Curve作为高性能、高可用、高可靠的新一代分布式存储系统，对于多副本数据同步，负载均衡，容灾恢复方面都有较高的要求。Curve选用Raft算法作为底层一致性协议，并基于Raft的特性，实现了异常情况下的数据迁移和自动恢复。下面首先简要介绍一下Raft算法的一些基本概念和术语，再详细介绍其在Curve中的实践。

Raft一致性算法介绍

Raft算法中，有Leader，Follower，Candidate三种角色，它们之间的转换关系如下图：

 

在同一时刻，只能有一个Leader，当选Leader后到发起下一次选举称为一个任期（term），Leader负责通过心跳向follower保持统治，并同步数据给Follower。Follower发起选举的前提是超时未收到Leader的心跳。

Leader竞选：RAFT是一种Majority的协议，即赢得选举的条件是获得包括自己以内的大多数节点的投票。Follower超时未收到Leader的心跳，则会成为Candidate，发起新一轮的选举。每个节点在每个Term内只能投一次票，且服从先到先服务原则。为了避免多个Follower同时超时，raft中的选举超时时间是一个固定时间加一个随机时间。

日志复制：在任期内，Leader接收来自client的请求，并将其封装成一个日志条目（Raft Log Entry）把它append到自己的raft log中，然后并行地向其它服务器发起AppendEntries RPC，当确定该entry被大多数节点成功复制后（这个过程叫commit），就可以执行命令（这一步叫apply），并返回给client结果。log entry由三个部分组成，分别是：1、log index，2、log所属的term，3、要执行的命令。

配置变更：在Raft中，称复制组有哪些成员称为配置，配置并不是固定的，会根据需求增删节点或异常情况下需要替换掉有问题的节点。从一个配置直接切换到另一个配置是不安全的，因为不同的服务器会在不同的时间点进行切换。因此Raft配置变更时，会先创建一个特殊的log entry Cold,new，这条entry被commit后，会进入共同一致阶段，即新旧配置一起做决定。这时候，再生成一个Cnew的log entry，等这条entry被commit后，就可以由新配置独立做决定了。

安装快照：Raft快照指的是某个时刻保存下来的系统状态的集合。快照有两方面的作用：一个是日志压缩，打了快照之后，在此时刻之前的log entry就可以删除了。另一个是启动加速，系统起来的时候不需要重新回放所有日志。当Leader同步日志给Follower的时候，发现所需的log entry已经被快照删掉了，即可通过发送InstallSnapshot RPC给Follower进行同步。

Raft算法在Curve中的应用

Curve系统是一个分布式存储系统，在Curve系统中，数据分片的最小单位称之为Chunk，默认的Chunk大小是16MB。在大规模的存储容量下，会产生大量的Chunk，如此众多的Chunk，会对元数据的存储、管理产生一定压力。因此引入CopySet的概念。CopySet可以理解为一组ChunkServer的集合，一个Copyset管理多个Chunk，多副本间的同步和管理已Copyset为单位组织。ChunkServer，Copyset和Chunk三者之间的关系如下图：

Curve copyset选用了braft作为一致性协议的组件，使用方式为multi-raft，即同一个机器，可以属于多个复制组，反过来说，一个机器上，可以存在多个raft实例。基于braft，我们实现了副本间数据同步，系统调度，轻量级raft快照等功能，下面一一详细介绍。

副本间数据同步

CopysetNode在ChunkServer端封装了braft node，具体关系如下图所示：

Curve client发送一个写请求时，三副本情况下的具体的步骤如下：

1. Client发送写请求给Leader ChunkServer
2. ChunkServer收到请求，将请求封装成一个log entry，提交给raft
3. braft模块在本地持久化entry的同时发送entry给其他副本（ChunkServer）
4. 本地持久化entry成功，且另一个副本也落盘成功则commit
5. commit后执行apply，apply即执行我们的写盘操作。

在此过程中，用户的数据和操作，通过braft中的log entry的方式在副本间传递，进行数据同步。在三副本场景下，向上层返回的时间取决于两个较快的副本的速度，因此可以减少慢盘的影响。对于较慢的那个副本，leader也会通过无限重试的方式同步数据，因此在系统正常工作的前提下，最终三个副本的数据是一致的。

基于Raft的系统调度

在Curve中，ChunkServer定期向元数据节点MDS上报心跳，心跳中除了ChunkServer自身的一些统计信息，还包含ChunkServer上面的CopySet的统计信息，包含它的leader，复制组成员，是否有配置变更执行中，配置的epoch等。MDS基于这些统计信息，会生成一系列的Raft配置变更请求并下发给Copyset的leader所在的ChunkServer。

下发配置变更

Curve ChunkServer会定期向MDS上报心跳。MDS调度下发配置变更是在心跳的response中完成的。上报心跳的过程如下图：

心跳是定时任务触发的，ChunkServer除了上报一些自己的容量信息等统计信息外，还会上报Copyset的一些信息，比如leader，成员，epoch，是否有进行中的配置变更等。

