Raft协议是怎么实现数据一致性的

一：简述

Raft协议是一种强一致性、去中心化、高可用的分布式协议，它是用来解决分布式一致性问题的，相对于大名鼎鼎的Paxos协议，Raft协议更容易理解，并且在性能、可靠性、可用性方面是不输于Paxos协议的。许多中间件都是利用Raft协议来保证分布式一致性的，例如Redis的sentinel，CP模式的Nacos的leader选举都是通过Raft协议来实现的。今天就和大家一起探讨一下Raft协议的实现原理。

Raft协议可以分为数据同步和leader选举两个阶段方面进行分析。

二：Raft协议是如何实现数据一致性的

Raft协议规定节点有三种角色，Leader（主节点），Follower（从节点），Candidate（候选节点）。一开始大家都是Follower节点，如果Follower节点没有在指定时间内接收到Leader的心跳包，那么就会变成Candidate节点。而Candidate节点会向其他节点发送投票的请求，请求其他节点投票，而票数超过集群节点数的一半的节点会成为Leader节点。而Leader节点负责处理所有客户端的事务请求（增删改请求）。

注：如果事务请求没有到Leader节点，那么Follower节点也会将请求转发到Leader，nacos就是这样实现的。

Leader节点接收到事务请求后，会先写入本地日志中，然后向集群中的每一个Follower节点发送一个请求询问是否可以更新数据。如果超过一半的节点都认同这次操作，那么Leader节点才会把数据更新，随后将结果返回给客户端并且通知每个Follower节点将自己的数据也进行修改。这样就可以保证集群的数据一致性了。

三：Raft协议是如何选举出Leader节点的

我们已经知道了，所有的事务请求都需要Leader来进行处理，Leader节点至关重要。那么如果Leader节点宕机了，那么会发生什么呢？

很明显，Leader节点宕机了，我们就需要重新选择一个节点作为新的Leader节点。接下来我们看Raft协议是如何判断Leader节点已经宕机，又是如何进行Leader选举的。

1.如何判断Leader节点已经宕机

Leader会定时向每一个Follower节点发送一个心跳请求，如果在指定的时间内没有接收到Leader的心跳包，那么Follower节点就会认为Leader已经宕机了。

2.如何进行新Leader的选举

首先，每个Follower节点都有一个超时时间，这个超时时间是一个150-300ms的随机数，通过接收Leader的心跳包不断重置这个时候，如果这个时间内没有接收到Leader的心跳包，那么Follower节点就会变成Candidate节点，并且将选票投给自己，同时发送请求给其他节点，要求将选票投给自己。

如果Candidate节点获得的选票超过半数，那么它将会成为新的Leader节点，并且将Term标志+1，同时会将自己的节点信息以及数据同步到各个节点。这样也就完成了一轮Leader的选举。

有些小伙伴可能会问，既然超时时间是一个随机数，那么有没有可能超时时间是一样的，导致获得的选票也一样。那这种情况如何解决？其实很简单，再重新选举一次即可，毕竟这种情况出现的概率较小。

四：Raft协议如何处理脑裂的问题

什么是脑裂？简单来说就是因为不同机房之间的网络出现了故障，导致集群重新选举，从而导致集群重新选举Leader，从而造成集群存在两个Leader。

如图所示，当出现网络故障之后，集群重新选举新的Leader节点，但是我们已经知道了，在Raft协议中要进行事务操作，必须要有半数以上的Follower同意才能完成，否则将会失败。

可以看到如果客户端请求到下面的Leader，那么数据只会保存在Leader本地日志中，而无法提交，也无法返回给客户端。而如果客户端请求到上面的Leader，那么是可以正常处理事务请求的，因为上面的Leader是可以得到半数以上节点的同意的。

那么如果网络恢复之后，存在两个Leader，该如何处理？

因为上面的Leader的Term是大于下面的Leader的，所以会选择上面的Leader作为新的Leader，下面的Leader会变成Follower节点，同时新Leader会将数据同步到其他的节点。所以基于Raft协议作为一致性协议的中间件是没有脑裂的问题的。

相信大家已经明白了Raft协议的原理了，最后大家可以思考一下，为什么我们不是Redis哨兵，nacos集群的时候为什么选择的节点数量都是单数（比如3个节点，5个节点）而不是偶数？

附上Raft协议的动图：http://thesecretlivesofdata.com/raft/