第三章 分布式一致性协议（Paxos/Raft）高频问题
本章聚焦面试中最常考察的分布式共识算法对比与应用细节。面试官通常通过Paxos/Raft的对比快速判断候选人的理论深度与工程落地能力。掌握回答框架、选主流程、日志复制与安全性证明，是冲击大厂分布式存储岗位的关键。
面试问答卡片
卡片一：Paxos与Raft的核心区别是什么？
面试问题：请对比Paxos和Raft，说明为什么Raft更受欢迎？
考察点：对两种算法的理解深度、工程化思维、能否说出本质差异而非背诵概念。
回答框架：
- 一句话概括：Paxos通过多轮提案达成共识，Raft通过强Leader简化流程。
- 三点核心差异：①选主方式（无主 vs 强Leader）；②日志复制顺序（乱序 vs 有序）；③安全性证明复杂度。
- 结论：Raft更易实现与调试，大厂实际项目多采用Raft或混合方案。
示例回答：Paxos强调拜占庭容错但实现复杂，Raft将共识拆分为选主、日志复制、安全性三部分，通过强Leader和任期机制大幅降低理解与实现难度。Raft的语义清晰，适合工程大规模落地，因此更受欢迎。
可能追问：Multi-Paxos如何改进？Raft在选主时如何处理网络分区？
卡片二：Raft选主流程与日志复制细节
面试问题：详细描述Raft的选举过程，以及新Leader如何保证日志一致性？
考察点：对Raft选主时机、投票规则、日志匹配机制的掌握，是否理解“先到先得”与“日志完整性比较”。
回答框架：
- 阶段一：Follower超时触发选举，递增任期，发起RequestVote RPC。
- 阶段二：投票条件——候选人的日志至少与投票者一样新（比较最后任期和索引）。
- 阶段三：日志复制——Leader通过AppendEntries发送新日志，Follower检查prevLogIndex/prevLogTerm，不一致则拒绝并返回冲突信息。
- 阶段四：Leader通过nextIndex递减重试，最终达成一致。
示例回答：选举时Follower任期加1并自荐，投票者只支持任期不低于自己且日志至少同新的候选人。当选后Leader通过AppendEntries复制日志，若Follower的prevLog不匹配则返回拒绝，Leader递减nextIndex直到匹配，再批量复制后续日志。
可能追问：如果Leader宕机后恢复，如何加入集群？Raft如何处理未提交的日志？
卡片三：安全性证明（Leader Completeness）
面试问题：如何证明Raft的领导者完整性（Leader Completeness）？
考察点：是否理解Raft安全性的核心逻辑，能否用数学归纳或反证法阐述。
回答框架：
- 定义：已提交的日志一定出现在未来所有Leader的日志中。
- 反证法：假设Leader A提交了term T的某条日志，且后续Leader B缺失该日志。
- 推导：B当选需要获得多数投票，这些节点中至少有一个同时参与了A的提交（多数相交），该节点投票给B意味着B的日志至少与它一样新，则B必然包含A提交的日志，矛盾。
- 结论：保证已提交日志永不会丢失。
示例回答：采用反证法：假设Leader A提交了某日志L，后续Leader B不包含L。选举时B需获得多数投票，其中至少有一个节点S同时拥有L（因L已提交）。S投票给B说明B的日志不旧于S，则B必须包含S的日志或更大term的日志，而L的term不大于S的term，故B必含L，矛盾。因此Leader Completeness成立。
可能追问：Paxos如何保证安全性？Raft的强约束是否影响性能？
知识结构表格：Paxos vs Raft 关键对比
| 维度 | Paxos | Raft |
|---|---|---|
| Leader角色 | 无固定Leader，Proposer竞争 | 强Leader，负责日志复制 |
| 选主机制 | 通过Prepare阶段选主，可能冲突 | 任期+随机超时，快速选主 |
| 日志复制 | Accept阶段乱序提交 | 顺序追加，通过prevLog匹配 |
| 安全性证明 | 依赖多数轮次，证明复杂 | Leader完整性+多数交集 |
| 工程应用 | etcd(v2)等早期产品 | TiKV、CockroachDB、Consul |
项目案例理解参考（非本章专属，但可作为迁移素材）
虽然第三章不强制输出项目案例，但以下模板可供面试中迁移回答：
业务背景：解决云原生环境下日志复制延迟导致写性能瓶颈。
规模指标：3节点集群，QPS 5k，P99延迟100ms。
技术栈：Go + etcd Raft + gRPC。
核心难点：批处理与流控优化，防止Leader过载。
面试高频追问：如何处理日志回滚？网络分区时如何保证一致性？
可迁移回答话术：“我们参考了Raft的pipeline复制策略，通过调整batch size和并发窗口，将P99从100ms降到30ms，同时利用AppendEntries中的prevLogIndex保证了线性一致性。”
💡 复习建议：手写一遍Raft选主与日志复制的时序图，包括网络分区场景下的行为，能极大提升面试临场表达能力。