系列文章

 

• Raft算法赏析
• ZooKeeper的一致性算法赏析
• Raft对比ZAB协议

 

0 一致性问题

 

本篇文章想总结下Raft和ZAB在处理一些一致性问题上的做法，详见之前对这2个算法的描述

 

• Raft算法赏析
• ZooKeeper的一致性算法赏析

 

上述分别是针对如下算法实现的讨论：

 

• Raft的实现 copycat，由于Raft算法本身已经介绍的相当清晰，copycat基本上和Raft算法保持一致
• ZAB的实现ZooKeeper，由于ZooKeeper里面的很多实现细节并没有在ZAB里体现（ZAB里面只是一个大概，没有像Raft那么具体），所以这里讨论的都是ZooKeeper的实现

 

一致性算法在实现状态机这种应用时，有哪些常见的问题：

 

• 1 leader选举

  • 1.1 一般的leader选举过程

    选举的轮次

    选举出来的leader要包含更多的日志

  • 1.2 leader选举的效率

    会不会出现split vote？以及各自的特点是？

  • 1.3 加入一个已经完成选举的集群

    怎么发现已完成选举的leader？

    加入过程是否对leader处理请求的过程造成阻塞？

  • 1.4 leader选举的触发

    谁在负责检测需要进入leader选举？

• 2 上一轮次的leader

  • 2.1 上一轮次的leader的残留的数据怎么处理？
  • 2.2 怎么阻止之前的leader假死的问题

• 3 请求处理流程

  • 3.1 请求处理的一般流程
  • 3.2 日志的连续性问题

  • 3.3 如何保证顺序

    • 3.3.1 正常同步过程的顺序

    • 3.3.2 异常过程的顺序

      follower挂掉又连接

      leader更换

  • 3.4 请求处理流程的异常

• 4 分区的处理

 

下面分别来看看Raft和ZooKeeper怎么来解决的

 

1 leader选举

 

为什么要进行leader选举？

 

在实现一致性的方案，可以像base-paxos那样不需要leader选举，这种方案达成一件事情的一致性还好，面对多件事情的一致性就比较复杂了，所以通过选举出一个leader来简化实现的复杂性。

 

1.1 一般的leader选举过程

 

更多的有2个要素：

 

• 1.1.1 选举轮次
• 1.1.2 leader包含更多的日志

 

1.1.1 选举投票可能会多次轮番上演，为了区分，所以需要定义你的投票是属于哪个轮次的。

 

• Raft定义了term来表示选举轮次
• ZooKeeper定义了electionEpoch来表示

 

他们都需要在某个轮次内达成过半投票来结束选举过程

 

1.1.2 投票PK的过程，更多的是日志越新越多者获胜

 

在选举leader的时候，通常都希望

 

选举出来的leader至少包含之前全部已提交的日志

 

自然想到包含的日志越新越大那就越好。

 

通常都是比较最后一个日志记录，如何来定义最后一个日志记录？

 

有2种选择，一种就是所有日志中的最后一个日志，另一种就是所有已提交中的最后一个日志。目前Raft和ZooKeeper都是采用前一种方式。日志的越新越大表示：轮次新的优先，然后才是同一轮次下日志记录大的优先

 

• Raft：term大的优先，然后entry的index大的优先

• ZooKeeper：peerEpoch大的优先，然后zxid大的优先

  ZooKeeper有2个轮次，一个是选举轮次electionEpoch，另一个是日志的轮次peerEpoch（即表示这个日志是哪个轮次产生的）。而Raft则是只有一个轮次，相当于日志轮次和选举轮次共用了。至于ZooKeeper为什么要把这2个轮次分开，这个稍后再细究，有兴趣的可以一起研究。

 

但是有一个问题就是：通过上述的日志越新越大的比较方式能达到我们的上述希望吗？

 

特殊情况下是不能的，这个特殊情况详细见上述给出Raft算法赏析的这一部分

 

 

