在分布式系统中，什么是拜占庭将军问题？产生的场景和解决方案是什么？什么是Raft共识算法？Raft算法是如何解决拜占庭将军问题的？其核心原理和算法逻辑是什么？除了Raft，还有哪些共识算法？共识问题作为分布式系统的一大难点和痛点，本文主要介绍了其产生的背景、原因，以及通用的Raft算法解决方案。

作为网易数帆开源的高性能、高可用、高可靠的新一代分布式存储系统，Curve对于多副本数据同步、负载均衡、容灾恢复方面都有较高的要求。网易数帆存储团队选用Raft算法作为Curve底层一致性协议，并基于Raft的特性，实现了异常情况下的数据迁移和自动恢复。本文首先简要介绍一下Raft算法的一些基本概念和术语，再详细介绍其在Curve中的实践。Raft一致性

一周前发布的图解分布式一致性算法(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI3MTEwODc5Ng%3D%3D%26mid%3D2650860506%26idx%3D1%26sn%3Db21f4e2613be

第一作者：李建俊，第二作者：杨哲轩，王聪TiKV作为一个分布式KV数据库，使用Raft算法来提供强一致性。Raft算法提供了单一group的一致性，但是单一group无法扩展和均衡。因此，TiKV采用了MultiRaft的方式基于Raft算法提供能兼顾一致性、扩展均衡的KV储存。下文以3.0版本代码为例，讲述raf

在很多分布式系统场景下，并不需要解决拜占庭将军问题(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.868qkl.com%2Fjiaocheng%2Fmingci%2FByzantinefailures.html)，也就是说，在这些分布式系统的实用场景下，其假设条件不需要考虑拜占

点击上方疾风先生可以订阅哦!(https://oscimg.oschina.net/oscnet/becd7a69d2ea4b7cb91504581dbdc88b.jpg)本文主要以分析Raft算法核心原理流程为主,简述Raft算法运作流程,分别从Raft基础,核心原理以及细节问题出发作一个归纳性总结,如想深入Raft算

目录1.三个状态2.什么是任期3.节点之间的通信1\.三个状态Raft设计了3个状态，用于表示节点的状态，分别是跟随者，候选者，领导者。1.领导者：通常只有一个领导人，并且其他节点都是跟随者。2.跟随者：跟随者不会发送任何请求，只是简单的响应领导者或者候选人的请求，由领导人处理所有的客户端请

http://www.jianshu.com/p/d10310683bbb状态机一个节点处于下面的3种状态之一：Leader：负责接收客户端的请求，将日志复制到其他节点并告知其他节点何时应用这些日志是安全的。Candidate：Leader选举过程中的临时角色。Follower：负责响应来自Leade

Flynn的服务发现组件（discoverd）部署在所有的Flynn集群节点上，该组件使用了Raft协议保证数据的一致性，目前采用的是hashicorp的实现（https://github.com/hashicorp/raft(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fgithub

Raft协议是分布式领域解决一致性的又一著名协议，主要包含Leader选举、日志复制两个部分。温馨提示：本文根据raft官方给出的raft动画进行学习，其动画展示地址：http://thesecretlivesofdata.com/raft/(https://www.oschina.net/action/GoToLink?urlhttp%3A