项目中使用ETCD来实现服务发现和配置信息的存储,最近我抽空研究了一下ETCD和背后的一致性算法 — Raft算法的逻辑。
简单的来说,ETCD可以看做是一个no sql的存储,存的是key-value的node,每个node又可以像树形结构一样产生子node。它是集群化的运行状态来保证高可用,并且对外提供了一套简单友好的交互接口。
其实ETCD暂时就想介绍这么多,本文的重点在于Raft算法,只是我机智的考虑到站内的SEO才加上ETCD的名号:smirk:,以后会陆续写一些其他与ETCD相关的内容。
ETCD实现高可靠的基础在于Raft算法,也是理解ETCD工作原理最重要的一部分。类似于zookeeper的zab协议(Paxos算法),Raft也是用于保证分布式环境下多节点数据的一致性,但更易于理解。
看了很多相关Raft算法的技术文章,要么是介绍的过于简单,要么是过于晦涩难懂。最后看了原始的论文In search of an Understandable Consensus Algorithm和infoQ上对应的中文翻译Raft 一致性算法论文译文才对整个逻辑有细致的理解。
首先来看看Raft大致的原理,这是一个选主(leader selection)思想的算法,集群总每个节点都有三种可能的角色:
先看前两种角色,leader扮演的是分布式事务中的协调者,每次有数据更新的时候产生二阶段提交(two-phase commit)。在leader收到数据操作的请求,先不着急更新本地数据(数据是持久化在磁盘上的),而是生成对应的log,然后把生成log的请求广播给所有的follower。
每个follower在收到请求之后有两种选择:一种是听从leader的命令,也写入log,然后返回success回去;另一种情况,在某些条件不满足的情况下,follower认为不应该听从leader的命令,返回false。例如下图,leader收到客户端的写请求,我们暂时不考虑请求的具体值,虚线表示leader先写log,
leader写log
然后告诉所有的follower准备提交数据,先和我一样写log,
同步log
然后回到leader,此时如果超过半数的follower都成功写了log,那么leader开始第二阶段的提交:正式写入数据,然后同样广播给follower,follower也根据自身情况选择写入或者不写入并返回结果给leader。继续上面的例子,leader先写自己的数据,然后告诉follower也开始持久化数据,
leader持久化并同步数据
最终所有节点的数据达成一致,图中用实线表示已提交的数据。
数据一致
这两阶段中如果任意一个都有超过半数的follower返回false或者根本没有返回,那么这个分布式事务是不成功的。此时虽然不会有回滚的过程,但是由于数据不会真正在多数节点上提交,所以会在之后的过程中被覆盖掉。
上面只说了常规时候两种角色是如何协调工作的,还剩下candidate没说,对,就是一个follower是如何逆袭成为leader的。
初始状态下,大家都是平等的follower,那么follow谁呢,总要选个老大吧。大家都蠢蠢欲动,每个follower内部都维护了一个随机的timer。如下图,
每个follower都有timer
在timer时间到了的时候还没有人主动联系它的话,那它就要变成candidate,同时发出投票请求(RequestVote)给其他人。特殊情况如下图,S1和S3都变成了candidate,
转变为candidate
当然选不选就是人家的事了,原则是
每个follower一轮只能投一次票给一个candidate,
对于相同条件的candidate,follower们采取先来先投票的策略。如果超过半数的follower都认为他是合适做领导的,那么恭喜,新的leader产生了,如下图,S3变成了新一届的大哥,又可以很开心的像上一节一样的正常工作了。
所有follower接受candidate的大哥身份
但是如果很不幸,没有人愿意选这个悲剧的candidate,那它只有老老实实的变回小弟的状态。
选举完成之后,leader靠什么来确保小弟是跟着我的呢?答案是定时发送心跳检测(heart beat)。小弟们也是通过心跳来感知大哥的存在的。如下图
leader定期发心跳检测
同样的,如果在timer期间内没有收到大哥的联络,这时很可能大哥已经跪了,如下图,所有小弟又开始蠢蠢欲动,新的一轮(term)选举开始了。
新的一轮选举
好了,Raft算法的大致原理就是这样了,下面我们来说说一些没说到的细节问题。
之前说过,在选举阶段,每个follower如果在自身的timer到期之后都会变成candidate去参与选举。所以就这个candidate身份而言,是没有特别条件的,每个follower都有机会参选。但是,在分布式的环境里,每个follower节点存储的数据是不一样的,考虑一下下图的情况,在这些节点经历了一些损坏和恢复。此时S4想当leader,
不适合的candidate
但是如果S4成功当选的话,根据leader为上的原则,S4的log在index为4-7的数据,会覆盖掉S2和S3的8。如何解决这样的冲突的问题呢?有两种方法:第一种是S4在变为大哥之前,先向所有的小弟拿数据来保证自己数据是最全的;第二种方法是其他小弟遇到这样资历不足的大哥想上位的时候,完全不予以理睬。Raft算法认为第一种策略过于复杂,所以选择了第二种,保证数据只从leader流向follower。S4在vote请求中会带上自身数据的描述信息,包括:
S2和S3在收到vote请求时候会和自身的情况进行对比,每个节点保存的数据信息包括:
对比的原则有:
这个log匹配原则(Log Matching Property)具体是:
如果在不同日志中的两个条目有着相同的索引和任期号,则它们所存储的命令是相同的。
如果在不同日志中的两个条目有着相同的索引和任期号,则它们之间的所有条目都是完全一样的。
这样就可以一直等到含有最新数据的candidate被选上,从而保证领导人完全原则(Leader Completeness):
如果一个日志的index在一个给定term内被提交,那么这个index一定会出现在所有term号更大的领导人中。
好了,继续看图说话。S4的vote请求,
term | lastLogIndex | lastLogTerm |
---|---|---|
10 | 6 | 7 |
被无情的拒绝。接下来S3也变成了candidate,
S3变成candidate
一直等到S3变成了candidate,发出vote请求。
term | lastLogIndex | lastLogTerm |
---|---|---|
11 | 6 | 8 |
被S4和S10接受,变成新的leader,并初始化两个数组:
在这个例子中,S3中的这两个数组会初始化为,
S1 | S2 | S4 | S5 | |
---|---|---|---|---|
nextIndex | 7 | 7 | 7 | 7 |
matchIndex | 0 | 0 | 0 | 0 |
现在新的一届leader选举出来了,虽然选举的过程保证了leader的数据是最新的,但是follower中的数据还是可能存在不一致的情况。比如下图的S4,这就需要一个补偿机制来纠正这个问题。
在正常情况下,S3会给S4发心跳请求(一种名叫AppendEntries请求的特殊格式,entries为空),其中携带一些数据信息,包括,
term | prevIndex | prevTerm | entries | commitIndex |
---|---|---|---|---|
11 | 6 | 8 | [ ] | 6 |
commitIndex之前已经解释过了,是log中最后一个被提交的index值。prevIndex与lastLogIndex类似,都是最新的日志的index值,只是属于不同的请求类型。
prevTerm也与lastLogTerm类似,是prevLogIndex对应的term号。
S4在接收到该请求之后会做一致性的判断,规则包括,
结果与规则2不符合,返回false给S3。这时S3需要做一次退让,修改保存的nextIndex数组,将S4的nextIndex退化为6
S4的nextIndex退化为6
再次发送AppendEntries询问S4
term | prevIndex | prevTerm | entries | commitIndex |
---|---|---|---|---|
11 | 5 | 8 | [ ] | 5 |
如此循环的退让,一直到nextIndex减小到4
nextIndex减小到4
S3此时发送的请求为,
term | prevIndex | prevTerm | entries | commitIndex |
---|---|---|---|---|
11 | 3 | 3 | [ ] | 3 |
S4和自己的log匹配成功,返回true,并告诉leader,当前的matchIndex等于3。S3收到之后更新matchIndex数组,
S1 | S2 | S4 | S5 | |
---|---|---|---|---|
nextIndex | 7 | 7 | 4 | 7 |
matchIndex | 0 | 6 | 3 | 0 |
并发送从nextIndex之后的数据(entries),
term | prevIndex | prevTerm | entries | commitIndex |
---|---|---|---|---|
11 | 3 | 3 | [8] | 4 |
S4再根据覆盖的原则,把自身的数据追平leader,并抛弃之后的数据。
S4的index4同步为leader的内容
这样消息往复,数据最终一致。
还有一些值得注意的特殊情况,比如log的清理。log是以追加的方式递增的,随着系统的不断运行,log会越来越大。Raft通过log的snapshot方式,可以定期压缩log为一个snapshot,并且清除之前的log。压缩的具体策略可以参考原论文。
还有集群节点的增减。当网络发生波动的时候,节点可能需要增减甚至发生网络分区。具体参考:ETCD系列之二:部署集群
Raft是一种基于leader选举的算法,用于保证分布式数据的一致性。所有节点在三个角色(leader, follower和candidate)之中切换。选举阶段candidate向其他节点发送vote请求,但是只有包括所有最新数据的节点可以变为leader。
在数据同步阶段,leader通过一些标记(commitIndex,term,prevTerm,prevIndex等等)与follower不断协商最终达成一致。当有新的数据产生时,采用二阶段(twp-phase)提交,先更新log,等大多数节点都做完之后再正式提交数据。
以上的图片来自github上raft算法的算法动画的截图。
作者:11舍的华莱士
链接:https://www.jianshu.com/p/5aed73b288f7
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法