这个案例就是这种比较方式会选举出来的leader可能并不包含已经提交的日志，而Raft的做法则是对于日志的提交多加一个限制条件，即不能直接提交之前term的已过半的entry，即把这一部分的日志限制成未提交的日志，从而来实现上述的希望。

 

ZooKeeper呢？会不会出现这种情况？又是如何处理的？

 

ZooKeeper是不会出现这种情况的，因为ZooKeeper在每次leader选举完成之后，都会进行数据之间的同步纠正，所以每一个轮次，大家都日志内容都是统一的

 

而Raft在leader选举完成之后没有这个同步过程，而是靠之后的AppendEntries RPC请求的一致性检查来实现纠正过程，则就会出现上述案例中隔了几个轮次还不统一的现象

 

1.2 leader选举的效率

 

Raft中的每个server在某个term轮次内只能投一次票，哪个candidate先请求投票谁就可能先获得投票，这样就可能造成split vote，即各个candidate都没有收到过半的投票，Raft通过candidate设置不同的超时时间，来快速解决这个问题，使得先超时的candidate（在其他人还未超时时）优先请求来获得过半投票

 

ZooKeeper中的每个server，在某个electionEpoch轮次内，可以投多次票，只要遇到更大的票就更新，然后分发新的投票给所有人。这种情况下不存在split vote现象，同时有利于选出含有更新更多的日志的server，但是选举时间理论上相对Raft要花费的多。

 

1.3 加入一个已经完成选举的集群

 

• 1.3.1 怎么发现已完成选举的leader？
• 1.3.2 加入过程是否阻塞整个请求？

 

1.3.1 怎么发现已完成选举的leader？

 

一个server启动后（该server本来就属于该集群的成员配置之一，所以这里不是新加机器），如何加入一个已经选举完成的集群

 

• Raft：比较简单，该server启动后，会收到leader的AppendEntries RPC,这时就会从RPC中获取leader信息，识别到leader，即使该leader是一个老的leader，之后新leader仍然会发送AppendEntries RPC,这时就会接收到新的leader了（因为新leader的term比老leader的term大，所以会更新leader）

• ZooKeeper：该server启动后，会向所有的server发送投票通知，这时候就会收到处于LOOKING、FOLLOWING状态的server的投票（这种状态下的投票指向的leader），则该server放弃自己的投票，判断上述投票是否过半，过半则可以确认该投票的内容就是新的leader。

 

1.3.2 加入过程是否阻塞整个请求？

 

这个其实还要看对日志的设计是否是连续的

 

• 如果是连续的，则leader中只需要保存每个follower上一次的同步位置，这样在同步的时候就会自动将之前欠缺的数据补上，不会阻塞整个请求过程

  目前Raft的日志是依靠index来实现连续的

• 如果不是连续的，则在确认follower和leader当前数据的差异的时候，是需要获取leader当前数据的读锁，禁止这个期间对数据的修改。差异确定完成之后，释放读锁，允许leader数据被修改，每一个修改记录都要被保存起来，最后一一应用到新加入的follower中。

  目前ZooKeeper的日志zxid并不是严格连续的，允许有空洞

 

1.4 leader选举的触发

 

触发一般有如下2个时机

 

• server刚开始启动的时候，触发leader选举

• leader选举完成之后，检测到超时触发，谁来检测？

  • Raft：目前只是follower在检测。follower有一个选举时间，在该时间内如果未收到leader的心跳信息，则follower转变成candidate，自增term发起新一轮的投票，leader遇到新的term则自动转变成follower的状态
  • ZooKeeper：leader和follower都有各自的检测超时方式，leader是检测是否过半follower心跳回复了，follower检测leader是否发送心跳了。一旦leader检测失败，则leader进入LOOKING状态，其他follower过一段时间因收不到leader心跳也会进入LOOKING状态，从而出发新的leader选举。一旦follower检测失败了，则该follower进入LOOKING状态，此时leader和其他follower仍然保持良好，则该follower仍然是去学习上述leader的投票，而不是触发新一轮的leader选举

 

2 上一轮次的leader

 

2.1 上一轮次的leader的残留的数据怎么处理？

 

