raft演算法

① 共識數據是什麼平台賺錢

共識數據是BCOS平台。

共識數據是BCOS平台。BCOS平台採用高效的PBFT、RAFT共識演算法，採用插件化設計實現，通過修改系統配置，即可以在一個聯盟鏈里使用不同的共識機制，參與到這個聯盟鏈的所有節點必須採用同一種共識配置。

共識數據的定義

其實是共識機制，所謂「共識機制」，是通過特殊節點的投票，在很短的時間內完成對交易的驗證和確認；對一筆交易，如果利益不相乾的若干個節點能夠達成共識，我們就可以認為全網對此也能夠達成共識。

數據共識是一個集數據採集、融合、治理、組織管理、智能分析為一體，將數據以服務方式提供給前台應用，以提升業務運行效率、持續促進業務創新為目標的整體平台。

共識數據問題本質上可以從兩個維度來認識：一是如何就某一個值達成一致的決策；二是如何就一系列連續的值達成一致的順序決策。很顯然，如果我們能夠找到問題一的解決方案，那麼問題二也就迎刃而解了。

② 請教個etcd中的raft演算法問題

etcd是一個高可用的鍵值存儲系統，主要用於共享配置和服務發現。etcd是由CoreOS開發並維護的，靈感來自於 ZooKeeper 和 Doozer，它使用Go語言編寫，並通過Raft一致性演算法處理日誌復制以保證強一致性。Raft是一個來自Stanford的新的一致性演算法，適用於分布式系統的日誌復制，Raft通過選舉的方式來實現一致性，在Raft中，任何一個節點都可能成為Leader。Google的容器集群管理系統Kubernetes、開源PaaS平台Cloud Foundry和CoreOS的Fleet都廣泛使用了etcd。

③ raft演算法與paxos演算法相比有什麼優勢，使用場景有什麼差異

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。
演算法中的指令描述的是一個計算，當其運行時能從一個初始狀態和（可能為空的）初始輸入開始，經過一系列有限而清晰定義的狀態，最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化演算法在內的一些演算法，包含了一些隨機輸入。

④ raft演算法與paxos演算法相比有什麼優勢，使用場景有什麼差異

Paxos演算法解決的問題是一個分布式系統如何就某個值（決議）達成一致。一個典型的場景是，在一個分布式資料庫系統中，如果各節點的初始狀態一致，每個節點都執行相同的操作序列，那麼他們最後能得到一個一致的狀態。為保證每個節點執行相同的命令序列，需要在每一條指令上執行一個「一致性演算法」以保證每個節點看到的指令一致。一個通用的一致性演算法可以應用在許多場景中，是分布式計算中的重要問題。因此從20世紀80年代起對於一致性演算法的研究就沒有停止過。節點通信存在兩種模型：共享內存（Sharedmemory）和消息傳遞（Messagespassing）。Paxos演算法就是一種基於消息傳遞模型的一致性演算法。不僅只用在分布式系統，凡是多個過程需要達成某種一致性的都可以用到Paxos演算法。一致性方法可以通過共享內存（需要鎖）或者消息傳遞實現，Paxos演算法採用的是後者。下面是Paxos演算法適用的幾種情況：一台機器中多個進程/線程達成數據一致；分布式文件系統或者分布式資料庫中多客戶端並發讀寫數據；分布式存儲中多個副本響應讀寫請求的一致性。Lamport最初Paxos演算法的論文ThePart-TimeParliament在理解起來比較有挑戰性，個人認為部分原因是Lamport通過故事的方式來表述、解釋這個問題，所以在閱讀文章的時候讀者需要透過故事講的本身看到作者想說明什麼。比如文章中會有很多講到Paxos文明沒有被發現和考證的，這些映射到實際系統中往往是簡單、大家都心知肚明的基礎，但如果讀者苦於想知道這些內容是什麼時，就上當了。下面章節安排如下：第二節對應原文的1.1-2.1。第三節對應原文2.2-3.2。

⑤ raft演算法與paxos演算法相比有什麼優勢，使用場景有什麼差異

raft集成了成員管理，這個地方是唯一比paxos精妙的地方。裡面的正確性的保證很有趣。
raft增加了committed狀態，如同@郁白 所說，這個在paxos里沒有具體說。raft可以看成multiple paxos的一個實現。
raft給你的基本是偽代碼的描述了，方便實現。學理論的話還是paxos好。

大部分場景都可以用raft實現，paxos應該沒什麼能直接使用的場景，太理論了

⑥ OceanBase的一致性協議為什麼選擇 paxos而不是raft

基於Raft的分布式一致性協議實現的局限及其對資料庫的風險普通伺服器具有良好的性價比，因此在互聯網等行業得到了廣泛的應用。但普通伺服器也不得不面對2%-4%的年故障率([1])，於是必須高可用的傳統資料庫只得很悲催地使用性價比低得可憐的高可靠伺服器。分布式一致性協議（distributed consensus protocol）是迄今為止最有效的解決伺服器不可靠問題的途徑，因為它使得一組伺服器形成一個相互協同的系統，從而當其中部分伺服器故障後，整個系統也能夠繼續工作。而Paxos協議([2])則幾乎成了分布式一致性協議的代名詞。然而，Paxos協議的難以理解的名聲似乎跟它本身一樣出名。為此，Stanford大學的博士生Diego Ongaro甚至把對Paxos協議的研究作為了博士課題。他在2014年秋天正式發表了博士論文：「CONSENSUS: BRIDGING THEORY AND PRACTICE」，在這篇博士論文中，他給出了分布式一致性協議的一個實現演算法，即Raft。由於這篇博士論文很長（257頁），可能是為了便於別人閱讀和理解，他在博士論文正式發表之前，即2014年初，把Raft相關的部分摘了出來，形成了一篇十多頁的文章：「In Search of an Understandable Consensus Algorithm」，即人們俗稱的Raft論文。Raft演算法給出了分布式一致性協議的一個比較簡單的實現，到目前為止並沒有人挑戰這個演算法的正確性。然而，OceanBase卻沒有採用Raft演算法，這並非是OceanBase團隊同學不懂Raft，而是Raft的一個根本性的局限對資料庫的事務有很大的風險。Raft有一個很強的假設是主（leader）和備（follower）都按順序投票，為了便於闡述，以資料庫事務為例：·主庫按事務順序發送事務日誌·備庫按事務順序持久化事務和應答主庫