破译一致性难题：Raft日志复制技术及成员变更问题详解

本文主要是介绍破译一致性难题：Raft日志复制技术及成员变更问题详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

 一、日志复制

        Raft 算法是一种用于实现分布式系统中一致性状态机复制的共识算法。在 Raft 中，日志复制是保证集群数据一致性的关键机制。每个节点（服务器）都维护着一个日志，其中包含一系列的日志条目（Log Entry），每个条目包括一个索引值、任期号以及客户端提交的状态机命令。

        在 Raft 算法中，副本数据是以日志的形式存在的，领导者接收到来自客户端的写请求后，处理写请求的过程就是一个复制和应用（Apply）日志项到状态机的过程。

        那 Raft 日志是如何复制日志的呢？又如何实现日志一致的呢？这些内容是Raft中非常核心的内容。

        1.1 什么是 Raft 日志

        副本数据是以日志的形式存在的，日志是由日志项组成，日志项究竟是什么样子呢？

        其实，日志项是一种数据格式，它主要包含用户指定的数据，也就是指令（Commond），还包含一些附加信息，比如索引值（Log Index）、任期编号（Term）。

• 指令：一条由客户端请求指定的、状态机需要执行的指令。可以将指令理解成客户端指定的数据。
• 索引值：日志项对应的整数索引值，其实就是用来标识日志项的，是一个连续的、递增的整数号码。
• 任期编号：创建这条日志项的领导者的任期编号。

        从图中可以看到，一届领导者任期，往往有多条日志项。而且日志项的索引值是连续的。

        1.2 日志复制

        你可以把Raft日志复制理解成一个优化后的二阶段提交（将二阶段优化成一阶段），减少了一半的往返消息，也就是降低了一半的消息延迟。那日志复制的具体过程是什么呢？ 

        首先，领导者进入第一阶段，通过日志复制（AppendEntries）RPC 消息，将日志项复制到集群其他节点。

        接着，如果领导者接收到大多数”复制成功“的响应后，它将日志项应用到自己的状态机，并返回成功给客户端。如果领导者没有接收到大多数”复制成功“响应，那么就返回错误给客户端。

        领导者将日志项应用到它的状态机，怎么没通知跟随者应用日志项呢？

        这是 Raft 的一个优化，领导者不直接发送消息通知其他节点应用日志项。因为领导者的日志复制 RPC 消息或心跳消息，包含了当前最大的，将会被提交（Commit）日志项索引值。所以通过日志复制RPC消息或心跳消息，跟随者就可以知道领导者的日志提交位置信息。

        因此，当其他节点接收到领导者心跳信息，或者新的日志复制RPC消息后，就会将日志项应用到它的状态机。而这个优化，降低了处理客户端请求的延迟，将二阶段提交优化为一阶段提交，降低了一半的消息延迟。

       

1. 接收到客户端请求后，领导者基于客户端请求中的指令，创建一个新日志项，并附加到本地日志中。
2. 领导者通过日志复制 RPC，将新的日志复制到其他服务器。
3. 当领导者将日志项，成功复制到大多数服务器上时，领导者会将日志项应用到它的状态机中。
4. 领导者将执行结果返回给客户端。
5. 当跟随者接收到心跳信息，或者新的日志复制 RPC 消息后，如果跟随者发现领导者已经提交了某条日志项，而它还没有，那跟随者就将这条日志项应用到本地状态机。

        不过，这是一个理想状态下的日志复制过程。在实际环境中，复制日志的时候，你可能会遇到进程崩溃、服务器宕机等问题，这些问题会导致日志不一致。那么在这种情况下，Raft 算法是如何处理不一致日志，实现日志的一致的呢？

        1.3 如何实现日志一致？

        在 Raft 算法中，领导者通过强制跟随者直接复制自己的日志项，处理不一致日志。也就是说，Raft 是通过以领导者的日志为准，来实现各节点日志一致的。具体有两个步骤：

• 首先，领导者通过日志复制 RPC 的一致性检查，找到跟随节点上，与自己相同的日志项的最大索引值。也就是说，这个索引值之前的日志，领导者和跟随者是一致的，之后的日志是不一致的。
• 然后，领导者强制跟随者更新覆盖不一致的日志项，实现日志的一致。

        看下详细流程

• PrevLogEntry：表示当前要复制的日志项，前面一条日志项的索引值。比如在图中，如果领导者将索引值为 8 的日志项发送给跟随者，那么此时 PrevLogEntry 值为 7。
• PrevLogTerm：表示当前要复制的日志项，前面一条日志项的任期编号，比如在图中，如果领导者将索引值为 8 的日志项发送给跟随者，那么此时 PrevLogTerm 值为 4

