作为分布式一致性的算法，Raft相对于Paxos在工程上更易实现。前人曾制作了一篇动画文章，用以简介Raft算法，非常的形象生动。链接在这里：http://thesecretlivesofdata.com/raft/
本文是对该动画文章的一点总结归纳。真正深入了解Raft协议，还是应该看其原论文：https://www.usenix.org/system/files/conference/atc14/atc14-paper-ongaro.pdf
下面是对动画Raft文章的笔记：
基本概念
Raft是用来实现分布式一致性的协议。
一个节点（node）只会是3种状态之一：Follower、Candidate、Leader
Leader选举
简单描述：
所有的nodes最初的时候都是Follower. 如果Follower长时间没有收到Leader的消息，则会变成Candidate. Candidate会发送消息给其他node，让它们投票选举它为Leader. 而这些nodes会回复，并投票选举这个Candidate. 如果一个Candidate得到大多数nodes的投票，则它就当选为Leader. 这个过程就叫做“Leader选举”。
详细描述：
在Raft中，有2种timeout机制影响了Leader选举的过程。
第一种timeout叫“选举超时”（election timeout）。这个“选举超时”定时器被随机设定为150ms-300ms. 在一个Follower上，它的“选举超时”定时器超时后，这个Follower就会变成一个Candidate，然后开始新一轮的选举：这个Candidate会选举它自己，并发送“请选我为Leader”的消息给其他nodes. 接收到该消息的node如果还没有投票，那么就会投票给这个candidate. 一旦一个Candidate有了超过一半的节点选举它，那么它就成为了Leader.
这个Leader就开始发送“Append Entries”（添加系统改变）的message给它的followers. 注意，这些"Append Entries"消息是每隔 heartbeat 超时时间发送一次的。所以，第二种timeout机制就叫做heartbeat timeout，而Append Entries消息也就是Leader发出的心跳消息。Followers会回应每一个"Append Entries"消息作为心跳回应。
如果有一个Follower不再收到心跳消息（即Append Entries消息，其实它有2种功能，一是心跳，二是Leader发出的系统改变信息），那么因为“选举超时”定时器超时，这个Follower就会变成一个Candidate. 比如说，当Leader死掉之后，所有的Followers都不会再收到心跳消息。此时，因为每一个节点上的“选举超时”的定时器都是随机的，所以这些节点的超时时间有先有后。第一个超时的那个，就会发出“请选我为Leader”的消息给所有其他节点；而其他节点超时后，因为收到了这条“请选举我为Leader”的消息，就会选择这个Candidate为Leader.
举个栗子，有3个节点，原来的leader死掉了，剩下的2个Followers的“选举超时”定时器会先后超时，先超时的那个会变成Candidate并发出“请选我为Leader”消息给另一个节点，那个节点的“选举超时”定时器也超时后，就会选这个Candidate为Leader. 因此，3个节点死掉1个的时候，也是可以有Leader被选出来，整个系统是可以继续工作的。
Log Replication
有了Leader之后，所有的系统改变都会通过Leader.
首先，一个client将一个改变发送给Leader. Leader将这个系统改变作为log的一条记录。这一条log记录此时在Leader上还不会被commit，所以它并没有在系统中生效。为了commit这一条改变，在下一次心跳的时候（即心跳计时器超时的时候），Leader把这个改变通过Append Entries消息发送给所有的Followers，然后Leader等待大多数nodes应用这个改变。当大多数Follower应用改变并回复Leader之后，Leader就会commit这条改变并且通知Followers这条改变已经被commit了，也会通知Client该改变已经被应用。此时，集群就达到了一致的状态。这个过程叫做“Log Replication”.
脑裂问题
如果有2个节点同时变成了Candidate，并且拥有相同多的支持者时，会怎样呢？
在这种情况下，2个Candidate以及所有的其他节点都会维持现状不动，此时就会导致“选举超时”定时器再一次超时（因为没有Leader发出Append Entries消息），于是这一次这2个Candidate中先超时的那个因为会先发送“请选举我为Leader”消息从而变成Leader.
网络分片下的行为
当网络发生故障，产生分片的时候，Raft也能维持一致性。
假设有ABCDE共5个节点，B为Leader. 现在网络发生故障，产生了2个分区，分区一中只有AB，分区二中只有CDE. 在这种情况下，CDE中因为选举超时，会发生一次选举，进而选出C为Leader；而在AB分区中， B仍然为Leader.
假设现在有2个client. Client-1在AB分区中，发出了一个SET X=3的指令；但因为Node B无法得到大多数节点的ACK，因此它无法commit这条改变；
而Client-2在CDE分区中，发出了一个SET X=8的指令，这条指令会被commit，因为它可以得到大多数节点的支持（译注：包括了它自己）。
将来网络故障修复之后，ABCDE又可以互相访问了，Node B会看到更高的选举版本（higher election term），从而它会把自己降级为Follower，并且A和B会回滚它们没有commit的变化，并采用新Leader的日志所记录的变化。这样，整个系统就又达到了一致。
(完)