目录
前言
Raft算法
Raft动画教程
Raft手动设置模拟
Raft协议说明
Raft和zab区别
paxos算法
前言
开发面试Zookeeper肯定要问，Zab协议逃不掉，那么和 Raft 的区别和联系肯定也逃不掉。
Paxos知名分布式系统ceph的monitor集群使用的算法太复杂了面试官自己也搞不懂，所以没必要深究。
Raft算法
Raft动画教程
/raft/ （带中文翻译：理解Raft分布式共识算法/video/BV1yJ411P76f?from=search&seid=8328232223355833905）
下图：各个节点的同步情况，实际上4节点目前远远落后于其他节点，而1-3-5节点的前7次log已经完成提交了，因为得到了超过半数节点的确认。（讲解：raft internal vs zab---/video/BV1Zz411i7Rr?from=search&seid=674793516552630434）
Raft手动设置模拟
主页：
peng-xin/raftscope: super hacky visualization of Raft --/peng-xin/raftscope
用git命令下载下面的web项目后，直接点击打开index.html
git clone/peng-xin/raftscope.git
使用方法见教程：动画演示 raft 在脑裂发生之后仍然可以正常工作吗？_/video/BV1Fi4y147ad?from=search&seid=8328232223355833905
Raft协议说明
多个节点的一致性
node有三个状态follower,candidate,leader，开始状态为follower，follower没有收到leader信息时可以变成candidate状态，candidate会发送投票给其他节点，其他节点返回相应，会变成leader状态，这个过程称为Leader选举。
所有的修改都是通过leader进行，当leader接收到修改的内容时，会作为Entry存储在log中，现在处于uncommit状态，leader发送给其他节点这个改变，只要多于一般的节点回复了，leader节点就更改本身设置的值，提交commit命令修改状态，这个过程称为日志复制。
Leader选举
leader选举有两个超时，一个选举超时，选举超时随机设置150-300ms，超时后，follower会变成candidate状态，发送请求投票给其他节点，其他节点没有发送请求投票就会投同意票，同时重置选举超时时间，candidate节点获得过半数票就会成为leader节点。leader会发送Append Entries消息给其他follower，消息发送在心跳超时前，follower会回复消息，这种情况会保持到follower停止接收心跳消息变成candidate结束。停止leader节点后，follower等待选举超时会变成candidate请求成为leader节点。过半的原则能够保证集群中有一个leader，如果多个节点同时获取相同选票，那么进入新一轮选举。
Log复制
客户端发送更改请求到leader，leader会添加到日志中，下一个心跳会发送给其他follower，过半节点应答了，leader会committed这个更改，同时回复给客户端。当有网络隔离造成集群分隔成两个集群时，会生成两个leader，分别接受更改的请求，但是由于需要过半同意才会提交更改，所以集群节点不过半的小集群没办法更改结果。如果这时候网络隔离消失了，集群节点通了，两个leader中term低的会自动停下，未提交的更改会回退回去，同步新的leader日志。
疑问？如果term低的是个大集群，然后提交了更改，然后网络通了，term低的leader停下，同步新leader的数据，原来提交的数据会同步过去吗？
链接：/p/5b59869d6273
Raft和zab区别
共同点：
都是共识算法，写数据时都需要大部分成功才能把日志应用到状态机。都有选主、日志对齐、数据广播的流程。都把数据分成快照+日志。都使用timeout来重新选择leader.采用quorum（法定人数）来确定整个系统的一致性(也就是对某一个值的认可),这个quorum一般实现是集群中半数以上的服务器,zookeeper里还提供了带权重的quorum实现.都由leader来发起写操作.都采用心跳检测存活性。zookeeper的zab实现里选主要求选出来的主拥有quorum里最新的历史，而raft的follower的选主投票根据term的大小+日志完成度来选择投票给谁，这点上来看是比较类似的。
链接：/question/28242561/answer/40075530
不同点：
zab用的是epoch（时代; 纪元）和count的组合来唯一表示一个值, 而raft用的是term和index。raft协议数据只有单向地从leader到follower(成为leader的条件之一就是拥有最新的log), 而zab的zookeeper实现中 ，一个prospective leader需要将自己的log更新为quorum里面最新的log,然后才好在synchronization阶段将quorum里的其他机器的log都同步到一致.（prospective ：有望的; 可能的; 预期的; 潜在的）
BTW, raft实现起来比zab会简单很多.
链接：/question/28242561/answer/40075530
ZAB协议好像本身并没有实现配置变更的算法，而在raft论文中是明确提出相关算法的。这并不是说ZAB协议就不能实现，只能说原生的ZAB协议没有说明这一点。（凭印象）这也导致了ZooKeeper直到最近一两年才释出稳定版的可以支持动态配置更新的版本3.5。
paxos算法----编辑中
白话讲解paxos&raft算法原理及实战_/video/BV19t411c75p?p=2
Paxos算法详解_/omnispace/article/details/79653932?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control
Paxos算法解决的问题正是分布式一致性问题，即一个分布式系统中的各个进程如何就某个值（决议）达成一致。
Paxos算法背景
Paxos算法是一种基于消息传递的分布式一致性算法。
Paxos算法流程
Paxos算法运行在允许宕机故障的异步系统中，不要求可靠的消息传递，可容忍消息丢失、延迟、乱序以及重复。它利用大多数 (Majority) 机制保证了2F+1的容错能力，即2F+1个节点的系统最多允许F个节点同时出现故障。
一个或多个提议进程 (Proposer) 可以发起提案 (Proposal)，Paxos算法使所有提案中的某一个提案，在所有进程中达成一致。系统中的多数派同时认可该提案，即达成了一致。最多只针对一个确定的提案达成一致。
Paxos将系统中的角色分为提议者 (Proposer)，决策者 (Acceptor)，和最终决策学习者 (Learner):
Proposer: 提出提案 (Proposal)。Proposal信息包括提案编号 (Proposal ID) 和提议的值 (Value)。Acceptor：参与决策，回应Proposers的提案。收到Proposal后可以接受提案，若Proposal获得多数Acceptors的接受，则称该Proposal被批准。Learner：不参与决策，从Proposers/Acceptors学习最新达成一致的提案（Value）。
在多副本状态机中，每个副本同时具有Proposer、Acceptor、Learner三种角色。
Neat Algorithms - Paxos -http://harry.me/blog//12/27/neat-algorithms-paxos/
这篇文章里面有用JS写的Paxos过程，有助理解。但是没怎么仔细看，没时间。
这篇文章用两军问题来讨论Paxos，也很有意思：
/blog/2246484
在计算机通信理论中，有一个著名的两军问题(two-army problem)，讲述通信的双方通过ACK来达成共识，永远会有一个在途的ACK需要进行确认，因此无法达成共识。
（注意：两军问题是无解的。Paxos只是达成共识，涉及ack和行动，仍然是无解）
【转载】两军问题与Paxos算法 & 动画讲解Paxos算法 - /charlesblc/p/6037963.html
