Paxos与Raft比较

Paxos：

Paxos算法是一种基于消息传递且具有高度容错特性的一致性算法。用于解决在多个节点间确定一个值。Paxos算法实现多个节点间达成共识的过程分为两个阶段：准备阶段、接受阶段

准备阶段：

Acceptor的响应规则总结：

• 如果Acceptor之前没有响应任何提案，返回一个尚无提案的响应；如果准备请求的提案编号，小于等于Acceptor已经响应过的准备请求的提案编号，那么将承诺不响应这个准备请求
• 如果接受请求的提案编号，小于Acceptor已经响应的准备请求的提案编号，那么将承诺不通过这个提案
• 如果Acceptor之前有通过提案，那么Acceptor将承诺，会在准备请求的响应中，包含已经通过的最大编号的提案信息。

接受阶段：

 

客户端发送"接受请求"的条件：

client获得大多数（超过半数）节点的准备阶段的响应（只要有响应即可，无论这个响应是否是"尚无提案"的响应）
发送的提案的值，如果尚无提案，就是自身的提案值，如果有过提案，提案值是准备阶段的响应返回的最大提案编号的值。
 

存在问题：

客户端在获得大多数的准备阶段的响应后，才发送"接受请求"，存在这样一种情况：有5个节点，3个客户端，3个客户端收到的响应分别为1， 2， 2个，这样每个客户端都无法在发送"接受请求"。这是只能多次执行Basic Paxos实例，来实现一系列值的共识。但是客户端和接受者之间通讯是一个rpc远程调用，多次的执行Basic Paxos实例，就会导致往返消息多、耗性能、延迟大，延迟一直是分布式的痛点，是需要我们在开发分布式系统中认真考虑的。

Raft：

根据 Raft 协议，一个应用 Raft 协议的集群在刚启动时，所有节点的状态都是 Follower。由于没有 Leader，Followers 无法与 Leader 保持心跳（Heart Beat），因此，Followers 会认为 Leader 已经下线，进而转为 Candidate 状态。然后，Candidate 将向集群中其它节点请求投票，同意自己升级为 Leader。如果 Candidate 收到超过半数节点的投票（N/2 + 1），它将获胜成为 Leader。

第一阶段：所有节点都是 Follower。

上面提到，一个应用 Raft 协议的集群在刚启动（或 Leader 宕机）时，所有节点的状态都是 Follower，初始 Term（任期）为 0。同时启动选举定时器，每个节点的选举定时器超时时间都在 100~500 毫秒之间且并不一致（避免同时发起选举）。

所有节点都是 Follower

第二阶段：Follower 转为 Candidate 并发起投票。

没有 Leader，Followers 无法与 Leader 保持心跳（Heart Beat），节点启动后在一个选举定时器周期内未收到心跳和投票请求，则状态转为候选者 Candidate 状态，且 Term 自增，并向集群中所有节点发送投票请求并且重置选举定时器。

注意，由于每个节点的选举定时器超时时间都在 100-500 毫秒之间，且彼此不一样，以避免所有 Follower 同时转为 Candidate 并同时发起投票请求。换言之，最先转为 Candidate 并发起投票请求的节点将具有成为 Leader 的“先发优势”。

Follower 转为 Candidate 并发起投票

第三阶段：投票策略。

节点收到投票请求后会根据以下情况决定是否接受投票请求（每个 follower 刚成为 Candidate 的时候会将票投给自己）：

请求节点的 Term 大于自己的 Term，且自己尚未投票给其它节点，则接受请求，把票投给它；

请求节点的 Term 小于自己的 Term，且自己尚未投票，则拒绝请求，将票投给自己。

投票策略

第四阶段：Candidate 转为 Leader。

一轮选举过后，正常情况下，会有一个 Candidate 收到超过半数节点（N/2 + 1）的投票，它将胜出并升级为 Leader。然后定时发送心跳给其它的节点，其它节点会转为 Follower 并与 Leader 保持同步，到此，本轮选举结束。

注意：有可能一轮选举中，没有 Candidate 收到超过半数节点投票，那么将进行下一轮选举。

Candidate 转为 Leader