SOFAJRaft 介绍
本介绍内容来自 braft 文档，原文链接请参见这里。
braft 的关于算法和应用本身的文档非常优秀，由于 jraft 脱胎自 braft，我们强烈推荐阅读上述文档以了解 raft 算法的基本原理和应用。
分布式一致性
分布式一致性 (distributed consensus) 是分布式系统中最基本的问题，用来保证一个分布式系统的可靠性以及容灾能力。
简单的来讲，就是如何在多个机器间对某一个值达成一致, 并且当达成一致之后，无论之后这些机器间发生怎样的故障，这个值能保持不变。
抽象定义上， 一个分布式系统里的所有进程要确定一个值 v，如果这个系统满足如下几个性质， 就可以认为它解决了分布式一致性问题, 分别是:
Termination: 所有正常的进程都会决定 v 具体的值，不会出现一直在循环的进程。
Validity: 任何正常的进程确定的值 v’, 那么 v’ 肯定是某个进程提交的。比如随机数生成器就不满足这个性质。
Agreement: 所有正常的进程选择的值都是一样的。
一致性状态机
对于一个无限增长的序列 a[1, 2, 3…], 如果对于任意整数 i, a[i] 的值满足分布式一致性，这个系统就满足一致性状态机的要求。
基本上所有的系统都会有源源不断的操作, 这时候单独对某个特定的值达成一致是不够的。为了真实系统保证所有的副本的一致性，通常会把操作转化为 write-ahead-log(简称WAL)。
然后让系统的所有副本对WAL保持一致，这样每个进程按照顺序执行WAL里的操作，就能保证最终的状态是一致的。
RAFT
RAFT 是一种新型易于理解的分布式一致性复制协议，由斯坦福大学的 Diego Ongaro 和 John Ousterhout 提出，作为 RAMCloud 项目中的中心协调组件。
Raft 是一种 Leader-Based 的 Multi-Paxos 变种，相比 Paxos、Zab、View Stamped Replication 等协议提供了更完整更清晰的协议描述，并提供了清晰的节点增删描述。
Raft 作为复制状态机，是分布式系统中最核心最基础的组件，提供命令在多个节点之间有序复制和执行，当多个节点初始状态一致的时候，保证节点之间状态一致。
系统只要多数节点存活就可以正常处理，它允许消息的延迟、丢弃和乱序，但是不允许消息的篡改（非拜占庭场景）。
Raft 可以解决分布式理论中的 CP，即一致性和分区容忍性，并不能解决 Available 的问题。
其中包含分布式系统中一些通常的功能：
-
Leader Election
-
Log Replication
-
Membership Change
-
Log Compaction
RAFT 可以做什么
通过 RAFT 提供的一致性状态机，可以解决复制、修复、节点管理等问题，极大的简化当前分布式系统的设计与实现，让开发者只关注于业务逻辑，将其抽象实现成对应的状态机即可。
基于这套框架，可以构建很多分布式应用：
-
分布式锁服务，比如 Zookeeper
-
分布式存储系统，比如分布式消息队列、分布式块系统、分布式文件系统、分布式表格系统等
-
高可靠元信息管理，比如各类 Master 模块的 HA
JRAFT
一个纯 Java 的 Raft 算法实现库, 基于百度 braft 实现而来, 使用 Java 重写了所有功能, 支持:
-
Leader election and priority-based semi-deterministic leader election.
-
Replication and recovery.
-
Snapshot and log compaction.
-
Read-only member (learner).
-
Membership management.
-
Fully concurrent replication.
-
Fault tolerance.
-
Asymmetric network partition tolerance.
-
Workaround when quorate peers are dead.
-
Replication pipeline optimistic
-
Linearizable read, ReadIndex/LeaseRead.
参考资料
https://www.sofastack.tech/projects/sofa-jraft/overview/
