在很久很久以前，拜占庭是东罗马帝国的首都。那个时候罗马帝国国土辽阔，为了防御目的，因此每个军队都分隔很远，将军与将军之间只能靠信使传递消息。
在打仗的时候，拜占庭军队内所有将军必需达成一致的共识，才能更好地赢得胜利。但是，在军队内有可能存有叛徒，扰乱将军们的决定。
这时候，在已知有成员不可靠的情况下，其余忠诚的将军需要在不受叛徒或间谍的影响下达成一致的协议。
莱斯利·兰伯特（ Leslie Lamport ）通过这个比喻，表达了计算机网络中所存在的一致性问题。这个问题被称为拜占庭将军问题。
如何解决拜占庭将军问题，目前业界有很多成熟的解决方案，其中[Raft算法]是比较具有代表性的，又比较好理解的算法。
什么是 Raft 算法？
Raft 算法是一种简单易懂的共识算法。它依靠状态机 和 主从同步的方式，在各个节点之间实现数据的一致性。
在学习Raft算法的时候，大家需要了解Raft的两个核心要点：
1.选取主节点
2.同步数据
不难理解，使用主从同步的方式，可以让集群各个节点的数据更新以主节点为准，从而保证了一致性。那么，如何选取主节点呢？
Raft算法在选择主节点的过程中，也是通过多个节点之间的投票竞争。
说到这里，不得不说一下Raft算法的状态机。Raft算法为节点定义了三种角色：
1.Leader（主节点）
2.Follower（从节点）
3.Candidate（参与投票竞争的节点）
让我们来看一看选主的具体流程：
第一步，在最初，还没有一个主节点的时候，所有节点的身份都是Follower。每一个节点都有自己的计时器，当计时达到了超时时间（Election Timeout），该节点会转变为Candidate。
第二步，成为Candidate的节点，会首先给自己投票，然后向集群中其他所有的节点发起请求，要求大家都给自己投票。
第三步，其他收到投票请求且还未投票的Follower节点会向发起者投票，发起者收到反馈通知后，票数增加。
第四步，当得票数超过了集群节点数量的一半，该节点晋升为Leader节点。Leader节点会立刻向其他节点发出通知，告诉大家自己才是老大。收到通知的节点全部变为Follower，并且各自的计时器清零。
这里需要说明一点，每个节点的超时时间都是不一样的。比如A节点的超时时间是3秒，B节点的超时时间是5秒，C节点的超时时间是4秒。这样一来，A节点将会最先发起投票请求，而不是所有节点同时发起。
为什么这样设计呢？设想如果所有节点同时发起投票，必然会导致大家的票数差不多，形成僵局，谁也当不成老大。
那么，成为Leader的节点是否就坐稳了老大的位置呢？并不是。Leader节点需要每隔一段时间向集群其他节点发送心跳通知，表明你们的老大还活着。
一旦Leader节点挂掉，发不出通知，那么计时达到了超时时间的Follower节点会转变为Candidate节点，发起选主投票，周而复始......
让我们来看一看数据同步的流程：
第一步，由客户端提交数据到Leader节点。
第二步，由Leader节点把数据复制到集群内所有的Follower节点。如果一次复制失败，会不断进行重试。
第三步，Follower节点们接收到复制的数据，会反馈给Leader节点。
第四步，如果Leader节点接收到超过半数的Follower反馈，表明复制成功。于是提交自己的数据，并通知客户端数据提交成功。
第五步，由Leader节点通知集群内所有的Follower节点提交数据，从而完成数据同步流程。
共识算法的应用场景？
在用于共享配置和服务发现的K-V存储系统[etcd]中，使用的就是Raft算法来保证分布式的一致性。
还有其他算法，如下：
Paxos 算法：
早期的共识算法，由拜占庭将军问题的提出者Leslie Lamport 所发明。谷歌的分布式锁服务 Chubby 就是以 Paxos 算法为基础。
ZAB 算法：
Zookeeper 所使用的一致性算法，在流程上和 Raft 算法比较接近。
PBFT 算法：
区块链技术所使用的共识算法之一，适用于私有链的共识。
转载：程序员小灰
