中文 | English
书籍名称：《分布式数据服务：事务模型、处理语言、一致性与体系结构》 ISBN：978-7-111-73737-7
本书详细地介绍了分布式数据服务协议库的eRaft原型系统实现原理和代码解剖。
eraft 项目的是将 mit6.824 lab 大作业工业化成一个分布式存储系统，我们会用全网最简单，直白的语言介绍分布式系统的原理，并带着你设计和实现一个工业化的分布式存储系统。
如果你想查看最新的文档，请访问 eraft 官网
首先我们看传统的单节点 C/S 或者 B/S 系统有啥缺点： 单节点意味着只用一台机器，机器的性能是有上限的，而且性能越好的机器价格越贵，想 IBM 的大型机，价格是很贵的。同时，这台机器如果挂掉或者因为写的代码有 bug 导致进程异常，就无法容错，系统直接不可用。
我们分析完单节点系统的缺点后，可以总结一下分布式系统的设计目标
我们设计的分布式系统要具有可扩展性，这里的可扩展其实就是我们可以通过使用更多的机器来获取更高的系统总吞吐以及更好的性能，当然也不是机器越多性能越好，针对一些复杂的计算场景，节点越多性能并不一定会更好。
分布式系统不会因为系统中的某台机器故障而直接停止服务，某台机器故障后，系统可以快速切换流量到正常的机器上，继续提供服务。
我们要实现这一点，最重要的一个算法就是复制算法（replication），我们需要一种复制算法来保证挂掉的机器和切上去顶替它的机器数据是一致的，通常在分布式系统领域有专门一致性算法去保证复制的顺利进行。
建议先看 raft 小论文
带着下面的问题去看：
再看 大论文
好的，通过 Raft 基本算法，我们可以实现一个高可用的 raft 服务器组。我们已经解决了前面可用性和一致性的问题，但是问题还是存在的。一个 raft 服务器组中只有一个 leader 来接收读写流量，当然你可以用 follower 分担部分读流量提高性能（这里会涉及到事务的一些问题，我们会在后面讨论）。 但是系统能提供的能力还是有上限的。
这时候我们就要思考，将客户端写入过来的请求进行分片处理，就像 map reduce，map 的阶段一下，先把超大的数据集切割成一个个小的去处理。
eraft 中使用了 hash 分片的方法，我们将数据通过哈希算法映射到一个个桶 (bucket) 里面，然后不同的 raft 组负责一部分桶，一个 raft 组可以负责多少个桶，是可以调整的。
它是集群做数据管理的逻辑单元，一个分组的服务可以负责多个 bucket 的数据
集群配置表，它主要维护了集群服务分组与 bucket 的映射关系，客户端访问集群数据之前需要先到这个表查询要访问 bucket 所在的服务分组列表
它主要负责集群配置表版本管理，它内部维护了一个集群配置表的版本链，可以记录集群配置的变更。
它主要负责集群数据存储，一般有三台机器组成一个 raft 组，对外提供高可用的服务。
构建依赖
go version >= go 1.21
编译
git clone https://github.com/eraft-io/eraft.git -b eraftbook
cd eraft
make
运行集群基本读写测试
go test -run TestBasicClusterRW tests/integration_test.go -v
运行集群读写基准测试
go test -run TestClusterRwBench tests/integration_test.go -v
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent