Raft算法详解

文章目录

    • 一、leader选举过程
      • 1、启动时选举:
      • 2、运行时选举:
    • 3、log replication
    • 4、脑裂问题

一、leader选举过程

raft协议中,一个节点任一时刻处于以下三个状态之一:

  • leader:主节点
  • follower:从节点
  • candidate:候选主节点

1、启动时选举:

有节点启动时都是follower状态,在一段时间内如果没有收到来自leader的心跳,从follower切换到candidate,发起选举。如果收到集群中大多数的票(含自己的一票)则切换到leader状态;如果发现其他节点比自己先成为了leader,则主动切换到follower。

2、运行时选举:

如果follower在election timeout内没有收到来自leader的心跳,(也许此时还没有选出leader,大家都在等;也许leader挂了;也许只是leader与该follower之间网络故障),则会主动发起选举。步骤如下:

  • 某个节点切换到candidate状态并投自己一票
  • 并行给其他节点发送 RequestVote RPCs请求(请求投票)
  • 等待其他节点的回复

在这个过程中,根据来自其他节点的消息,可能出现三种结果

  • 收到majority的投票(含自己的一票),则赢得选举,成为leader
  • 被告知别人已当选,那么自行切换到follower
  • 一段时间内没有收到majority投票或者两个candidate平票,则保持candidate状态,重新发出选举
    因为经常性的平票会让节点不停地重新选举,导致长时间不可用,所以raft引入了randomized election timeouts来尽量避免平票情况(每个节点的选举超时时间都是随机的)。同时,leader-based 共识算法中,节点的数目都是奇数个,尽量保证majority的出现。、

3、log replication

客户端的一切请求来发送到leader,leader来调度这些并发请求的顺序,并且保证leader与followers状态的一致性。raft中的做法是,将这些请求以及执行顺序告知followers。leader和followers以相同的顺序来执行这些请求,保证状态一致。leader将客户端请求(command)封装到一个个log entry,将这些log entries复制(replicate)到所有follower节点,然后大家按相同顺序应用(apply)log entry中的command,则状态肯定是一致的。
leader只需要日志被复制到大多数节点即可向客户端返回,一旦向客户端返回成功消息,那么系统就必须保证log(其实是log所包含的command)在任何异常的情况下都不会发生回滚。这里有两个词:commit(committed),apply(applied),前者是指日志被复制到了大多数节点后日志的状态;而后者则是节点将日志应用到状态机,真正影响到节点状态。

4、脑裂问题

raft算法保证任一任期内最多一个leader被选出。在一个复制集中任何时刻只能有一个leader。系统中同时有多余一个leader,被称之为脑裂(brain split),这是非常严重的问题,会导致数据的覆盖丢失。在raft中,两点保证了这个属性:

  • 一个节点某一任期内最多只能投一票
  • 只有获得majority投票的节点才会成为leader

因此,某一任期内一定只有一个leader。
但是,在网络分割(network partition)的情况下,可能会出现两个leader,但两个leader所处的任期是不同的。
Raft算法详解_第1张图片
上图中,Node A、B和Node C、D、E可能由于网络问题出现了分割,因此Node C、D、E无法收到来自leader(Node B)的消息。
在election time之后,Node C、D、E会分期选举,由于满足majority条件,Node E成为了term 2的leader。
因此,在系统中貌似出现了两个leader:term 1的Node B, term 2的Node E。Node B的term更旧,但由于无法与Majority节点通信,NodeB仍然会认为自己是leader。
此时,有客户端往Node B发送了写请求,NodeB发现自己无法将log entry 复制到majority大多数的节点,因此不会告诉客户端写入成功。如果客户端往C发送了写请求,Node C是能将log entry 复制到majority大多数的节点,所以Node C所在的网络分区能正常接收请求。
当网络被修复后,Node B和Node A发现自己所在的Term为1,比Node C的term小,因此会退化为follower并同步集群数据。

你可能感兴趣的:(k8s)