对 Paxos算法 和 Raft算法 的简单理解

1 Paxos算法

1.1 用途

Paxos算法是用于 解决分布式一致性问题的，即一个分布式系统中的各个进程 是如何就某个值达成一致的。

1.2 模型

	前提：
	    在一个小岛上，议员数量固定不可变。
		每一个提议都有固定编号，编号保持增长，且不可回退。
		每个议员只会同意大于自身记录的提议编号的新提议。

1.2.1 无主模型

	场景：某个议员收集到新提议，向所有议员发起投票，若投票过半，则通过。
	问题：
		（1）每个议员都有权利发起投票，同时发起的投票ID相同，会导致冲突。
		（2）若议员数量是偶数，容易发生“死锁”。
		（3）多议员之间的信息未必同步，相互同步次数不可预测。

1.2.2 有主模型

场景：选出一个Leader，负责发起投票 ，充当数据同步的样本。不仅解决了提议ID冲突的问题，也解决了数据同步问题。
选举规则：
初次选举：根据设备ID选举。先启动的设备ID大，选取ID大的设备作为Leader。投票过半即可。
后续选举：根据事务ID和设备ID选举。给事务ID和设备ID 都比自己大的设备投票。
问题：
（1）节点过多，虽然业务处理能力强，但选举效率低。 可限制参与选举和投票的节点数量。
（2）若同时存在多主，即发生“脑裂”。

2 Raft 算法

2.1 用途

用于 管理日志一致性的 算法。

2.2 核心思想

在分布式系统中，通过副本来实现数据的安全性。如何实现多个副本的一致性呢？
通过日志来实现，将相同的日志在不同的设备上执行，会得到相同的结果。

2.3 角色分配

Leader      领导者：负责与客户端的交互，日志复制。同一时刻只能存在一个。
Candidate	候选人：仅存在于选举阶段。跟随者想参与竞选，会转变为候选人。
Follower 	跟随者：普通节点。村民。

2.4 特点

（1）任期
每一届领导者会有唯一的任期标识。若选举失败，直接开始下一个任期和新一轮选举。
（2）日志复制
Leader 将所有操作记录到日志里，通过心跳机制转发给Follower ，从而实现最终结果一致性。