啊vvvv

Lab 2D的实验，要求我们实现日志压缩。Raft是基于日志复制的共识算法，对于每执行一条命令，就需要新增日志，一旦日志过长，便会拖垮服务器，因此必须实现日志压缩。日志压缩的方式，其实就是截断存在内存

Lab 2C 的实验，是实现状态持久化，当机器宕机后，可以恢复到原来的数据。 实现依旧按照Raft论文的图figure2来。如果发现一些特别奇怪的Bug，先读论文，看看自己想的，和论文的描述是否存在

Lab 2B 的实验，是实现Raft的核心：日志复制部分。当一笔请求到达整个集群，Raft通过复制日志的方式，来达成共识。当一台机器挂了之后，其余的机器都可能当选Leader，并且数据不会丢失。

在Raft论文当中，作者不仅仅为我们进行详细的理论分析，并且还提供了详细的设计思路。还提供了一份2000多行的C++实现代码。在本实验中，我会严格按照论文figure2的描述，在实验中提供的骨架代码中

本文接上一篇文章：Raft共识算法PartA：Leader Election And HeartBeat 当Leader被选出来后，它们就需要开始提供服务了。 Raft共识算法是通过复制日志的方式，实

接触了一些分布式相关的理论基础，并且也看了Raft的论文，是时候该总结一下了。 本篇文章主要聊了下面一些东西 分布式下为何要共识 CAP理论 多数派原则 Raft共识算法PartA：选举与心跳

前言 目前分布式主流环境下，注册中心也是分布式下重要的一环。 为什么需要注册中心 分布式，在单机下所能够处理的流量有限，所以使用多个机器来均摊流量。那么多个机器相互调用的情况下，每次服务的上线下线，都

实验原址：mit 6.824 Lab1 MapReduce 中文翻译：mit 6.824 实验1 MapReduce 建议先了解一下MapReduce他可以用来做什么。可以看看我的上一篇文章MapRe

前言 对于这些庞大的数据，如何去筛选辨别那一定不是人工可以做到的。所以这些数据一般会被作为一些大数据机器的输入。而因为其数据量十分庞大，单机器的瓶颈就非常的突出，所以一般用于处理的都是大集群。 图片来