Nacos集群raft选举算法原理

短命女 2022-11-11 14:52 417阅读 0赞

# Nacos集群raft选举算法原理 #

通过本文章你将获得raft算法选举原理并了解nacos是怎么实现该算法。

--------------------

## Raft算法 ##

Nacos Discovery为了保证集群中数据一致性，采用Raft算法。通过对日志进行复制达到一致性的算法，Raft通过选举Leader并由Leader节点负责管理日志复制来实现各个节点间数据一致性。  
Raft不是强一致算法，是最终一致性算法。

raft 算法演示地址 ：[http://thesecretlivesofdata.com/raft/][http_thesecretlivesofdata.com_raft]

#### Nacos与CAP ####

默认情况下Nacos集群默认是AP，但也支持CP模式，需要进行转换。提交PUT请求完成AP到CP转换。

PUT请求：localhost:8848/nacos/v1/ns/operator/switches?entry=serverMode&value=CP

## 角色转换 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70]

在Raft中，节点有三种角色：

*  `Leader`：唯一负责处理客户端写请求的节点，也可以处理客户端读请求，同时负责日志复制工作，整个集群只有一个Leader。
 *  `Candidate`：Leader选举的候选人，其可能会成为Leader。
 *  `Follower`：可以处理客户端读请求，负责同步来自于Leader的日志，当接收到其它Cadidate的投票请求后可以进行投票，当发现Leader挂了其会转变为Cadidate发起选举。

term：任期。一个新的Leader具有一个新的term，这个新term是上一个leader的term基础上加一获取到的。

## Leader选举 ##

选举过程主要分为三个阶段：选举、投票、结果处理。

###### 我要选举 ######

若follower在心跳超时范围内没有接收到来自于leader的心跳，则认为leader挂了，若在以下步骤还未发生时，接收到了其它cadidate的投票请求，则会先向其投票，然后follower会完成 以下步骤：

*  使其本地term增一（同步于leader）。
 *  由follower转变为candidate。
 *  向自己投一票（一个term内只能投一票）。
 *  向其它节点发出投票请求，然后等待响应。

###### 我要投票 ######

follower在接收到投票请求后，其会根据以下情况来判断是否投票：

*  发来投票请求candidate的term编号不能小于我的term编号。
 *  在我当前term内我还的票还未投递。
 *  发来投票请求candidate的log编号不能于小我的log编号。
 *  在我的选票尚未投出去时，接收到多个candidate请求，采取first-come-first-sverved（先来先服务）。

###### 选举结果 ######

当一个candidate发现投票请求后会等待其它节点的响应结果。这个响应结果可能有三种情况：

*  收到过半选票，成为新的leader，会将消息广播给其它节点，告诉大家我的新的leader（包含当前term）。
 *  接收别的candidate发来新的leader通知，比较新leader的term并不比我的term小，则自己变follower。
 *  经过一段时间后，没有收到过半票数，也没有收到新leader通知，则重新发出选举。

###### 票数相同 ######

若在选举过程中出现了各个candidate票数相同情况，无法选出leader。采用randomized election timeouts（随机选举发起时间）解决该问题，其会让这些candidate的选举在一个给定范围内随机timeout之后开始，此时先到达timeout的candidate会首先发出投票请求，并优先获取选票。

## 数据同步 ##

Raft算法一致性的实现，是基于日志复制状态机的。状态机的最大特征是，不同的状态机若当前状态相同，然后接受了相同的输入，则一定会得到相同的输出。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 1]

当leader接收到client的写操作请求后，大体会经历以下流程：

*  leader将数据封闭为日志。
 *  将日志进行发送给follower，然后等待follower响应。
 *  当leader接收到过半响应后，将日志commit到状态机，日志状态变为commited。
 *  leader向client响应。
 *  leader通知所有follower将日志apply到它们本地状态机，日志状态变为applied（也是commited状态只是leader和follower叫法不一样）

