Raft算法

Raft 算法是一种可靠且易于理解的共识算法，适用于构建分布式系统。它通过领导者选举、日志复制和安全性保证来实现一致性。

Raft 算法中有三个角色：领导者（leader）、候选人（candidate）、跟随者（follower）。

• 领导者（leader）：负责处理客户端请求，并将日志复制到其他节点。
• 候选人（candidate）：是在选举过程中的临时角色，它负责发起选举并尝试成为新的领导者。
• 跟随者（follower）：只是被动地接受来自领导者的指令，并将日志复制到自己的日志中。

领导者选举

• raft算法，当集群节点发现领导者故障下线，健康节点会重新选举，选出新的领导选举，由它去协调分布式系统操作。
• redis哨兵选举策略与raft算法大同小异，都是通过（多轮）选举，选出票数超过半数（法定人数可配）的候选人作为领导选举。
• 而 redis（哨兵）集群节点有三种角色：master/slave/sentinel，sentinel主要负责检测master故障，一旦发现master客观下线，sentinel马上进入 投票选举 环节，从多个sentinel节点中选出领导选举，由它去执行 master的故障转移。

master 主观下线 –> master 客观下线 –> 投票选举 leader –> leader 执行故障转移

日志复制

• raft 算法的数据复制是 强一致性，领导者接收客户端的请求，将日志复制到其他节点，并确保被复制节点上的数据日志顺序一致。
• 当半数以上的其他节点成功接收日志，领导者才会确认该条日志提交成功，并修改其它节点上的日志状态为提交成功，通过这样的方式保证集群的数据一致性。
• redis的数据复制是 最终一致，master 负责接收客户端的请求，将数据写入内存后，异步复制数据到 slave。
• slave初始或断线重连master，发现数据不一致后，会根据 slave当前的数据偏移量或master节点 ID，向master实现增量同步或者全量同步。
• 如果slave正常链接master，master数据发生变化会正常发送给对应slave，但不需要半数以上的slave节点确认接收才确认数据同步成功。
• redis是高性能服务，它需要在保证性能的前提下进行数据复制，因此数据的 最终一致 < 强一致。

安全性

• raft算法的日志复制是强一致，安全性明显要比redis要好。

• raft算法的领导选举，需要确保日志的term和日志的index最优的健康的节点当选领导者。

• redis数据复制是最终一致，master设置数据积压缓冲区和数据偏移量，与slave的数据量进行对比，进行数据复制实现最终一致。

• redis master故障下线后，redis哨兵重新选举，选出新的哨兵领导者。哨兵领导者在下线 master 的 slave 节点中筛选出最优（网络链接正常，优先级低，数据偏移量最大）的slave将其晋升为master。

redis的高可用性

redis用复制来解决可靠性，一份数据做多份冗余。但是，当master节点因为某种原因下线，还必须有一种机制能让slave节点自动地转化成master节点，对外提供写服务，保证系统的高可用性。redis的sentinel就是这样的一种机制。