参考链接
https://raft.github.io/ 可手动调整参数，模拟不同场景
http://thesecretlivesofdata.com/raft/ 动态演示 强烈推荐
raft协议解决在分布式系统中的一致性问题，其容错性和性能基本上和Paxos相同，但是其复杂程度，易于理解程度都优于Paxos
raft的角色
raft中有三种角色，分别为 follower-追随者，candidate-候选人，leader-领导者
raft集群中的节点都在这个三个状态中转换，并且同一时刻只能为其中一种角色，
ps，在这三种角色中follower，leader是稳定的角色，即会长期稳定存在的，candidate为临时角色，正常只会存在很短的时间，
正常情况下，一个raft集群只会有一个leader存在，如果存在两个（比如发生网络分区），那么能正常使用的最多也只有一个
raft的选举
两种场景下会触发选举，1）集群刚刚初始化完成，处于初始状态，此时集群节点都处于follower状态，2）原有的leader节点没有及时的给集群的follower节点发送心跳，此时会触发选举机制，follower节点会发现没有接受到leader的心跳，等待一段时间后自身进入candidate状态，这段时间称之为选举超时时间，具体为150ms~300ms的随机时间,
某个follower先超时，那么它自身状态会从follower切换为candidate-选举人，并且1）立即投自已一票（vote for self），2）开始新任期term，如果之前没有term信息，则任期为1，否则为term +1, 3) 向其他所有follower发送 选举请求，请求其他节点投票给自己，如果此candidate获得超过半数的follower的投票，那么他就当选为leader，将自身状态转化为leader
从其他follower角度来看，此follower在等待 选举超时的过程中，收到了其他candidate的选举请求，1）重置选举超时时间，即重新开始等待超时，2）判断选举请求来源的term和自身的term进行对比，如果来源term比自身的大，且未在此term内投过票，则给来源candidate投票。如果收到的选举请求term比自身的term还小，那么显然不用理会。
一些情况的考虑：
1，ABCDE五个节点，其中A目前是leader切宕机，BCDE没有等到A的心跳，认为A已经宕机，由于没有A的心跳也不会重置选举超时时间。一段时间后，B节点timeout，则进入candidate角色，将自身term加1，比如目前为2，并向其他 所有节点 发送投票请求；几乎同时C节点timeout（此时没有收到B节点的投票请求），自身term置为2，进入candidate角色并向其他 所有节点 发送投票请求。
对于DE两个节点而言，先收到谁的投票请求就会给谁投票，这里假设投票给B，那么B节点就有个3张票。超过大多数，成功当选为leader，
对于BC节点而言，他们会收到对方发出的投票请求，且发现来源term和自身一致，但是由于BC节点在进入candidate后就会立即给自己投了一票，所以就不满足 在来源term内没有投票的限制，故不会给 对方投票，符合直观的认知，
ps：是否可以设定为 收到的来源term和自身一致，就不投票呢？我认为应该也行，term的变化一定伴随着投票的操作（我猜的），但可能在更复杂的情况下会有问题，之后在考虑
对于整个集群而言，B成为leader，且term为2，C竞选失败，term为2，此时的还想着再来一次竞选，当然这要等待一个选举超时时间，，但是B已经成为leader了，他会给所有的节点发送心跳，重置所有节点的选举超时时间，（这就是为何要给所有节点发送心跳，而不是给投票给自己的节点发送投票的原因吧），最终实现了集群的一致性
2，在1的基础上，将情况再复杂些。
2.1 现有集群S1~5，S1节点宕机，S4，S3节点timeout,在投票环节各自得到两票，所以这两都没有获得大多数的节点认同，故没有选出leader
2.2 这时S3和S4都发现，有一个节点没有给他们投票，即宕机的S1，所有他们会不停的给S1发送投票请求，期望S1能给自己一票，同时S4，S3自身依然会等待选举超时时间
ps 这个超时时间可能是永久存在的，只有leader的心跳信号可以重置此时间
2.3 接着 S4 首先timeout，此时的动作和之前的一致，自身term加1，并且向其他所有节点发送投票请求，
2.4 这一次，它成功获取大部分节点的投票，成功当选为leader，如果此时S1节点复活，会将自身term置为leader的term，并补全差距的日志（下一节）
3 本次场景为网络分区，导致集群脑裂，如下图所示，
成因：原集群为ABCDE，其中A是leader，发生网络分区导致AB 和DCE网络不同，DCE发生选举，选举E节点为leader（获得DCE三票，达到大多数），
此时clinet有可能访问到这两个leader，其中发送到E的请求正常执行，但是发送到A的请求，由于A节点无法获得大多数节点的认同，请求无法提交，进而导致请求失败，总的来说，集群还是只有一个leader
一段时间后 网络分区恢复，此时AEleader可以与所有节点通信，A节点的请求由于term小于DCE的term，SCE不会认同A的leader地位，而B节点显然会叛变，
对于A节点而言，它会收到另一个leader节点发送的请求，虽然自身也是leader，但由于term小于对方，所以会自动退位，从leader转化为follower。，认同E的leader地位，最后AB会补全和E的差异数据
以上图片来自https://raft.github.io/，非常好用的raft工具，可以自定义各种场景，用于分析
raft的日志
在一个正常运行的集群中，只有leader节点会与外界通信，集群内所有的改变，也是先由leader同步给集群内的其他节点，这时通过使用一种和心跳相同的，称之为 “append entries”的消息完成
1，集群leader S4 接受到client 一个请求，假设为set 2，leader会将请求记录在自己的日志里，注意此时请求并没有执行，只是记录在日志里，类似redolog
值得注意的还有，此时leader已经发送了心跳，其他节点正在返回信息，这时leader接受了clinet的请求，并不会立刻同步给followwe节点，而是等待下一次发送心跳时将请求发送给followe节点
2，下一次心跳中，follower节点接受到 leader的心跳后，发现心跳信号里包含请求，如果follower可以执行该请求，则将请求记录在本地的日志里，然后返回YES
ps :如果不能执行呢？是不返回还是返回 NO。个人认为会返回NO，原因是不返回，可能会使得leader确认此请求是否被通过的时间增长，
3 leader收到大多数节点同意的信号后，将commit这个请求，并且返回client，此时对于client而言，请求已经完成，对于leader而言，还需要在下个心跳周期将请求commit的信息发送到follower。follower收到请求后，自身commit请求。最终达到集群一致
raft的学习暂且到这，下一篇将尝试对比下paxos和raft
