主题大纲：
1、点拨分布式系统和Raft算法要点
2、深入剖析Raft实现原理
3、干货：基于Raft的分布式系统实战经验
最近我们开源了一个运行在Mesos上的分布式调度器swan(https://github.com/Dataman-Cloud/swan)，在研发过程中发现由于目前的分布式存储并不能满足我们所有需求，所以自己动手将Raft嵌入到swan中，以保证多节点之间的数据同步。在这个过程中我们积累了一些Raft相关的经验和教训，在这里与大家分享。
一、关于分布式系统
分布式系统具有可扩展性和高可用性强等特点，被越来越多的应用到各个应用场景中，但是在分布式系统中，各个服务器之间数据的一致性一直是无法绕过的难题。
所谓一致性，它是指分布式系统中，多个服务器的状态达成一致。但由于各种意外可能，某个服务器发生崩溃或变得不可靠，它就不能与其他服务器达成一致性状态。这样就需要一种Consensus协议，这个协议是为了确保容错性，也就是即使系统中有一两个服务器宕机，也不会影响其他的服务器正常提供服务。
在过去Paxos一直是分布式协议的标准，但是Paxos难于理解，更难以实现。较于Paxos，来自Stanford的新的分布式协议Raft更好用一些，它是一个为真实世界应用建立的协议，主要注重协议的可理解性和落地。
二、Raft如何在多个服务器之间实现数据的一致性
下面简单介绍一下Raft如何在多个服务器之间保证数据的一致性。为了达成一致性这个目标，首先Raft需要进行选举，在Raft中，任何时候一个服务器可以扮演下面角色之一：
Leader：处理所有客户端交互，日志复制等，一般一次只有一个Leader；
Follower：类似选民，完全被动；
Candidate候选人：类似Proposer律师，可以被选为一个新的领导人。参选者需要说服大多数选民(服务器)投票给他。
选举的过程大概分为以下几步：