首先看下上一轮次的leader在挂或者失去leader位置之前，会有哪些数据？

 

• 已过半复制的日志
• 未过半复制的日志

 

一个日志是否被过半复制，是否被提交，这些信息是由leader才能知晓的，那么下一个leader该如何来判定这些日志呢？

 

下面分别来看看Raft和ZooKeeper的处理策略：

 

• Raft：对于之前term的过半或未过半复制的日志采取的是保守的策略，全部判定为未提交，只有当当前term的日志过半了，才会顺便将之前term的日志进行提交
• ZooKeeper：采取激进的策略，对于所有过半还是未过半的日志都判定为提交，都将其应用到状态机中

 

Raft的保守策略更多是因为Raft在leader选举完成之后，没有同步更新过程来保持和leader一致（在可以对外处理请求之前的这一同步过程）。而ZooKeeper是有该过程的

 

2.2 怎么阻止上一轮次的leader假死的问题

 

这其实就和实现有密切的关系了。

 

• Raft的copycat实现为：每个follower开通一个复制数据的RPC接口，谁都可以连接并调用该接口，所以Raft需要来阻止上一轮次的leader的调用。每一轮次都会有对应的轮次号，用来进行区分，Raft的轮次号就是term，一旦旧leader对follower发送请求，follower会发现当前请求term小于自己的term，则直接忽略掉该请求，自然就解决了旧leader的干扰问题

• ZooKeeper：一旦server进入leader选举状态则该follower会关闭与leader之间的连接，所以旧leader就无法发送复制数据的请求到新的follower了，也就无法造成干扰了

 

3 请求处理流程

 

3.1 请求处理的一般流程

 

这个过程对比Raft和ZooKeeper基本上是一致的，大致过程都是过半复制

 

先来看下Raft：

 

• client连接follower或者leader，如果连接的是follower则，follower会把client的请求(写请求，读请求则自身就可以直接处理)转发到leader
• leader接收到client的请求，将该请求转换成entry，写入到自己的日志中，得到在日志中的index，会将该entry发送给所有的follower(实际上是批量的entries)
• follower接收到leader的AppendEntries RPC请求之后，会将leader传过来的批量entries写入到文件中（通常并没有立即刷新到磁盘），然后向leader回复OK
• leader收到过半的OK回复之后，就认为可以提交了，然后应用到leader自己的状态机中，leader更新commitIndex，应用完毕后回复客户端
• 在下一次leader发给follower的心跳中，会将leader的commitIndex传递给follower，follower发现commitIndex更新了则也将commitIndex之前的日志都进行提交和应用到状态机中

 

再来看看ZooKeeper：

 

• client连接follower或者leader，如果连接的是follower则，follower会把client的请求(写请求，读请求则自身就可以直接处理)转发到leader
• leader接收到client的请求，将该请求转换成一个议案，写入到自己的日志中，会将该议案发送给所有的follower(这里只是单个发送)
• follower接收到leader的议案请求之后，会将该议案写入到文件中（通常并没有立即刷新到磁盘），然后向leader回复OK
• leader收到过半的OK回复之后，就认为可以提交了，leader会向所有的follower发送一个提交上述议案的请求，同时leader自己也会提交该议案，应用到自己的状态机中，完毕后回复客户端
• follower在接收到leader传过来的提交议案请求之后，对该议案进行提交，应用到状态机中

 

3.2 日志的连续性问题

 

在需要保证顺序性的前提下，在利用一致性算法实现状态机的时候，到底是实现连续性日志好呢还是实现非连续性日志好呢？

 

• 如果是连续性日志，则leader在分发给各个follower的时候，只需要记录每个follower目前已经同步的index即可，如Raft
• 如果是非连续性日志，如ZooKeeper，则leader需要为每个follower单独保存一个队列，用于存放所有的改动，如ZooKeeper，一旦是队列就引入了一个问题即顺序性问题，即follower在和leader进行同步的时候，需要阻塞leader处理写请求，先将follower和leader之间的差异数据先放入队列，完成之后，解除阻塞，允许leader处理写请求，即允许往该队列中放入新的写请求，从而来保证顺序性

