『壹』 raft游戏的存档位置在哪里
c:/宴腊users/administrator/appdata/locallow/晌稿滑raft/raft/savedgames/文敬敏件夹内
『贰』 raft论文
raft主要分成三个部分：
在系统初始化时，所有的节点都会被初始化为follower，leader会被选举出来。follower会周期性的接收到来自leader的心跳rpc，以维持follower的状态。若在选举超时时间内没有收到rpc，follower就会选举超时，该超时时间在一个范围内随机（如150-300ms）。超时后，follower就自增自己的currentTerm,成为candidate，并给自己投票，然后向其他服务器发送投票请求rpc，follower处理投票请求rpc时遵循先到先得的与原则。candidate会一直处于这个状态直到下列某一情况发生：
以一个请求来说明日志的复制流程： leader
leader需要根据集群节点对AppendEntires的响应来判断一条日志是否被复制到半数以上节点。当leader收到半数以上的响应，就认为该日志已经复制成功。此时leader宕机时，后续新当选的领导人肯定是在已成功接收最新日志的节点中产生，还是能保证该日志被提交。
日志数据不一致问题： Raft通过将将leader日志复制到follower节点，并覆盖follower节点中与leader不一致的日志。leader节点为每个节点存储了两个记录：
AppendEntries RPC 中包括：
状态的持久化存储和server的重启：
领导权转移： Raft允许server将自己的领导权转移其他的server，有两种场景：
为了选举能够成功，当前leader需要将自己的log entries发送给或返目标Server，保证目标server上持有所有提交的log entries，但后发起leader竞选，不需要等待选举超时。
当目标server失败时，当前leader就会中断领导权转移过程，恢复客户端请求处理。
现在还有两个问题：
为了解决新成员加入时，成员需要追赶leader日志的问题，raft 引入了 non-voting server，等到日志同步完成时再开始加入集群。首先会引入round的概念，每个round开始时，leader将non-voting server少于leader的日志同步到non-voting server，round中新接收的仔团皮日志会在下一个round同步。 若没有新日志发送到leader时，一个round开始会马上结束，进入下一个round，当进行round的次数超过阈值时，leader就将新的server加入到集群
当前leader的移除 当要下线集群的leader时，首先客户端会发送一条C new的配置请求，C new会以日志的形式复制到集群大多数节点 ， 只有当该日志提交之后，leader才可以转变为follower再进一步下线，只有当C new复制到大多数节点，集群才有可能从C new的成员中选举出leader。leader才可以转变为follower，此时C new的成员会选举超时，从而选举产生 leader。旧 leader的不可用到新leader的产生的这段时间系统是处于不可用的状态。 下线成员对系统的扰动 当下线非leader节点时，该节点就收不到新的配置C new，也就不知道自己是否下线，此时leader上新的配置生效之后，就 不再给将要下线的节点发送heartbeat。该节点念差就会超时并发起选举，选举会扰乱当前系统leader的工作，由于周期高于当前leader，leader就会转变为follower, 发起选举的节点不在系统内不会当前选，系统内会重新选举出一个leader。所以 raft提出了一个已解决方案： 为leader竞选阶段引入一个新的阶段，pre-vote，candidate发起投票之前会询问其他节点自己的日志是否足够新的来竞选leader。但pre-vote的引入并不能解决上述问题。
前面描述的选举和日志复制机制还不能完全保证每个状态机都能根据相同的日志按照相同的顺序执行命令。例如一个follower因为网络问题错过了多次的日志复制，然后网络恢复，集群leader宕机，follower当选为leader，该follower缺少上一个leader 提交的日志，就会导致这些日志被新的leader覆盖。
