分布式系统一致性：从 CAP 理论到 Raft 共识算法

CAP 理论精解

一个分布式系统最多同时满足三者之二：

• C (Consistency)：所有节点同一时刻看到相同数据
• A (Availability)：每个请求都能得到响应（不保证是最新数据）
• P (Partition Tolerance)：网络分区时系统仍能工作

实际系统中，P 必须保证（网络不可靠），因此是 CP 或 AP 的选择：

• CP 系统：ZooKeeper、etcd、HBase——放弃部分可用性保一致性
• AP 系统：Cassandra、DynamoDB——接受短暂不一致保可用性

Raft 共识算法核心

# Raft 三大角色
Leader    ← 处理所有客户端请求，同步日志
Follower  ← 被动接收，选举时变 Candidate
Candidate ← 发起选举，争取成为 Leader

# 选举过程 (Term-based)
1. Follower 超时 → 变 Candidate，Term++
2. 向所有节点发送 RequestVote
3. 获得多数票(majority) → 成为 Leader，发送心跳

日志复制

1. Client → Leader: SET x=5
2. Leader 追加日志条目 [Term=3, Index=8, cmd="SET x=5"]
3. Leader → Followers: AppendEntries
4. 多数(majority)确认 → Leader 提交(commit)
5. Leader → Client: OK
6. Leader → Followers: 该条目已提交，应用到状态机

实践中的一致性模型