一、Raft 算法介绍
Raft 是一种“共识”算法，共识的含意是保障所有的参与者都有雷同的认知，简略来说就是如何做到强统一。
“共识”蕴含服务器之间及客户端和服务端两方面：
1、服务器之间
指的是所有服务器要达成“共识”，打个比方一个 KV 零碎像 Redis，如果服务端是 3 个节点：A、B、C 的集群，客户端先收回一个 set key1 a 的命令落在 A 节点上，而后收回 set key1 b 落在 B 节点上，最初应该在所有服务器上执行 get key1 都应该失去 b；
2、客户端和服务端之间
还是回到下面的例子，客户端执行 set key1 a 的命令，服务端返回胜利了，客户端就认为这里是胜利了，两头不能因为网络或其它起因导致客户端取 key1 的时候返回空或不为 a 的状况。
“共识”算法次要解决分布式系统的一致性的问题，目前相干的算法有：
1、Paxos 算法
这个是最早的，也是非常复杂的，说实话我看了好多文章，也只是大略懂了，细节还是不太分明，还是要观看一些实现代码能力加深了解；
2、Raft 算法
就是咱们明天要介绍的，由斯坦福大学的 Diego Ongaro 和 John Ousterhout 在 2014 年提出，在证实了算法的正确性之外，还提供了相干实现及参考代码，所以媒体始终宣传这个算法比 Paxos 要更容易了解；
3、ZAB 算法
Zookeeper 应用的算法，算是 Paxos 算法的一个变种，有趣味的能够到 Apache 官网学习下，联合 Zookeeper 源码学习下。
二、Raft 算法利用场景及案例
下面介绍了分布式相干算法，Raft 相对来说比拟容易上手，如果要深入研究，Paxox 是防止不了的；留神是绝对简略，因为进入剖析之后你会发现远没你想像的简略，以我目前学习进度看，学习快 3 周工夫才大略理解了一些细节。
学习的形式是先看官网的介绍，以下是其官方网站：
https://raft.github.io/raft.pdf
还有个动画介绍的：
http://thesecretlivesofdata.c…
当然还有中文版的，搜寻下 raft paper 中文版就能够了。
目前开源的实现也不少：
Etcd(Go 语言实现）
PingCAP(Rust 语言，Codis 作者所在公司)
Soft-Jraft(Java 语言，阿里开源)
下面几个都是大公司实现的，能够用在生产上，性能也比拟全，代码相对来说简单些，如果先只想简略搞个 Demo 剖析下，能够看以下几个：
1、百度工程师开源的 Java 实现
https://github.com/wenweihu86…
2、支付宝工程师实现
也是 Java 写的，不过性能比拟少，没有 PreVote 等性能，作者还出了本书：《分布式一致性算法开发实战》，倡议带着书学习下：
https://github.com/xnnyygn/xraft
以下是集体学习路线仅供参考：先看论文，即实践，而后跑代码，而后再反过来看实践，最初到了你不必看论文就晓得相应规定就能够熟练掌握了。
三、Raft 算法整体介绍
因 Raft 算法内容比拟多，前面会分几篇介绍，这篇先大略介绍下整体的货色。
官网将 Raft 算法分为以下几块：选举、日志复制、安全性 3 大块，从实现的角度分：选举、日志、新节点退出。
另外如果要实现一个残缺的利用的话，还要实现状态机的局部；什么是状态机呢，状态机指零碎 / 对象自身有多种状态，而后各种状态分产生切换、转变，其实大部分分布式系统都能够转移为状态机，而后各节点之间以统一的步骤转换状态，大家的状态就是统一了，对利用来说就是强统一了。
还是以后面的 redis 为例，假如客户端发过来的命令流如下：
set key1 a 状态：key1:a
set key2 b 状态：key1:a, key2:b
即客户端每 1 次操作都会引起服务端状态的扭转，而后把整个批改当成一个序列，则整个就是状态机了。
回到 Raft 算法，咱们看下每块要解决的问题：
1、选举
Raft 算法只反对单主，即任何时候只能从主上进行证读写操作，所以选举要解决以下问题：
以后谁是主节点；
如何保障肯定会只选出一个主节点；
如何疾速、正确的感知主节点挂掉；
如何疾速的选出主节点；
如何保障肯定会选出主节点，不会有限循环选举；
如何保障主节点的数据是最新的；
2、日志
Raft 算法通过日志达到统一的，日志局部要解决以下问题：
谁的日志最新；
主节点是如何将日志复制到其它节点；
如何保障日志复制的正确性，即不会串，不会错；
新节点退出日志如何复制；
各节点日志的一致性是如何实现的；
3、新节点退出
新节点退出集群不会呈现脑裂；
配置如何做到强统一，两头会呈现短暂不统一，是怎么不影响集群失常工作的；
未完待续……