MIT6.824-Raft笔记:Raft初探、副本间log时序

本文介绍: 从宏观角度说明 raft在程序中的作用，和客户端的关系，以及多个副本之间的关系；从微观角度说明多个副本之间raft对日志处理的流程。

从宏观角度说明 raft在程序中的作用，和客户端的关系，以及多个副本之间的关系；从微观角度说明多个副本之间raft对日志处理的流程。

1. Ra ft 初探

宏观角度说明 raft在程序中的作用，和客户端的关系，以及多个副本之间的关系。

Ra ft会以库（Li b r ary）的形式存在于服务中。如果你有一个基于Ra ft的多副本服务，那么每个服务的副本将会由两部分组成：应用程序代码和Ra ft库，应用程序代码接收RPC或者其他客户端请求，不同节点的Ra ft库之间相互合作，来维护多副本之间的操作同步。从软件的角度来看一个Ra ft 节点的上层，是应用程序代码。应用程序通常都有状态，Ra ft层会帮助应用程序将其状态拷贝到其他副本节点。例如：Key-Value 数据库对应的状态就是Key-Value Table。应用程序往下，就是Raft层。Key-Value 数据库需要对Raft层进行函数调用，来传递自己的状态和Raft 反馈的信息。Raft本身也会保持状态，Raft的状态中，最重要的就是Raft会记录操作的日志。

对于一个拥有三个副本的系统来说，很明显我们会有三个服务器，这三个服务器有完全一样的结构（上面是应用程序层，下面是Raft层）。理想情况下，也会有完全相同的数据分别存在于两层（应用程序层和Raft层）中。除此之外，还有一些客户端，假设我们有了客户端1（C1），客户端2（C2）等等。客户端就是一些外部程序代码，它们想要使用服务，同时它们不知道，也没有必要知道，它们正在与一个多副本服务交互。从客户端的角度来看，这个服务与一个单点服务没有区别。

客户端会将请求发送给当前Raft集群中的Leade r 节点对应的应用程序。这里的请求就是应用程序级别的请求，例如一个访问Key-Value 数据库的请求。这些请求可能是Put也可能是Get。Put请求带了一个Key和一个Value，将会更新Key-Value 数据库中，Key对应的Value；而Get向当前服务请求某个Key对应的Value。看起来似乎没有Raft什么事，就像是普通的客户端服务端交互。一旦一个Put请求从客户端发送到了服务端，对于一个单节点的服务来说，应用程序会直接执行这个请求，更新Key-Value表，之后返回对于这个Put请求的响应。但是对于一个基于Raft的多副本服务，就要复杂一些。

假设客户端将请求发送给Raft的Leade r 节点，在服务端程序的内部，应用程序只会将来自客户端的请求对应的操作向下发送到Raft层，并且告知Raft层，请把这个操作提交到多副本的日志（Log）中，并在完成时通知我。之后Raft节点之间相互交互，直到过半的Raft节点将这个新的操作加入到它们的日志中，也就是说这个操作被过半的Raft节点复制了。当且仅当Raft的Leade r节点知道了过半副本都有了这个操作的拷贝之后。Raft的Leade r节点中的Raft层，会向上发送一个通知到应用程序，也就是Key-Value 数据库，来说明：刚刚你提交给我的操作，我已经提交给过半副本，并且已经成功拷贝给它们了，现在你可以真正的执行这个操作了。

客户端发送请求给Key-Value数据库，这个请求不会立即被执行，当且仅当这个请求存在于过半的副本中时，Raft才会通知Leade r节点，只有在这个时候，Leade r才会实际的执行这个请求。对于Put请求来说，就是更新Value，对于Get请求来说，就是读取Value。最终，请求返回给客户端，这就是一个普通请求的处理过程。

为了严格保证Get请求的结果，可以也和写数据一样，走一遍raft log，但是也可以采用ReadInde x的方案；当然如果不需要特别严格，使用 leaderRead 即可。

