条分缕析 Raft 算法

本文整理自 Ongaro 在 Youtube 上的视频。

目标

Raft 的目标（或者说是分布式共识算法的目标）是：保证 log 完全相同地复制到多台服务器上。

只要每台服务器的日志相同，那么，在不同服务器上的状态机以相同顺序从日志中执行相同的命令，将会产生相同的结果。

共识算法的工作就是管理这些日志。

系统模型

我们假设：

• 服务器可能会宕机、会停止运行过段时间再恢复，但是非拜占庭的（即它的行为是非恶意的，不会篡改数据等）；
• 网络通信会中断，消息可能会丢失、延迟或乱序；可能会网络分区；

Raft 是基于 Leader 的共识算法，故主要考虑：

• Leader 正常运行
• Leader 故障，必须选出新的 Leader

优点：只有一个 Leader，简单。

难点：Leader 发生改变时，可能会使系统处于不一致的状态，因此，下一任 Leader 必须进行清理；

我们将从 6 个部分解释 Raft：

1. Leader 选举；
2. 正常运行：日志复制（最简单的部分）；
3. Leader 变更时的安全性和一致性（最棘手、最关键的部分）；
4. 处理旧 Leader：旧的 Leader 并没有真的下线怎么办？
5. 客户端交互：实现线性化语义(linearizable semantics)；
6. 配置变更：如何在集群中增加或删除节点；

开始之前

开始之前需要了解 Raft 的一些术语。

服务器状态

服务器在任意时间只能处于以下三种状态之一：

• Leader：处理所有客户端请求、日志复制。同一时刻最多只能有一个可行的 Leader；
• Follower：完全被动的（不发送 RPC，只响应收到的 RPC）——大多数服务器在大多数情况下处于此状态；
• Candidate：用来选举新的 Leader，处于 Leader 和 Follower 之间的暂时状态；

系统正常运行时，只有一个 Leader，其余都是 Followers.

状态转换图：

任期

时间被划分成一个个的任期(Term)，每个任期都由一个数字来表示任期号，任期号单调递增并且永远不会重复。

一个正常的任期至少有一个 Leader，通常分为两部分：

• 任期开始时的选举过程；
• 正常运行的部分；

有些任期可能没有选出 Leader（如图 Term 3），这时候会立即进入下一个任期，再次尝试选出一个 Leader。

每个节点维护一个currentTerm变量，表示系统中当前任期。currentTerm必须持久化存储，以便在服务器宕机重启时将其恢复。

**任期非常重要！任期能够帮助 Raft 识别过期的信息。**例如：如果currentTerm = 2的节点与currentTerm = 3的节点通信，我们可以知道第一个节点上的信息是过时的。

我们只使用最新任期的信息。后面我们会遇到各种情况，去检测和消除不是最新任期的信息。

两个 RPC

Raft 中服务器之间所有类型的通信通过两个 RPC 调用：

• RequestVote：用于选举；
• AppendEntries：用于复制 log 和发送心跳；

1. Leader 选举

启动

• 节点启动时，都是 Follower 状态；
• Follower 被动地接受 Leader 或 Candidate 的 RPC；
• 所以，如果 Leader 想要保持权威，必须向集群中的其它节点发送心跳包（空的AppendEntries RPC）；
• 等待选举超时(electionTimeout，一般在 100~500ms)后，Follower 没有收到任何 RPC：
  • Follower 认为集群中没有 Leader
  • 开始新的一轮选举

选举

当一个节点开始竞选：

• 增加自己的currentTerm
• 转为 Candidate 状态，其目标是获取超过半数节点的选票，让自己成为 Leader
• 先给自己投一票
• 并行地向集群中其它节点发送RequestVote RPC索要选票，如果没有收到指定节点的响应，它会反复尝试，直到发生以下三种情况之一：

1. 获得超过半数的选票：成为 Leader，并向其它节点发送AppendEntries心跳；
2. 收到来自 Leader 的 RPC：转为 Follower；
3. 其它两种情况都没发生，没人能够获胜(electionTimeout已过)：增加currentTerm，开始新一轮选举；

流程图如下：

选举安全性

选举过程需要保证两个特性：安全性(safety)和活性(liveness)。

安全性(safety)：一个任期内只会有一个 Leader 被选举出来。需要保证：

• 每个节点在同一任期内只能投一次票，它将投给第一个满足条件的投票请求，然后拒绝其它 Candidate 的请求。这需要持久化存储投票信息votedFor，以便宕机重启后恢复，否则重启后votedFor丢失会导致投给别的节点；
• 只有获得超过半数节点的选票才能成为 Leader，也就是说，两个不同的 Candidate 无法在同一任期内都获得超过半数的票；