MDS在心跳response中下发配置变更的过程如下图：

ChunkServer收到response后，解析其中的配置变更信息，并下发给每个Copyset。

Curve epoch

epoch同步配置。MDS生成的调度信息，是由后台定时任务触发，并在ChunkServer下一次请求到来时在response中下发的，因此MDS下发的配置变更有可能是过期的。为了实现MDS和ChunkServer之间的配置同步，Curve引入了epoch机制，初始状态，epoch初始为0，每进行一次配置变更（包括leader变更），epoch都会加一。当MDS中的epoch等于ChunkServer端的epoch时，即将下发的配置变更才认为是有效的。epoch与term有何区别？term用于表示Leader的任期，即只跟选举有关，而epoch是与配置变更相关的，也包括了Leader选举这种情况。

epoch的更新。epoch是在ChunkServer端更新的，braft在实现上提供了一个用户状态机，在braft内部发生变化，比如apply，出错，关闭，打快照，加载快照，leader变更，配置变更等时会调用用户状态机中对应的函数。Curve copyset通过继承的方式实现这个用户状态机来完成与braft的交互，epoch是在on_configuration_committed函数中加一的。在braft中，当Leader变更的时候会把当前的配置再提交一遍，因此在on_configuration_committed中增加epoch即可保证在配置发生变化或者Leader变更时epoch顺序递增。

epoch的持久化。在MDS端，epoch随着CopySet的其他信息一起持久化在etcd中。ChunkServer也对epoch进行了持久化，但是ChunkServer中持久化epoch并不是每次epoch发生变化都需要持久化的。这是利用了raft的日志回放和快照功能。考虑以下两种情况：

1. 假设raft没有打快照，那么就不需要持久化epoch，因为所有操作日志，包括配置变更的entry都已持久化，当服务重启的时候，回放这些日志的时候会依次再调用一遍on_configuration_committed，最后epoch会恢复到重启前的值。
2. 当raft有快照时，打快照前的entry都会被删除，就不能通过上面的方式回放，因此必须要持久化。但我们只需要在打raft快照时持久化epoch的当前值即可。这样当系统重启的时候，会先安装raft快照，安装后epoch恢复到快照时的值，再通过执行后面的log entry，最终epoch恢复到重启前的值。在打快照时更新epoch是在on_snapshot_save函数中完成的。

Raft轻量级快照

上面介绍Raft算法的时候介绍过，Raft需要定时打快照，以清理老的log entry，否则Raft日志会无限增长下去。打快照的时候需要保存系统当前的状态，对于Curve块存储场景来说，系统状态就是Chunk当前的数据。直观的方案是将打快照时刻的全部chunk拷贝一遍备份起来。但是这样有两个问题：

1. 空间上要多出一倍，空间浪费非常严重
2. Curve默认打快照的间隔是30分钟一次，这种方案下会有频繁的数据拷贝，对磁盘造成很大的压力，影响正常的IO。

因此，Curve中使用的Raft快照是轻量级的，即打快照的时候只保存当前的Chunk文件的列表，不对Chunk本身做备份。具体流程如下：

这样会导致Follower下载到的chunk文件不是打快照时的状态，而是最新的状态，在回放日志的时候，会把这些新数据再写一遍。但这对于我们的场景是可以接受的，因为底层都是覆盖写是幂等的，即写一次和写多次结果是一致的。

小结

本篇文章首先介绍了Raft一致性算法的一些基本概念。随后介绍了Raft算法新一代高性能分布式存储系统Curve中的应用，分别从数据同步，系统调度和Raft快照三个角度介绍了Curve中使用Raft的细节。关于Curve的更进一步介绍详见我们的代码仓库：https://github.com/opencurve/curve。另外，Curve开源分享也在火热进行中，分享的ppt可以在https://github.com/opencurve/curve-meetup-slides仓库中获取。

作者：查日苏，网易数帆存储团队高级C++开发工程师，高性能分布式存储系统Curve核心开发。

如有理解和描述上有疏漏或者错误的地方，欢迎共同交流；参考已经在参考文献中注明，但仍有可能有疏漏的地方，有任何侵权或者不明确的地方，欢迎指出，必定及时更正或者删除；文章供于学习交流，转载注明出处

[1] Ongaro D, Ousterhout J. In search of an understandable consensus algorithm[C]//2014 {USENIX} Annual Technical Conference ({USENIX}{ATC} 14). 2014: 305-319.

---

相关视频：

 

相关文章：

Curve技术解析之MDS元数据管理

分布式存储开发：Curve中的内存管理

相关技术分享预告：

网易数帆 Curve 核心开发团队将带来精心准备的 新一代开源分布式存储 - Curve 技术系列公开课（直播+回放），每周五晚19:00为大家揭开 Curve 技术的奥妙及 Curve 社区的规划，本周五为 Curve 快照克隆的主题，敬请点击链接或识别下图二维码收看！