作为构建高可用分布式系统的基础,如何保持系统计算节点之间数据的一致性是当今学术界和工业界共同关注的课题。Raft算法凭借其原理易懂,易于实现等优势,被广泛地应用于解决分布式计算系统中的数据一致性问题。但传统Raft算法采用的强领导者策略,在集群领导者节点发生故障时,会直接影响整个系统的可用性;并且随着系统规模的不断增大,领导者节点也会成为系统的性能瓶颈。针对上述问题,本文以Raft算法为基础,分别从日志同步方式的改进和节点权限提升两方面进行优化,解决传统Raft算法领导者节点带来的单点故障和性能瓶颈的问题。具体工作如下:1.设计了一种分段式日志同步模型。该模型将算法中的日志同步拆分成日志复制与日志协商定序两个阶段,并且将这两阶段异步执行。一方面通过将处理集群请求与实现集群数据共识的工作均摊到各节点上的方式,减少领导者节点上的资源消耗,均衡集群的负载;另一方面,集群节点采用日志协商定序算法对集群日志进行协商定序,保证了集群日志提交的顺序性与正确性,同时也提高了系统的对外响应速度,通过对故障场景下定序过程的模拟与分析,验证了该模型的安全性与可靠性。2.基于分段式日志同步模型,针对Raft算法中存在的单领导者节点成为系统性能瓶颈问题提出了一种改进算法——Balanced＿Raft算法。该算法规定集群中所有节点都有平等处理集群事务的权利和地位,降低了集群系统在运作时对领导者节点的依赖,提高了集群系统的可用性;重新设计了日志条目格式以及相同日志条目的判断标准,采用反熵的方式进行集群节点之间的日志一致性检查,并且用增量数据对比方式代替检查过程中的全量数据对比方式,进一步降低了一致性检查对系统性能的损耗。另外,本算法借助分段式日志同步模型的思想来设计实现集群的日志同步,提高了集群的响应速度和吞吐量。最后,在BRPC的架构之上,实现了Balanced＿Raft算法,并从功能与性能两方面对本文所做工作进行测试与验证。功能方面,除了对集群基本功能进行测试以外,还引入了并发请求测试与故障恢复测试,验证了Balanced＿Raft算法功能的完善性与可靠性;性能方面,从负载均衡、响应延迟时间、吞吐量以及系统可用性四个维度,分别将Balanced＿Raft算法与Raft算法进行性能对比。实验结果验证,Balanced＿Raft算法有效地减少了领导者节点上过重的负载量与过多的资源消耗,同时提高了跟随者节点上空闲资源的利用率,实现了集群负载均衡;当有大量的写入请求接入集群后,Balanced＿Raft算法的响应延迟时间与吞吐量要优于Raft算法,尤其当客户写入请求数量达到1000条以上时,Balanced＿Raft算法的响应延迟时间比Raft算法减少接近2倍,而其吞吐量则比Raft算法提升接近1.2倍。另外,在领导者节点存在故障的场景下,Balanced＿Raft算法也展示出了比Raft算法更高的可用性。