图解分布式一致性算法

本日的文章，咱们会通过图的方法，来深入进修和领略漫衍式同等性的实现道理。

开始的时辰，咱们先来魂灵一问：什么是漫衍式同等性?

• 你的应用是单节点吗?
• 你的体系用户多吗、支持扩容吗?
• 你的体系扩容后数据能保持同等吗?
• 你的体系是否行使Raft、Paxos?
• ……

是否领略都不要紧，后头开始咱们的例子，通过图的方法，来描写同等性的事变道理。

一、前奏

假设咱们有个体系。是个单节点的体系，只陈设在一个实例上。可以把它领略成一个数据库处事(Database Server)，实例上只有一个数据X，咱们后续的故事都是要环绕操纵改观X的值开展的。

咱们尚有个客户端(Client)，它要向节点 (Server) 写数据，这个时辰应用代码写起来也简朴，这个数据的同等性很轻易担保。

写哀求执行后，客户端和处事端的X数据都酿成了8。

在用户量少的时辰，还每天劳神啥时辰来个百万万万用户，等用户轻微一多起来才发明，原本的一个实例扛不住了。这个时辰为了支持更多用户会见，又扩容出来了更多的实例。

那么这下题目来了，当我们有多个实例节点间的时辰，客户端向个中一个节点写了数据，怎样再同步给其他节点呢?奈何担保节点间数据的同等性呢?这就是漫衍式同等性题目。

二、 Raft 协议概览

Raft 就是一个办理上述漫衍式同等性题目的协议。相同的协议尚有Paxos、Zab等等。对比 Paxos，Raft 更易领略和实现。

咱们本次会俯瞰 Raft ， 来相识其事变道理。

在 Raft 里， 节点也许存在三种状态：

• Follower
• Candidate
• Leader

在后头的图里内容中，上述三种状态别离和下面三个图逐一对应。

任何时辰，都只会处于上述三种状态中的一种。初始时辰，以是节点都处于 Follower状态。

假如follower 节点不再能吸取到 leader 节点的动静， 他们的状态就会酿成 Candidate。

Candidate 节点会向其他节点提倡投票哀求，

其他节点也会投票举办相应。

假如得到了大都节点的投票，那 Candidate节点会成为Leader。

上面的这个进程就是漫衍式同等性协议中的「推举」(Leader Election)。

后续全部对付体系的改观，都是通过Leader举办的。经过 Leader 再达到其他节点。

每次 Client 的改观哀求达到 leader 时，城市视为一个 Entry ，先添加到节点的日记 (Log)里。这个新增的 log entry，今朝还并没有提交，以是不会真的更新节点里 X 的值。

leader 起首会复制 log entry 给全部 follower节点。

然后， leader 会守候，直到大都节点都写入了entry。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!