活性(liveness)：确保最终能选出一个 Leader。

问题是：原则上我们可以无限重复分割选票，假如选举同一时间开始，同一时间超时，同一时间再次选举，如此循环。

解决办法很简单：

• 节点随机选择超时时间，通常在 [T, 2T] 之间（T =electionTimeout）
• 这样，节点不太可能再同时开始竞选，先竞选的节点有足够的时间来索要其他节点的选票
• T >> broadcast time(T 远大于广播时间)时效果更佳

2. 日志复制

日志结构

每个节点存储自己的日志副本(log[])，每条日志记录包含：

• 索引：该记录在日志中的位置
• 任期号：该记录首次被创建时的任期号
• 命令

**日志必须持久化存储。**一个节点必须先将记录安全写到磁盘，才能向系统中其他节点返回响应。

如果一条日志记录被存储在超过半数的节点上，我们认为该记录已提交(committed)——这是 Raft 非常重要的特性！如果一条记录已提交，意味着状态机可以安全地执行该记录。

在上图中，第 1-7 条记录被提交，第 8 条尚未提交。

提醒：多数派复制了日志即已提交，这个定义并不精确，我们会在后面稍作修改。

正常运行

• 客户端向 Leader 发送命令，希望该命令被所有状态机执行；
• Leader 先将该命令追加到自己的日志中；
• Leader 并行地向其它节点发送AppendEntries RPC，等待响应；
• 收到超过半数节点的响应，则认为新的日志记录是被提交的：
  • Leader 将命令传给自己的状态机，然后向客户端返回响应
  • 此外，一旦 Leader 知道一条记录被提交了，将在后续的AppendEntries RPC中通知已经提交记录的 Followers
  • Follower 将已提交的命令传给自己的状态机
• 如果 Follower 宕机/超时：Leader 将反复尝试发送 RPC；
• 性能优化：Leader 不必等待每个 Follower 做出响应，只需要超过半数的成功响应（确保日志记录已经存储在超过半数的节点上）——一个很慢的节点不会使系统变慢，因为 Leader 不必等他；

日志一致性

Raft 尝试在集群中保持日志较高的一致性。

Raft 日志的 index 和 term 唯一标示一条日志记录。（这非常重要！！！）

1. 如果两个节点的日志在相同的索引位置上的任期号相同，则认为他们具有一样的命令；从头到这个索引位置之间的日志完全相同；
2. 如果给定的记录已提交，那么所有前面的记录也已提交。

**AppendEntries**一致性检查

Raft 通过AppendEntries RPC来检测这两个属性。

• 对于每个AppendEntries RPC包含新日志记录之前那条记录的索引(prevLogIndex)和任期(prevLogTerm)；
• Follower 检查自己的 index 和 term 是否与prevLogIndex和prevLogTerm匹配，匹配则接收该记录；否则拒绝；

3. Leader 更替

当新的 Leader 上任后，日志可能不会非常干净，因为前一任领导可能在完成日志复制之前就宕机了。Raft 对此的处理方式是：无需采取任何特殊处理。

当新 Leader 上任后，他不会立即进行任何清理操作，他将会在正常运行期间进行清理。

原因是当一个新的 Leader 上任时，往往意味着有机器故障了，那些机器可能宕机或网络不通，所以没有办法立即清理他们的日志。在机器恢复运行之前，我们必须保证系统正常运行。

**大前提是 Raft 假设了 Leader 的日志始终是对的。**所以 Leader 要做的是，随着时间推移，让所有 Follower 的日志最终都与其匹配。

但与此同时，Leader 也可能在完成这项工作之前故障，日志会在一段时间内堆积起来，从而造成看起来相当混乱的情况，如下所示：

因为我们已经知道 index 和 term 是日志记录的唯一标识符，这里不再显示日志包含的命令，下同。

如图，这种情况可能出现在 S4 和 S5 是任期 2、3、4 的 Leader，但不知何故，他们没有复制自己的日志记录就崩溃了，系统分区了一段时间，S1、S2、S3 轮流成为了任期 5、6、7 的 Leader，但无法与 S4、S5 通信以进行日志清理——所以我们看到的日志非常混乱。

