两种 Raft 实现组织方式

2026 年第 10 讲是 Lab 3A+B 答疑,主要讨论并发结构和调试方法。官方讲义保留了代码导览提纲,以下据此整理实现结构、状态约束和调试方法;课堂代码演示仍需结合实际实现理解。

第一种方式用多个 goroutine 处理 timer、RPC 和应用交付,以锁保护 Raft 状态。第二种方式把网络请求、回复、tick 等变成事件,交给单个状态机循环处理。两者都要正确实现同一协议,单线程事件循环也仍有网络与应用层的并发。

赞助商

锁保护的是一组状态关系

多线程方案中,一个 RPC handler 可以在锁内检查 term、角色和日志,再原子地修改相关状态。离开临界区以后,之前的判断可能已经失效,重新进入时需要确认当前状态与异步操作的前提是否一致。

发送 RPC 通常不应持有 Raft 的主锁:远端可能同样等待本机处理请求,网络还可能长时间不返回。常见组织方式是锁内生成请求快照,解锁后通信,再加锁检查 term 和角色后处理回复。

提交条目向应用 channel 交付也需要考虑阻塞。独立 applier 按 index 顺序发送,可以避免 handler 在持锁状态下等待应用接收;条件变量用于通知有新条目可交付,等待时仍要在循环中重新检查条件。

事件循环没有取消持久化顺序

单线程方案在一个地方推进协议状态,减少对共享状态加锁的范围。一次事件处理生成待执行动作,例如保存新 term、发送投票回复或向 follower 追加日志。

动作顺序仍然属于协议:如果需要先持久化再确认,就不能为了异步执行先发送成功回复。applier 与状态机也可能共享日志或执行位置,需要清楚划分所有权或同步方式。把代码写进一个循环,并不自动证明这些接口没有竞争。

先区分安全性和活性

安全性错误会产生不应出现的结果,例如同一任期出现两个合法 leader、已提交条目被覆盖,或者状态机执行冲突命令。活性错误则可能表现为网络已经恢复,却一直选不出 leader 或无法提交。

二者常常需要不同证据。一直超时可能只是锁或 channel 相互等待,不能先把原因归结为选举参数;得到多数回复却未提交,也要检查统计是否受到旧 term 的异步回复污染。

按失败测试重建执行轨迹

讲义建议从第一个可运行的测试起步,打开 race detector,并把日志写成便于检索的统一格式。至少记录节点、对端、消息类型、term、角色和日志位置,才能把一次失败还原成跨机器时间线。

一个有效的调试循环是:阅读失败测试制造了什么故障,提出具体假设,回到 Figure 2 与日志找支持或反例,再修改实现重跑。只延长 timeout 或重复运行到偶然通过,会隐藏仍然存在的协议错误。

这节答疑也说明“通过了测试”与“理解了不变量”之间的差距。后面的 IronFleet 会进一步讨论怎样把正确性要求写成可机械检查的规格与证明。

参考资料