这是我参与「第四届青训营 」笔记创作活动的第10天，学习了一致性的相关算法熟悉了raft等相关框架，并且完善了相关概念。
主从复制
raft协议中，一个节点任意时刻处于以下三个状态：
- leader
- follower
- candidate
可以看出所有节点启动时都是follower状态；在一段时间内如果没有收到来自leader的心跳，从follower切换到candidate，发起选举；如果收到majority的造成票(含自己的一票)则切换到leader状态；如果发现其他节点比自己更新，则主动切换到follower。
总之，系统中最多只有一个leader，如果在一段时间里发现没有leader，则大家通过选举-投票选出leader。leader会不停的给follower发心跳消息，表明自己的存活状态。如果leader故障，那么follower会转换成candidate，重新选出leader。
每个节点上都有一个倒计时器 (Election Timeout)，时间随机在 150ms 到 300ms 之间。有几种情况会重设 Timeout：
- 收到选举的请求
- 收到 Leader 的 Heartbeat (后面会讲到)
在 Raft 运行过程中，最主要进行两个活动：
- 选主 Leader Election
- 复制日志 Log Replication
复制协议
- 当主副本失效时为了使算法简单可以人肉切换
- 如何保证主副本真的失效了
- 如果节点增加到三个
共识算法
共识算法（consensus A7M），即达成共识的过程，而非一致性算法。一致性（consistency）是终态，共识算法是达成一致性的一种实现手段和过程。典型的分布式三节点场景N1，N2，N3，刚启动触发 leader election，节点状态分leader，candidate，follower，选主采用抢注机制，完成选主后为了保证leader是靠谱的，需要有keepalive机制，若leader保活超时会触发新一轮选举。
leader节点会负责资源分配，负载均衡（LB），同时会负责log同步，状态机对齐等共识决策，以此来达成数据一致性。
- 共识协议不等于一致性
- 一般讨论公式协议提到的一致性，都指线性一致性