唯一重要的是，索引 1-3 之间的记录是已提交的(已存在多数派节点)，因此我们必须确保留下它们。

其它日志都是未提交的，我们还没有将这些命令传递给状态机，也没有客户端会收到这些执行的结果，所以不管是保留还是丢弃它们都无关紧要。

安全性

一旦状态机执行了一条日志里的命令，必须确保其它状态机在同样索引的位置不会执行不同的命令。

Raft 安全性(Safety)：如果某条日志记录在某个任期号已提交，那么这条记录必然出现在更大任期号的未来 Leader 的日志中。

这保证了安全性要求：

• Leader 不会覆盖日志中的记录；
• 只有 Leader 的日志中的记录才能被提交；
• 在应用到状态机之前，日志必须先被提交；

这决定我们要修改选举程序：

• 如果节点的日志中没有正确的内容，需要避免其成为 Leader；
• 稍微修改 committed 的定义（即前面提到的要稍作修改）：前面说多数派存储即是已提交的，但在某些时候，我们必须延迟提交日志记录，直到我们知道这条记录是安全的，所谓安全的，就是我们认为后续 Leader 也会有这条日志。

延迟提交，选出最佳 Leader

问题来了：我们如何确保选出了一个很好地保存了所有已提交日志的 Leader ？

这有点棘手，举个例子：假设我们要在下面的集群中选出一个新 Leader，但此时第三台服务器不可用。

这种情况下，仅看前两个节点的日志我们无法确认是否达成多数派，故无法确认第五条日志是否已提交。

那怎么办呢？

通过比较日志，在选举期间，选择最有可能包含所有已提交的日志：

• Candidate 在RequestVote RPCs中包含日志信息（最后一条记录的 index 和 term，记为lastIndex和lastTerm）；
• 收到此投票请求的服务器 V 将比较谁的日志更完整：(lastTermV > lastTermC) ||
(lastTermV == lastTermC) && (lastIndexV > lastIndexC)将拒绝投票；（即：V 的任期比 C 的任期新，或任期相同但 V 的日志比 C 的日志更完整）；
• 无论谁赢得选举，可以确保 Leader 和超过半数投票给它的节点中拥有最完整的日志——最完整的意思就是 index 和 term 这对唯一标识是最大的。

举个例子

Case 1: Leader 决定提交日志

任期 2 的 Leader S1 的 index = 4 日志刚刚被复制到 S3，并且 Leader 可以看到 index = 4 已复制到超过半数的服务器，那么该日志可以提交，并且安全地应用到状态机。

现在，这条记录是安全的，下一任期的 Leader 必须包含此记录，因此 S4 和 S5 都不可能从其它节点那里获得选票：S5 任期太旧，S4 日志太短。

只有前三台中的一台可以成为新的 Leader——S1 当然可以，S2、S3 也可以通过获取 S4 和 S5 的选票成为 Leader。

Case 2: Leader 试图提交之前任期的日志

如图所示的情况，在任期 2 时记录仅写在 S1 和 S2 两个节点上，由于某种原因，任期 3 的 Leader S5 并不知道这些记录，S5 创建了自己的三条记录然后宕机了，然后任期 4 的 Leader S1 被选出，S1 试图与其它服务器的日志进行匹配。因此它复制了任期 2 的日志到 S3。

此时 index=3 的记录时是不安全的。

因为 S1 可能在此时宕机，然后 S5 可能从 S2、S3、S4 获得选票成为任期 5 的 Leader。一旦 S5 成为新 Leader，它将覆盖 index=3-5 的日志，S1-S3 的这些记录都将消失。

我们还要需要一条新的规则，来处理这种情况。

新的 Commit 规则

新的选举不足以保证日志安全，我们还需要继续修改 commit 规则。

Leader 要提交一条日志：

• 日志必须存储在超过半数的节点上；
• Leader 必须看到：超过半数的节点上还必须存储着至少一条自己任期内的日志；

如图，回到上面的 Case 2: 当 index = 3 & term = 2 被复制到 S3 时，它还不能提交该记录，必须等到 term = 4 的记录存储在超过半数的节点上，此时 index = 3 和 index = 4 可以认为是已提交。

此时 S5 无法赢得选举了，它无法从 S1-S3 获得选票。

结合新的选举规则和 commit 规则，我们可以保证 Raft 的安全性。

日志不一致

Leader 变更可能导致日志的不一致，这里展示一种可能的情况。

可以从图中看出，Raft 集群中通常有两种不一致的日志：

• 缺失的记录(Missing Entries)；
• 多出来的记录(Extraneous Entries)；

我们要做的就是清理这两种日志。

修复 Follower 日志

新的 Leader 必须使 Follower 的日志与自己的日志保持一致，通过：

• 删除 Extraneous Entries；
• 补齐 Missing Entries；

Leader 为每个 Follower 保存nextIndex：

• 下一个要发送给 Follower 的日志索引；
• 初始化为： 1 + Leader 最后一条日志的索引；

Leader 通过nextIndex来修复日志。当AppendEntries RPC一致性检查失败，递减nextIndex并重试。如下图所示：

对于 a：

• 一开始nextIndex= 11，带上日志 index = 10 & term = 6，检查失败；
• nextIndex= 10，带上日志 index = 9 & term = 6，检查失败；
• 如此反复，直到nextIndex= 5，带上日志 index = 4 & term = 4，该日志现在匹配，会在 a 中补齐 Leader 的日志。如此往下补齐。

