介绍

文章主要使用实验验证了raft是否如原论文所阐述的易于理解和实现。重新阐述了raft，使用OCaml实现了raft，开发了一个事件驱动的模拟器来进行测试，重现了raft原论文中的测试，并提出了几个优化。

性能

对于raft的性能，raft原论文中提到了两点，

1. 典型的情况下，leader复制entry的时间。
2. 最坏情况下，leader失败后，选举出新leader的时间。
   1. 选举能否快速收敛？
   2. 集群能达到的最小下线时间是什么？

典型的情况下，leader复制entry的时间

需要耗费一个rtt来复制到多数派server，可以做batching和piplining优化。

最坏情况下，leader失败后，选举出新leader的时间

关于这点，raft原论文中使用5个server的集群做了两个测试。为了模拟最坏情况，

• 每次测试server都有不一样长度的log，使得有的candidate不能成为leader。
• 为了制造易于出现split vote的环境，在每次终止leader前，都同步地广播heartbeat，目的是重置election timeout。

两个测试表明了：

1. election time中加入少量的随机，能够明显的减少选举新leader的时间，减少split vote的出现。
2. 集群的最小下线时间随着election time的减少而减少，但如果少于broadcast time，那么会集群产生不必要选举，降低可用性。

优化

本文中提出了几个优化，

1. Different Follower and Candidate Timers
2. Binary Exponential Backoff
3. Combined

Different Follower and Candidate Timers

raft原论文建议$\textit{candidate timeout} = \textit{follower timeout} ∼ U(T, 2T), T=150ms$，但在高竞争的情况下，例如：$U(150ms, 151ms)$，将两个时间设置在不同的范围，可以大大减少选举leader的时间。

Binary Exponential Backoff

类似tcp超时重传的指数回退。