随着raft处理客户端请求的增长，日志记录也会越来越长，占用的存储空间也会越来越多，也会花费越来越多的时间进行日志重放。但在一个实际的系统当中，存储空间不可能没有限制，因此采取一种机制来丢弃部分日志记录势在必行。 快照是最简单的进行日志压缩的方式。 每个节点独立的生成快照 ，通过将整个状态机的状态都写入快照然后存储到稳定的存储介质上方式，可以允许快照点之前的所有日志可以被删除。Raft还会在快照中保存一部分元数据，也就是快照可以替换的所有日志记录的最一条（最后一条状态机执行的日志记录），这条日志是用来做AppendEntries时的日志一致性检查的。同时为了保证集群成员变化，快照中还会保存应用最后一条日志时的配置文件。
『叁』 ratis – 整体概念
ratis是raft协议java版本的开源实现项目，位于Apache项目下。项目git地址：https://github.com/apache/ratis。raft协议是基于日志的强领导模型的共识算法。leader选举、集群数据同步都离不离开日志。ratis最终目的是为了实现分布式系统的高可用性，对于具体的应用程序，ratis使用状态机（StateMachineUpdater）对具体的应用程序抽象隔离，保证ratis实现raft协议的纯粹性和可移植性。 客户端向raftServerImpl提交请求，请求最终由 RaftLog、LogAppender、LeaderState、StateMachineUpdater、StateMachine共同完成。具体步骤册山如下： 1、客户端向RaftServerImpl发送请求 2、RaftServerImpl将请求发送给RaftLog，构建日志并写入日志文件。 3、RaftServerImpl将请求提交给LeaderState（返回一个CompelableFuture），等待请求处理完成。 4、LogAppender检测到新增日志，复制日志到对应做察的Follower节点，并等待节点的响应。 5、LogAppender接收到Follower节点日志提交成功响应后，将日志发送给LeaderState提交。 6、LeaderState检测到大所属节点都已经同步成功后，提交日志，并通知StateMachineUpdater服务 7、StateMachineUpdater服务检测到新提交的日志，读取日志并发送给StateMachine（应用程序通过该步骤接收到客户请求）并处理日志。 8、StateMachine处理完成提交的日志，将对应日志在LeaderState中的CompletableFuture状态更新为完成。 9、RaftServerImpl通过CompletableFuture接收到处理结果，并返回给客户端。 ratis启动可以分解成三个部分：1、初始化；2、leader选举；3、启动leader； 初始化部分是指Ratis正常工作的必要模块的初始化和启动。其中就包括：1、RaftServerImpl的初始化；2、LifeCycle生命周期管理器初始化；3、StateMachineUpdater应用日志服务器的初始化和启动，以及作为初始角色Follower对应的服务FollowerState的初始化和启动。其中RaftServerImpl、LifeCycle、StateMachineUpdater不论节点属于什么角色，这三个服务都是必要服务。 启动顺序为： 1、有代理服务初始化LifeCycle生命周期控制器 2、构建RaftServerImpl服务实例，调用start方法启动该服务（这里的star并不是启动一个单独线程） 3、由RaftServerImpl初始节点角色管理服务，并将Follower作为初始角色启动（设置角色为：follower，启动角色对应的后台服务FoloowerState）。 4、设置集群为运行状态（更新LifeCycle的状态） ratis的leader选举是由Follower后台服务FollowerState触发，在指定的超时时间范围内没有接收到Leader心跳请求，就触发节点角色的变更（纯姿茄由Follower角色变更为 Candidate角色，并启动Candidate角色对应的后台服务LeaderElection），开启Raft 候选人的leader选举流程。 如1.2图： 第10步：指Follower角色对应的后台服务FollowerState在指定时间内没有接收到Leader的心跳信息，于是触发角色变更。 