###### AP支持 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 2]  
Log由term index、log index及command构成。为了保证可以用性，各个节点中的日志可以不完全相同，但leader会不断给follower发送log，以使各个节点的log最终相同。实现最终一致性算法。

## 脑裂 ##

在多机房部署中，由于网络连接问题，很容易形成多个分区。而多个分区的形成很容易产生脑裂，从而导致数据不一致。下面三机房部署为例进行分析，根据机房断网情况分为五种情况：

###### 情况一 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 3]

这种情况下，B机房中主机是感知不到时leader的存在的，所以B机房中的主机会发起新一轮的leader选举。由于B机房与C机房是相连的，虽然C机房的follower能够感知到A机房的leader，但由于接收到了更大term的投票请求，所以C机房的follower也就放弃了A机房的leader，参与了新leader选举，最终在B机房中会再产生一个新leader。  
B机房中leader联合了C机房，所以其能够获取到过半的响应，所以其可以成功处理写操作请求。但这个写操作并不会被同步到A机房，A机房中的leader由于无法获取过半响应而无法处理写操作请求，不过并没有被“下课”，其仍为leader。所以A机房中的数据是不会发生变更的。故A机房与B、C机房中出现脑裂，且形成数据不一致。

解决方法有很多：follower长时间未响应将leader变为follower、在选举过程中解决该问题、在选举后解决该问题。

###### 情况二 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 4]  
与情况一基本是一样的，不同的地方是新leader可能会产生B与C两个机房中。

###### 情况三 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 5]  
无影响。

###### 情况四 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 6]  
无影响。

###### 情况五 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 7]  
A机房无法处理写操作请求，但可以对外提供读服务。  
B、C机房失去了leader，均会发起选举，由于投票数据不过半所以无法选举出新leader。

## Leader宕机 ##

###### 请求到达前leader挂了 ######

client发送写操作请求到达leader之前leader挂了，因为请求还没有到达集群，所有这个请求对于集群来说就没有存在过，对集群数据的一致性没有任何影响。leader挂了之后，会选举产生新的leader，由于stale leader并未向client发送成功接收响应，所以client会重新发送该写操作请求。

###### 未开始同步数据前leader挂了 ######

client发送写操作请求到leader，请求到达leader后，leader还没有开始向followers复制数据leader就挂了，此时数据为uncommited状态，这时会选举产生新的leader，之前挂掉的leader重启后作为follower加入集群，并同步新leader中的数据以保证数据一致性。之前接收到client的uncommited状态数据丢弃。由于state leader并未向client发送成功接收响应，所以client会重新发送该写操作请求。

###### 同步完了一小半leader挂了 ######

client发送写操作请求到leader，leader接收完数据后开始向follower复制数据，在复制完一小部分（未过半）follower后leader挂了，此时follower中这些已经被接收到的数据状态为uncommited。由于leader挂了，就会发起新leader选举，并且新leader会在这些接收了数据的follower中产生，新leader产生后所有节点开始从新leader同步数据，其中就包含前面的uncommited数据，由于state leader并未向client发送成功接收响应，所以client会重新发送该写操作请求。所以raft算法要求各个节点自身要实现去重机制，以避免数据的重复接收。

###### 过半复制完毕leader挂了 ######

client发送写操作请求到leader，leader在接收到过半节点完毕响应后，leader将日志写入到状态机，日志状态变为了committed。在leader还未向follower发送apply通知时leader挂了，此时会选举出新leader，且一定是在接收过日志的主机中产生。由于stale leader还未向client发送成功接收响应，所以client会重新发送该写操作请求。所以raft算法要求各个节点自身要实现去重机制，以避免数据的重复接收。

[http_thesecretlivesofdata.com_raft]: http://thesecretlivesofdata.com/raft/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70]: /images/20221022/7a7a4ea78a1549ae97e62cdae54f14e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2021032114334162.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210321143855405.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210321145723173.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/2021032115075340.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20210321151208492.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20210321151229601.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20210321151300193.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2gyNzM5Nzk1ODY=,size_16,color_FFFFFF,t_70