Replica Set 选举过程

shengnan007

    在MongoDB中，为了提高系统的可用性（availability）和数据的安全性，每一个shard被存储多份，每个备份所在的servers，组成了一个replica set。
/ i; Z# b8 y8 Y: b
   这个replica set包括一个primary DB和多个secondary DBs。Primary DB由replica set中的所有servers，共同选举产生。当这个primaryDB server出错的时候，可以从replica set中重新选举一个新的primaryDB，从而避免了单点故障。

    因此，了解replica set的运行机制，首先就要了解，在replica set中，primary是如何被选举出来的。

    假设我们的replica set有三个节点：X，Y和Z。这三个节点每2秒会各自向其它两个节点发送一个心跳检测请求。比如X节点向Y和Z节点各发送了一个心跳检测请求，在正常情况下，Y、Z会做出回复，这个回复包含了Y和Z的自身信息，这个信息主要包括：它们现在是什么角色（primary 还是 secondary)，他们是否能够成为 primary，他们当前时钟时间等等。

    X节点在收到回复后，会更新自己的一个状态映射表，更新的内容包括：是否有新的节点加入或有老的节点宕机了，这个请求的网络传输时间等等。

    这个时候，如果X的映射表发生了变化，X会进行如下一些判断：如果X是 primary，而replica set中的某个节点出现了故障，X要确认它是否可以和replica set中的大多数节点通信，如果不能与大多数节点通信，那么存在如下两种可能，一种是绝大多数的servers都出现了故障，比如宕机了；另外一种，就是replica set中网络断开，形成多个节点集群，每个集群都不知道自己被孤立了，这种情况下，每个节点集群，都会选出自己的primary，从而导致整个replica set中，出现数据不一致。为了防止第二种情况的出现，一旦X发现自己不能与大多数节点通信，那么它会把自己从 primary 降级为 secondary。
) a) o6 p* Z1 h
降级

$ w, u/ d& v$ \' I+ M. a    在 MongoDB 中，写操作默认是 fire-and-forget 模式，也就是说执行写操作的时候不关心是否写入成功，用户发完写操作的请求后，就认为操作成功了。
% w) o/ n; y+ ]8 P, x1 X
    在X节点从 primary 降级为 secondary 的时候，会存在一些问题：如果用户正在执行fire-and-forget 模式下的写操作，这个时候 primary 降级了，但是用户并不知道primary 已经降级成为 secondary 了，继续不停的发送写操作请求给这个primary节点。这个刚刚从primary降级为 secondary 的节点，本来可以发送一个信息给用户，“我是secondary，不能执行写操作了”，但是由于当前的写操作是在fire-and-forget 模式下，用户不会接收回复消息，所以用户不知道这次写入已经失败了。
) t7 r/ Z" i- G* q5 g- j
    你可能会说，“那我们使用安全写入不就行了”，安全写入意思是说等待服务器返回成功后用户才认为写成功了，但是这对写操作的性能是有损失的。

9 v) M/ T) [* Z# S6 G: R! o    所以，在一个 primary 降级成为 secondary 后，它会将和用户之间的所有连接关闭，这样用户在下一次写入的时候就会出现 socket 错误。而客户端在发现这个错误之后，就会重新向replica set获取新的 primary 的地址，并将后续的写操作都往新的primary上写入。
  t; u8 \6 [# K; E& }+ q
选举

- L; \/ f& l& S    我们回头再来看心跳检测：如果X是一个 secondary节点，就算X上的状态映射表没有发生变化， X也会定时向replica set中的其他节点发消息，检测是否需要选举自己成为 primary。检测的内容包括：replica set集群中，是否有其它节点认为自己是 primary？X节点自己是否已经是 primary？X节点是不是没有资格被选举为 primary？如果以上问题中的任何一个回答是否定的，X节点就不会把自己变成primary，然后隔一段时间继续向replica set中的其他节点发消息，检测上述问题。

: ?& e8 v  d2 C# F1 {    当确实需要选举一个primary时，X就会发起选举的第一个步骤，X节点会向Y、Z节点发出一条消息，“我想竞选primary，你们觉得怎么样？”
1 D9 m  W0 z' X8 [- W
$ J3 h& x- m+ z* S& r  B    当Y和Z收到X发送的消息时，它们会进行下面几项检测：Y和Z是否已经知道replica set集群中有一个 primary了？Y和Z自己的数据是否比X节点的数据更新？Y和Z是否知道有其它节点的数据比X节点的数据更新？如果每一项检测都不满足，就说明X最适合作为primary，Y和Z暂时回复一条消息，“继续进行”。如果Y和Z发现上述的问题，有任何一条满足，就说明X不能作为primary，它们会回复“停止选举。”
2 j! C  B  e. V/ m# \
    X从Y和Z收到的回复消息，如果其中任何一个节点发送的是“停止选举”，那么X会立刻取消选举，继续作为secondary节点运行。

. ]  m" X) P; v9 F* O  s5 O. F    X从Y和Z收到的回复消息，如果全都是“继续进行”，X就会进入选举的第二阶段（也是最后一个阶段）。

, p: z" x3 j4 @5 O1 I    在第二阶段中，X向其它节点发送一条消息，“我正式宣布我当选了，已经是primary了”，这时，Y和Z节点会进行最后一轮确认：之前验证过的所有条件现在还成立么？如果确实如此，Y和Z节点投出赞成票，允许X当选为primary，同时X得到了election lock。Election lock会限制Y和Z在30秒内不会再做其它投票决定。
4 w' p( E7 ~. S5 H7 ~
4 b. ?- c1 Q1 C# X% P    如果Y或者Z节点的最后一轮确认没有通过，它们会投一个否决票。只要有一个否决票，选举就失败了。

    假设Y赞成X成为primary，但是Z投了否决票，那么X就不能当选为primary了。这时，如果Z想发起选举，选自己担任primary，那么Z就必须获得X的赞成票才可以当选。Z必须获得X的赞成票的原因是，Y给X投了赞成票之后，得到了election lock，因此，30秒内Y不能再为其他选举投票了，也就是说30秒内不能为Z发起的选举进行投票。这时，只剩下X能为Z的选举请求进行投票了。
8 V: F# F& E1 [- s0 W1 X8 {
    所以投票的规则是这样的：如果没有人投否决票，并且选举对象获得的赞成票超过半数，那么选举对象就能够成为 primary。

$ M9 q$ l# s. V( j6 {& @7 y  V+ ?
Reference，

[0] Replica Set Internals Bootcamp: Part I – Elections
http://www.kchodorow.com/blog/20 ... p-part-i-elections/