1. 领导者通过日志复制 RPC 消息，发送当前最新日志项到跟随者（假设当前需要复制的日志项是最新的），这个消息的 PrevLogEntry 值为 7，PrevLogTerm 值为 4。
2. 如果跟随者在它的日志中，找不到与 PrevLogEntry 值为 7、PrevLogTerm 值为 4 的日志项，也就是说它的日志和领导者的不一致了，那么跟随者就会拒绝接收新的日志项，并返回失败信息给领导者。
3. 这时，领导者会递减要复制的日志项的索引值，并发送新的日志项到跟随者，这个消息的 PrevLogEntry 值为 6，PrevLogTerm 值为 3。
4. 如果跟随者在它的日志中，找到了 PrevLogEntry 值为 6、PrevLogTerm 值为 3 的日志项，那么日志复制 RPC 返回成功，这样一来，领导者就知道在 PrevLogEntry 值为 6、PrevLogTerm 值为 3 的位置，跟随者的日志项与自己相同。
5. 领导者通过日志复制 RPC，复制并更新覆盖该索引值之后的日志项（也就是不一致的日志项），最终实现了集群各节点日志的一致。

        从上面步骤中可以看到，领导者通过日志复制 RPC 一致性检查，找到跟随者节点上与自己相同日志项的最大索引值，然后复制并更新覆盖该索引值之后的日志项，实现了各节点日志的一致。需要你注意的是，跟随者中的不一致日志项会被领导者的日志覆盖，而且领导者从来不会覆盖或者删除自己的日志。

二、成员变更

        Raft 是共识算法，对集群成员进行变更时（比如增加 2 台服务器），会不会因为集群分裂，出现 2 个领导者呢？

        的确会出现这个问题，因为 Raft 的领导者选举，建立在“大多数”的基础之上，那么当成员变更时，集群成员发生了变化，就可能同时存在新旧配置的 2 个“大多数”，出现 2 个领导者，破坏了 Raft 集群的领导者唯一性，影响了集群的运行。

        而关于成员变更，不仅是 Raft 算法中比较难理解的一部分，非常重要，也是 Raft 算法中唯一被优化和改进的部分。比如，最初实现成员变更的是联合共识（Joint Consensus），但这个方法实现起来难，后来 Raft 的作者就提出了一种改进后的方法，单节点变更（single-server changes）。

        先介绍一下“配置”。配置是成员变更中一个非常重要的概念，可以这么理解：他就是再说集群是哪些节点组成的，是集群各节点地址信息的集合。比如节点 A、B、C 组成的集群，那么集群的配置就是[A、B、C]集合。

        假设我们有一个由节点A、B、C组成的Raft集群，现在我们需要增加副本数，增加两个副本（也就是增加两台服务器），扩展为由节点A、B、C、D、E，5个节点组成的新集群。

        那么Raft是如何保证集群配置信息变更时，集群能稳定运行，不出现两个领导者呢？

        2.1 成员变更问题

        在集群进行成员变更的最大风险是，可能会同时出现两个领导者。比如在进行成员变更时，节点 A、B 和 C 之间发生了分区错误，节点 A、B 组成旧配置中的”大多数“，也就是变更前的3节点集群中的”大多数“，那么这时的领导者节点（节点A）依旧是领导者。

        另一方面，节点 C 和新节点 D、E 组成新配置的”大多数“，也就是变更后的5节点集群中的”大多数“，他们会选举出新的领导者（比如节点C）。那么这时就同时出现了两个领导者的情况。

        如果出现了两个领导者，那么就违背了”领导者的唯一性“原则，进而影响到集群的稳定运行。如何解决这个问题呢？

        因为我们在启动集群时，配置是固定的，不存在成员变更，在这种情况下，Raft的领导者选举能保证只有一个领导者。也就是说，这时不会出现多个领导者的问题，那我可以先将集群关闭再启动新集群啊。也就是先把节点 A、B、C 组成的集群关闭，然后再启动节点 A、B、C、D、E 组成的新集群。

        这种方法不可行。因为每次变更都需要重启集群，意味着在集群变更期间服务不可用肯定不行的，太影响用户体验。

        2.2 单节点变更

        单节点变更，就是通过一次变更一个节点实现成员变更。如果需要变更多个节点，那需要执行多次单节点变更。

        比如将 3 节点集群扩容为 5 节点集群，这时你需要执行 2 次单节点变更，先将 3 节点集群变更为 4 节点集群，然后再将 4 节点集群变更为 5 节点集群，就像下图的样子。  

      

        我们看下如何用单节点变更的方法，解决这个问题。为了演示方便，我们假设节点 A 是领导者，目前的集群配置为[A, B, C]，我们先向集群中加入节点 D，这意味着新配置为[A, B, C, D]。成员变更，是通过这么两步实现的：

1. 第一步，领导者（节点A）向新节点（节点D）同步数据；
2. 第二步，领导者（节点A）将新配置[A、B、C、D]作为一个日志项，复制到新配置中的所有节点（节点A、B、C、D）上，然后将新配置的日志项应用到本地状态机，完成单节点变更。

        在变更完成后，现在的集群配置就是[A, B, C, D]，我们再向集群中加入节点 E，也就是说，新配置为[A, B, C, D, E]。成员变更的步骤和上面类似。

        这样一来，我们就通过一次变更一个节点的方式，完成了成员变更，保证了集群中始终只有一个领导者，而且集群也在稳定运行，持续提供服务。

        在正常情况下，不管旧的集群配置是怎么组成的，旧配置的“大多数”和新配置的“大多数”都会有一个节点是重叠的。 也就是说，不会同时存在旧配置和新配置 2 个“大多数”。

        关于Raft算法日志复制和成员变更就介绍到这里。

这篇关于破译一致性难题：Raft日志复制技术及成员变更问题详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---