以将会选择"下台"，此时，节点A和节点B将会回滚它们未提交的记录，并同步新领导人的日志

image.png

参考文献

1、这个动图非常生动形象：http://raft.taillog.cn/
2、raft论文：https://ramcloud.stanford.edu/wiki/download/attachments/11370504/raft.pdf