学生提问：除了Leade r节点，其他节点的应用程序层会有什么样的动作？

Robert教授：当一个操作最终在Leader节点被提交之后，每个副本节点的Raft层会将相同的操作提交到本地的应用程序层。在本地的应用程序层，会将这个操作更新到自己的状态。理想情况是所有的副本都将看到相同的操作序列，这些操作序列以相同的顺序出现在Raft到应用程序的up call中，之后它们以相同的顺序被本地应用程序应用到本地的状态中。假设操作是确定的（比如一个随机数生成操作就不是确定的），所有副本节点的状态，最终将会是完全一样的。我们图中的Key-Value数据库，就是Raft论文中说的状态（也就是Key-Value数据库的多个副本最终会保持一致）。

2. Raft Log 同步 时序

微观角度说明多个副本之间raft对日志处理的流程。

接下来我将画一个时序图来描述Raft内部的消息是如何工作的。假设我们有一个客户端，服务器1是当前Raft集群的Leader。同时，我们还有服务器2，服务器3。这张图的纵坐标是时间，越往下时间越长。假设客户端将请求发送给服务器1，这里的客户端请求就是一个简单的请求，例如一个Put请求。

服务器1的Raft层会发送一个添加日志（Ap p endEntrie s）的RPC到其他两个副本（S2，S3）。现在服务器1会一直等待其他副本节点的响应，一直等到过半节点的响应返回，这里的过半节点包括Leader自己。在一个只有3个副本节点的系统中，Leader只需要等待一个其他副本节点返回对于Ap p endEntrie s的正确响应。

两点说明：

Server1的Execute可以理解为Ap ply 步骤

如图所示，只等了日志复制完成的结果，这里需要 leaderRead或者ReadIndex。

当Leader收到了过半服务器的正确响应，Leader会执行（来自客户端的）请求，得到结果，并将结果返回给客户端。

与此同时，服务器3可能也会将它的响应返回给Leader，尽管这个响应是有用的，但是这里不需要等待这个响应，这一点对于理解Raft论文中的图2是有用的。

在Raft中，没有明确的committed消息。相应的，committed消息被夹带在下一个AppendEntries消息中，由Leader下一次的AppendEntri es对应的RPC发出。任何情况下，当有了committed消息时，这条消息会填在AppendEntri es的RPC中。下一次Leader需要发送心跳，或者是收到了一个新的客户端请求，要将这个请求同步给其他副本时，Leader会将新的更大的com m it号随着AppendEntries消息发出，当其他副本收到了这个消息，就知道之前的com m it号已经被Leader提交，其他副本接下来也会执行相应的请求，更新本地的状态。

学生提问：S2和S3的状态怎么保持与S1同步？

Robert教授：现在Leader知道过半服务器已经添加了Log，可以执行客户端请求，并返回给客户端。但是服务器2还不知道这一点，服务器2只知道：我从Leader那收到了这个请求，但是我不知道这个请求是不是已经被Leader提交（com m itted）了，这取决于我的响应是否被Leader收到。服务器2只知道，它的响应提交给了网络，或许Leader没有收到这个响应，也就不会决定com m it这个请求。这里还有一个阶段，一旦Leader发现请求被com mit之后，它需要将这个消息通知给其他的副本，这里有一个额外的消息。

学生提问：这里的内部交互有点多吧？

Robert教授：是的，这是一个内部需要一些交互的协议，它不是特别的快。实际上，客户端发出请求，请求到达某个服务器，这个服务器至少需要与一个其他副本交互，在返回给客户端之前，需要等待多条消息。一个客户端响应的背后有多条消息的交互。

学生提问：也就是说com mit信息是随着普通的AppendEntries消息发出的？那其他副本的状态更新就不是很及时了。

Robert教授：是的，作为实现者，这取决于你在什么时候将新的com mit号发出。如果客户端请求很稀疏，那么Leader或许要发送一个心跳或者发送一条特殊的AppendEntries消息。如果客户端请求很频繁，那就无所谓了。因为如果每秒有1000个请求，那么下一条AppendEntries很快就会发出，你可以在下一条消息中带上新的com mit号，而不用生成一条额外的消息。额外的消息代价还是有点高的，反正你要发送别的消息，可以把新的co mmit号带在别的消息里。实际上，我不认为其他副本（非Leader）执行客户端请求的时间很重要，因为没有人在等这个步骤。至少在不出错的时候，其他副本执行请求是个不太重要的步骤。例如说，客户端就没有等待其他副本执行请求，客户端只会等待Leader执行请求。其他副本在什么时候执行请求，不会影响客户端感受的请求时延。