第11步：FollowerState -> RaftServerImpl#changeToCandidate指FollowerState通过Raft顶层服务RaftServerImpl变更节点角色，并结束当前服务（结束FollowerState服务） 第12步：RaftServerImpl -> RoleInfo#startLeaderElection指RaftServerImpl通知RoleInfo将节点角色变更为：Candidate 第13步：并启动leader选举（也就是Candidate角色对应的后台服务 – LeaderElection服务） LeaderElection服务启动后，就开始向配置文件中配置的其它节点发送投票请求。正常清情况下投票请求分为两个阶段： 1、预选阶段 – Phase.PRE_VOTE 预选阶段抓哟是检查当前集群是否存在合法的leader，该步骤可以通过配置：raft.server.leaderelection.pre-vote 关闭该步骤。 2、竞选阶段 – Phase.ELECTION 竞选阶段就是正式leader竞选，candidate向各节点开始拉票，并在指定节时间内统计得到的投票情况。 leader的启动由LeaderElection选举通过触发。如图1.2时序图所示: 第14步：由LeaderElection调用RaftServerImpl#changeToLeader，开启leader上位。 第15步：RaftServerImpl调用RoleInfo#shutDownElection，关闭LeaderElection后台服务。 第17步：RaftServerImpl调用RoleInfo#becomeLeader，将节点的角色设置为：leader，并初始化启动LeaderStateImpl。 第18步：LeaderState初始化并启动LogAppender，开启leader日志同步后台服务。 至此，Ratis服务leader上位就结束，可以开启正常的服务请求处理了。
『肆』 raft保存世界在哪里复活
去player文雀粗件夹里。能回档复活，只是别拿错存档，你应该注意到了人物存档和地图存档分两个文件夹了吧。那么粗物就去player文件夹里岩岁液找，player文件夹里分两个文件，Red_user和setting，setting不用说了，就是游戏设置文件，那么user就是你的玩家存档，想复活，直接把这个备份就行
『伍』 fabric1.4.1新特性 — raft排序服务
在fabric1.4.1的版本中，提供了基于raft共识的raft排序服务。raft的模型可以容忍奔溃，如果有节点故障掉线可以正常运行。前提是要有大多数存活，也就是要保证1/2以上的节点个数正常运行。raft共识是“主从模型”，主节点通过动态选举决定，从节点是主节点的复制。raft排序服务比kafka排序服务易于设置和管理空罩。并且raft的设计允许不同的组织贡献节点来共同组成排序服务。 从提供服务的视角来看，基于raft和kafka的排序服务是类似的，他们都是基于CFT（crash fault tolerant）模型的排序服务，并且都使用了主从节点的设置。如果你是应用开发者或者智能合约开发者，你不会注意到他们之间的却别。但是，有一些主要的区别值得探讨，尤其是你需要管理排序服务。 raft排序是fabric实现拜占庭容错排序服务的第一步，如我们所见，开发raft排序服务的决定也是基于此的。 raft节点之间通过使用TLS认证身份，如果一个攻击者想要伪造raft节点，就必须要获得一个有效的证书和对州衫应的私钥。所以，没有一个有效的TLS证书，是不可能运行raft节点的。 要使用raft共识，需要修改两个地方 需要注意的是，每个channel有属于它自己的raft集群。因此，在chennel中要指定raft节点，指定的方式是把raft节点的tls证书配置到channel的配置文件中。在系统通道和应用通道中的配置中，每个排序以consenter的形式列出来。下面是configtx.yaml中关于raft节点配置的章节。 orderer.yaml配置文件中有两个关于raft排序配置的章节，分别问cluster和Consensus 当节点启动后，如果想要斗迹闹更改配通道置并且使配置生效，只有重启节点服务。有一个例外是SnapshotIntervalSize配置项，它可以在运行时动态调整。 （后续实践后，见更新具体使用步骤，敬请关注）
『陆』 Raft实现报告（12）
