在现代大型分布式软件系统中，有一个绕不过去的课题，那就是如何保证系统的数据一致性。著名的Paxos算法（Megastore、Spanner），Raft协议（ETCD、TiKV、Consul），ZAB协议（ZooKeeper）等分布式一致性解决方案，都是在此背景下而诞生的。

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。

共识算法是实现自主产权区块链的必不可少的关键环节，本文列出社区中相对成熟的区块链共识算法开源实现，包括BFT共识、Raft共识、Paxos共识、PoW共识等，可供希望开发自主产权区块链的团队参考学习。相关推荐：区块链开发系列教程(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fww

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

HyperledgerFabric1.4.6网络搭建实例(raft)近期在帮其他部门搭建fabric测试网络，采用1.4.1的配置文件、1.4.6的核心模块，在创建通道的时候爆出了以下错误：Error:gotunexpectedstatus:BAD_REQU

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

Github基于Orchestrator，Consul和GLB实现高可用性目标。1.orchestrator用来运行故障监听和故障恢复。我们使用了如下图所示的一个跨数据中心的orchestrator/raft。2.Hashicorp公司的用于服务发现的Consul。使用Consul的KV存储器写入集群主节点的身份。对于每个集群，都有一套KV记录

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

Raft论文研读说明：本文为论文《InSearchofanUnderstandableConsensusAlgorithm(ExtendedVersion)》的个人理解，难免有理解不到位之处，欢迎交流与指正。论文地址：RaftPaper(https://www.oschin

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

源码分析RocketMQDLedger多副本系列已经进行到第8篇了，前面的章节主要是介绍了基于raft协议的选主与日志复制，从本篇开始将开始关注如何将DLedger应用到RocketMQ中。\摘要：详细分析了RocketMQDLedger多副本(主从切换)是如何整合到RocketMQ中，本文的行文思路首先结合已掌握的DLe

概述本文档主要面向TiKV社区开发者，主要介绍TiKV的系统架构，源码结构，流程解析。目的是使得开发者阅读文档之后，能对TiKV项目有一个初步了解，更好的参与进入TiKV的开发中。需要注意，TiKV使用Rust(https://www.oschina.net/action/GoToLink?urlhttps%3A%2

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

RaftRaft概述        Raft一致性算法用于保证在分布式的条件下，所有的节点可以执行相同的命令序列，并达到一致的状态。这类的问题可以归结为“Replicatedstatemachines”问题。!关于Raft一致性协议的概要(http://static.oschina.net/uploads/img/

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

CAP定理1.Consistency:一致性2.Availability:可用性3.Partitiontolerance:分区容错性CAP定理指出，在异步网络模型中，不存在一个系统可以同时满足上述3个属性。换句话说，分布式系统必须舍弃其中的一个属性。对于需要在分布式条件下运行的系统来说，如何在一致性、可用性和分区容错

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

在分布式系统应用中，高可用、一致性是经常面临的问题，针对不同的应用场景，我们会选择不同的架构方式，比如masterslave、基于ZooKeeper选主。随着时间的推移，出现了基于Raft算法自动选主的方式，Raft是在Paxos的基础上，做了一些简化和限制，比如增加了日志必须是连续的，只支持领导者、跟随者和候选人三种状态，在理解和算法实现上都相对容易许多。