分布式一致性
在分布式环境中,一致性是指数据在多个副本之间是否能够保持一致的特性。
分布式一致性算法
比较常见的一致性算法包括Paxos算法,Raft算法,ZAB算法等
Raft算法使用场景
一般用作两种场景: 元数据管理 :比如etcd,特点是数据规模小,主要保证数据一致性和集群的高可用(raft选主),所以一套raft集群就够了。 分布式数据库 :这种会用partition group,每个group有一个raft集群,当数据变大的时候会做扩展。
Raft算法基础
Raft把算法流程分为三个子问题:领导选举(Leader election)、日志复制(Log replication)、安全性(Safety)。
角色
Raft算法中在任意时刻最多只有一个Leader,正常工作期间只有Leader和Followers。
状态转换
状态切换流程:
任期
任期 :可以理解为是节点担任Leader职务的时间期限。
Raft 将时间划分为一个一个的任期(term),每个任期由单调递增的数字(任期编号)标识,工作期可长可短也可能不存在
通信
中 服务器节点之间通信通过两个 RPC 调用:
Leader选举
初始状态
初始状态时,每个节点的角色都是 Follower(跟随者),Term任期编号为 1(假设任期编号从1开始)
不过这两种情况会触发选举:
选举
既然有两种情况下会触发选举,一个是初次启动,一个是Leader故障未发送心跳给Follower,那么我们假设有五个节点,然后分别用图来看下是如何选举的!
初次启动时:
初次启动节点都是正常流程如下:
Leader故障时:
Node2此时是Leader 节点,结果故障了,剩下四个节点参与选举。
当选条件
在一个任期(Term)内只可以投票给一个结点,得到超过半数的投票才可成为 Leader,从而保证了一个任期内只会有一个 Leader 产生。
日志同步
概括成一句话就是: 保证Leader上日志能完全相同地复制到多台Follower服务器上。
OK!我们看下是如何进行同步的
日志结构
Raft算法中,每个节点维护着一份日志,其中包含了系统中所有状态变更的记录,每一次状态变更被称为一个日志条目。
我们先看日志结构和右侧说明:
图中每个节点存储自己的日志副本(log),每条日志记录包含:
•索引 (log index):记录在日志中的位置,是一个连续单调递增整数
•任期号 (term):日志记录被创建时Leader的任期号,上图中有三个任期
•命令 (command):客户端请求指定的、状态机需要执行的指令
执行流程
了解完日志结构后,我们来看日志是如何发起同步的。
日志持久化存储的条件
Follower节点必须先将记录安全写到磁盘,才能向Leader节点返回写入成功响应。
如果一条日志记录被存储在超过半数的节点上,我们认为该记录已提交(committed)——这是 Raft 非常重要的特性!如果一条记录已提交,意味着状态机可以安全地执行该记录
流程如下图:
一致性检查
日志一致性
Raft算法的目的是保证所有节点的一致性,即一个日志条目在某个节点被提交,那么这个日志条目也必须在所有节点上被提交。
总结
Raft算法是一种简洁而高效的分布式一致性算法,通过引入Leader选举和日志复制的机制,确保了分布式系统的共识和一致性。
本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://www.jmbhsh.com/shipinzhuangshi/34319.html