上期讲到，时间点对于Raft至漏陪碧关重要，广播时间应该小于选举超时时间，为了保证系统能够稳定运行返举，让follower尽量保持稳定而不会触发leader选举，对各种RPC的处理时间应该是小于选举时间。在一个就是MTBF（单节点平均故障间隔时间），选举超时应该小于MTBP为了系统稳定运行，能在节点宕机时快速恢复。 这三个时间，其中广播时间和MTBF时底层的系统属性，MTBF又取决于系统稳定性，而选举超时是我们必须选择的，或是控制的。Raft的RPC通常要就接受者将信息持久化到稳定的存储中，因此，广播时间可能在0.5ms-20ms之间，这还取决于存储技术。因此选举超时可能在10ms-500ms之间。 典型服务器的MTBFs一边是几个月或者更久，相当于几个月出现一次小故障，这就轻松满足了之前的那个不等式。 广播时间<<选举时间<<MTBF 到目前为止，我们一直接受集群配置（参与支持共识算法的服务器集合）是固定的。在实际情况中，有时需要更改配置，例如，在服务器发生物理故障时，更换服务器服务器或者更改副本的程度。虽然可以通过使整个集群脱机，更新配置乱掘文件然后重启集群来完成，但是这会让集群在转换期间不可用。此外，如果有任何手动步骤，则会存在操作员的错误风险。为了避免这些问题，在这次实现中，会把自动化配置合并到Raft共识算法中。
『柒』 raft存档为什么不准
游戏没帆漏有完善。在admin或公用文件夹中找到AppData文件夹，点击进入LocalLow文件夹粗滚，再点击打开Redbeet Interactive文件夹，然后看到Raft的文件夹，点击打开，最后进入user文件夹，打开World文件夹就可以找态凳烂到存过的档。
『捌』 Hyperledger Fabric(高可用之Raft部署)
Raft共识在1.4.1版本时正式支持，本次基于1.4.4版本部署Raft版的Fabric网络。由于Raft共识集成了etcd，不再需要使用kafka、zookeeper等中间件。本次部署将搭建3Orderer节点粗哪拆、2组织（2peer）的Fabric网络，岩枣使用vagrant创建 8台centos虚拟机，其中一台用于nfs共享文件，具体主机组件对应如下：
192.168.33.11: orderer0
192.168.33.12: orderer1
192.168.33.13: orderer2
192.168.33.21: peer0-org1
192.168.33.22: peer1-org1
192.168.33.23: peer0-org2
192.168.33.24: peer1-org2
192.168.33.25: nfs-server
本次搭建所缓蚂需文件目录如下：
获取源码
启动并进入nfsserver主机
『玖』 orderer节点启动配置什么
Orderer节点启动需要毁型配置orderer.yaml文大余斗件。orderer.yaml文件是指定Orderer节点启动配置选项的主要配置文件。在orderer.yaml文件中，需要进行以下配置：1. Orderer节点的组织名称和节点名称。2. Orderer节点的TLS设置。滚磨3. Orderer节点的服务监听地址和SSL监听地址。4. Orderer节点的共识选项，比如Solo模式、Kafka模式等5. Orderer节点的块文件和日志文件存储路径。6. Orderer节点的认证选项，如客户端证书等。7. 针对raft共识配置共识选项，包括选举超时时间等。8. 集群管理的配置选项，包括使用Genesis块初始化Orderer集、添加新的组织到Orderer等。节点启动时，需要指定orderer.yaml文件所在的路径，可以通过命令行参数–config来指定orderer.yaml的路径。
『拾』 kubernetes控制平面组件：etcd
–listen-peer-urls
–listen-client-urls
–initial-advertise-peer-urls
–initial-cluster
–initial-cluster-state
–advertise-client-urls
1.code
headless svc, 像DNS RR ClusterIP:None
kubectl -n stg1 get endpoints
client 怎么访问：
2.配置文件
3.apply
官方的code有两个问题
本地访问
扩容
利用反亲和性 分布etcd pod到不同节点
~ ❯❯❯ etcdctl get / –prefix
从 etcd 的架构图中我们可以看到，etcd 主要分为四个部分。
etcd 目前支持 V2 和 V3 两个大版本，这两个版本在实现上有比较大的不同，一方面是对外提供接口的方式，另一方面就是底层的存储引擎，V2 版本的实例是一个纯内存的实现，所有的数据都没有存储在磁盘上，而 V3 版本的实例就支持了数据的持久化。
v3默认boltdb
consortium etcd2+mysql