 

还有在复制和提交的时候：

 

• 连续性日志可以批量进行
• 非连续性日志则只能一个一个来复制和提交

 

其他有待后续补充

 

3.3 如何保证顺序

 

具体顺序是什么？

 

这个就是先到达leader的请求，先被应用到状态机。这就需要看正常运行过程、异常出现过程都是怎么来保证顺序的

 

3.3.1 正常同步过程的顺序

 

• Raft对请求先转换成entry，复制时，也是按照leader中log的顺序复制给follower的，对entry的提交是按index进行顺序提交的，是可以保证顺序的
• ZooKeeper在提交议案的时候也是按顺序写入各个follower对应在leader中的队列，然后follower必然是按照顺序来接收到议案的，对于议案的过半提交也都是一个个来进行的

 

3.3.2 异常过程的顺序保证

 

如follower挂掉又重启的过程：

 

• Raft：重启之后，由于leader的AppendEntries RPC调用，识别到leader，leader仍然会按照leader的log进行顺序复制，也不用关心在复制期间新的添加的日志，在下一次同步中自动会同步

• ZooKeeper：重启之后，需要和当前leader数据之间进行差异的确定，同时期间又有新的请求到来，所以需要暂时获取leader数据的读锁，禁止此期间的数据更改，先将差异的数据先放入队列，差异确定完毕之后，还需要将leader中已提交的议案和未提交的议案也全部放入队列，即ZooKeeper的如下2个集合数据

  • ConcurrentMap<Long, Proposal> outstandingProposals

    Leader拥有的属性，每当提出一个议案，都会将该议案存放至outstandingProposals，一旦议案被过半认同了，就要提交该议案，则从outstandingProposals中删除该议案

  • ConcurrentLinkedQueue<Proposal> toBeApplied

    Leader拥有的属性，每当准备提交一个议案，就会将该议案存放至该列表中，一旦议案应用到ZooKeeper的内存树中了，然后就可以将该议案从toBeApplied中删除

  然后再释放读锁，允许leader进行处理写数据的请求，该请求自然就添加在了上述队列的后面，从而保证了队列中的数据是有序的，从而保证发给follower的数据是有序的，follower也是一个个进行确认的，所以对于leader的回复也是有序的

 

如果是leader挂了之后，重新选举出leader，会不会有乱序的问题？

 

• Raft：Raft对于之前term的entry被过半复制暂不提交，只有当本term的数据提交了才能将之前term的数据一起提交，也是能保证顺序的
• ZooKeeper:ZooKeeper每次leader选举之后都会进行数据同步，不会有乱序问题

 

3.4 请求处理流程的异常

 

一旦leader发给follower的数据出现超时等异常

 

• Raft：会不断重试，并且接口是幂等的
• ZooKeeper：follower会断开与leader之间的连接，重新加入该集群，加入逻辑前面已经说了

 

4 分区的应对

 

目前ZooKeeper和Raft都是过半即可，所以对于分区是容忍的。如5台机器，分区发生后分成2部分，一部分3台，另一部分2台，这2部分之间无法相互通信

 

其中，含有3台的那部分，仍然可以凑成一个过半，仍然可以对外提供服务，但是它不允许有server再挂了，一旦再挂一台则就全部不可用了。

 

含有2台的那部分，则无法提供服务，即只要连接的是这2台机器，都无法执行相关请求。

所以ZooKeeper和Raft在一旦分区发生的情况下是是牺牲了高可用来保证一致性，即CAP理论中的CP。但是在没有分区发生的情况下既能保证高可用又能保证一致性，所以更想说的是所谓的CAP二者取其一，并不是说该系统一直保持CA或者CP或者AP，而是一个会变化的过程。在没有分区出现的情况下，既可以保证C又可以保证A，在分区出现的情况下，那就需要从C和A中选择一样。ZooKeeper和Raft则都是选择了C

 

https://my.oschina.net/pingpangkuangmo/blog/782702