对于 b：
会一直检查到nextIndex= 4 才匹配。值得注意的是，对于 b 这种情况，当 Follower 覆盖不一致的日志时，它将删除所有后续的日志记录（任何无关紧要的记录之后的记录也都是无关紧要的）。如下图所示：

4. 处理旧 Leader

实际上，老的 Leader 可能不会马上消失，例如：网络分区将 Leader 与集群的其余部分分隔，其余部分选举出了一个新的 Leader。问题在于，如果老的 Leader 重新连接，也不知道新的 Leader 已经被选出来，它会尝试作为 Leader 继续提交日志。此时如果有客户端向老 Leader 发送请求，老的 Leader 会尝试存储该命令并向其它节点复制日志——我们必须阻止这种情况发生。

任期就是用来发现过时的 Leader(和 Candidates)：

• 每个 RPC 都包含发送方的任期；
• 如果发送方的任期太老，无论哪个过程，RPC 都会被拒绝，发送方转变到 Follower 并更新其任期；
• 如果接收方的任期太老，接收方将转为 Follower，更新它的任期，然后正常的处理 RPC；

由于新 Leader 的选举会更新超过半数服务器的任期，旧的 Leader 不能提交新的日志，因为它会联系至少一台多数派集群的节点，然后发现自己任期太老，会转为 Follower 继续工作。

这里不打算继续讨论别的极端情况。

5. 客户端协议

客户端只将命令发送到 Leader：

• 如果客户端不知道 Leader 是谁，它会和任意一台服务器通信；
• 如果通信的节点不是 Leader，它会告诉客户端 Leader 是谁；

Leader 直到将命令记录、提交和执行到状态机之前，不会做出响应。

这里的问题是如果 Leader 宕机会导致请求超时：

• 客户端重新发出命令到其他服务器上，最终重定向到新的 Leader
• 用新的 Leader 重试请求，直到命令被执行

这留下了一个命令可能被执行两次的风险——Leader 可能在执行命令之后但响应客户端之前宕机，此时客户端再去寻找下一个 Leader，同一个命令就会被执行两次——这是不可接受的！

解决办法是：客户端发送给 Leader 的每个命令都带上一个唯一 id

• Leader 将唯一 id 写到日志记录中
• 在 Leader 接受命令之前，先检查其日志中是否已经具有该 id
• 如果 id 在日志中，说明是重复的请求，则忽略新的命令，返回旧命令的响应

每个命令只会被执行一次，这就是所谓的线性化的关键要素。

6. 配置变更

随着时间推移，会有机器故障需要我们去替换它，或者修改节点数量，需要有一些机制来变更系统配置，并且是安全、自动的方式，无需停止系统。

系统配置是指：

• 每台服务器的 id 和地址
• 系统配置信息是非常重要的，它决定了多数派的组成

首先要意识到，我们不能直接从旧配置切换到新配置，这可能会导致矛盾的多数派。

如图，系统以三台服务器的配置运行着，此时我们要添加两台服务器。如果我们直接修改配置，他们可能无法完全在同一时间做到配置切换，这会导致 S1 和 S2 形成旧集群的多数派，而同一时间 S3-S5 已经切换到新配置，这会产生两个集群。

这说明我们必须使用一个两阶段(two-phase)协议。

如果有人告诉你，他可以在分布式系统中一个阶段就做出决策，你应该非常认真地询问他，因为他要么错了，要么发现了世界上所有人都不知道的东西。

共同一致(Joint Consensus)

Raft 通过共同一致(Joint Consensus)来完成两阶段协议，即：新、旧两种配置上都获得多数派选票。

第一阶段：

• Leader 收到 Cnew 的配置变更请求后，先写入一条 Cold+new 的日志，配置变更立即生效，然后将日志通过AppendEntries RPC复制到 Follower 中，收到该 Cold+new 的节点立即应用该配置作为当前节点的配置；
• Cold+new 日志复制到多数派节点上时，Cold+new 的日志已提交；

Cold+new 日志已提交保证了后续任何 Leader 一定有 Cold+new 日志，Leader 选举过程必须获得旧配置中的多数派和新配置中的多数派同时投票。

第二阶段：

• Cold+new 日志已提交后，立即写入一条 Cnew 的日志，并将该日志通过AppendEntries RPC复制到 Follower 中，收到 Cnew 的节点立即应用该配置作为当前节点的配置；
• Cnew 日志复制到多数派节点上时，Cnew 的日志已提交；在 Cnew 日志提交以后，后续的配置都基于 Cnew 了；