数据默认会存放在 /var/lib/etcd/default/ 目录。我们会发现数据所在的目录，会被分为两个文件夹中，分别是 snap 和 wal目录。
解决三个问题：节点选举、拆仿日志复制以及安全性 。
每一个 Raft 集群中都包含多个服务器，在任意时刻，每一台服务器只可能处于 Leader 、 Follower 以及 Candidate 三种状态；在处于正常的状态时，集群中只会存在一个 Leader 状态，其旅亩纤余耐中的服务器都是 Follower 状态。
所有的 Follower 节点都是被动的，它们不会主动发出任何的请求 ，只会响应 Leader 和 Candidate 发出的请求。对于每一个用户的可变操作，都会被路由给 Leader 节点进行处理，除了 Leader 和 Follower 节点之外，Candidate 节点其实只是集群运行过程中的一个临时状态。
每一个服务器都会存储当前集群的最新任期，它就像是一个单调递增的逻辑时钟，能够同步各个节点之间的状态，当前节点持有的任期会随着每一个请求被传递到其他的节点上。Raft 协议在每一个任期的开始时都会从一个集群中选出一个节点作为集群的 Leader 节点，这个节点会负责集群中的日志的复制以及管理工作。
客户端通过 监听指定的key可以迅速感知key的变化并作出相应处理 ，watch机制的实现依赖于 资源版本号revision的设计 ，每一次key的更新都会使得revision原子递增，因此根据不同的版本号revision的对比就可以感知新事件的发生。etcd watch机制有着广泛的应用，比如利用etcd实现分布式锁； k8s中监听各种资源的变化 ，从而实现各种controller逻辑等。
watch机制的实现主要可分为三个部分
client使用 watchClient 的watch接口发起watch请求，与server端建立一个 gRPCStream 连接。
server端会为每个client生成唯一一个watch id，并记录每个client也就是watcher监听的key或者key range，通过recvLoop接收client请求，通过sendLoop发送请求，server端只负责收发请求和响应。
主要的实现都放在了watchalbStore层，watchalbStore会监听key的变化，然后通过syncWatchersLoop和syncVictimsLoop两个处理流程将key的更新变化包装成event，通过channel发送给gRPC server。
MVCC（Multiversion Concurrency Control）多版本并发控制机制
场景1:
这就是悲观锁
悲观锁：悲观得认为并发事务会冲突，所以要先拿锁，拿到锁的作修改操作
场景2
数据库：写回磁盘，A写好了。哎，B和C都是version 13，我咋写？算了，报错吧。。
就是乐观锁，默认不加锁，你尽管写，冲突我认怂！乐观锁其实不是锁，只是相对悲观锁来定义，适合读多写少。
乐观锁：乐观得认为数据不会冲突，但发生冲突时要能检测到。
场景3
这就是MVCC，在 MVCC 数据库中，你更新一个 key-value 数据的时候，它并不会直接覆盖原数据，而是 新增一个版本来存储新的数据，每个数据都有一个版本号 ，版本号是一个逻辑时钟，不会因为服务器时间的差异而受影响。
MVCC不等于乐观锁！
–rev 查的是main
在底层boltdb里，实际分布是这样的：
底层的key是revision，/奥特曼是用户key，“他很帅”就是用户value
删除
之前有delete动作，但是依然有版本记录。为什么？
删除这个动作，其实etcd是在blotdb里写了一条，“删除用户/奥特曼”
此时有个问题：用户说我的确删除了啊，真的不要了！请把空间还给我啊！
回收 compact（压缩）
etcdctl compact {version}
compact 需要一个版本号。这个版本号就是写事务递增的那个版本号，compact 12345，就是说把版本12345以前的 标记删除了的数据 释放掉，用户没删除的数据肯定不能回收。
如何压缩：
注意修改go.mod
Watch
服务发现要解决的也是分布式系统中最常见的问题之一，即在同一个分布式集群中的进程或服务，要如何才能找到对方并建立连接。本质上来说，服务发现就是想要了解集群中是否有进程在监听 udp 或 tcp 端口，并且通过名字就可以查找和连接。
需要实现的功能；
discover.go
eBay payment
ebay kubernetes 控制面架构
问题
