Elasticsearch在搜索领域中市场比较大，除了产品功能外，其产品设计也是我们研究的重点，本文主要研究Elasticsearch5.6.12的选主流程。
1. 先说说Bully选主算法
在分析源码之前，如果我们提前看下官方文档对架构的介绍会起到事半公倍是效果，因为Elasticsearch选主算法是基于Bully的改造，因此我们先简单看下Bully算法。
1.1 bully算法是干什么的
Bully算法是分布式系统中的一个选主算法，在系统需要选主或者主节点挂掉的时候，这个算法可以选举新的主节点,并且让其它节点知道谁是主节点。
1.2 bully算法的使用场景
根据bully算法的定位，目前用的比较多的场景有2个：
-
集群管理
Bully算法被广泛应用于分布式系统，通过Bully算法选取主节点来管理整个集群的状态，分配任务，确保集群稳定运行。
-
故障恢复
在主节点出现故障时，Bully算法可以快速选取新的主节点替代，确保集群的可用性。
1.3 Bully算法的原理
通过Bully算法的选主过程，每个节点都可以发起选主，每个节点同一时刻只能发起一次。正如Bully算法的名字，算法以“恃强”原则，根据节点定义的优先级ID，取ID最大值的节点作为主节点。该选举过程分为3个节点：
-
初始化过程
在该阶段，当前节点探测到失效的主节点。
-
选主过程
当前节点向小于其ID的所有节点发送“election”消息，如果当前节点没有收到“alive”消息，则该节点会成为主节点。否则，当前节点会被返回“alive”消息的节点取代，继续发起选主过程。
-
通知过程
新的主节点选定，主节点会发送“victory”消息给其它节点，告知新的主节点信息。
1.4 Bully算法的局限性
Bully算法整个选主过程非常简单高效，但可以发现，因为每次选主要取最大ID的节点，如果在网络不稳定时，最大ID节点频繁出现宕机加入集群时，会触发集群频繁选主。此外，该算法在出现网络分区时，因为各分区在局部进行选主，会产生脑裂问题。最后，在集群规模比较大时，大量的“election”，“alive”消息造成的网络拥塞也是在实际场景中需要考虑的点。
2. Elasticsearch的选主过程
ES的选主过程是基于Bully算法的，正如上文讲述的Bully算法的局限性。ES在此进行了一些改进，下面我们从源码层面简单看看ES的整个选主过程。整体来说，ES选主过程主要涉及两个类：ZenDiscovery和ElectMasterService/MasterCandidate。
ZenDiscovery： 确定触发选主的条件、判断哪些节点参与选主。
ElectMasterService/MasterCandidate： 确定如何选取候选节点中的master。
下面具体展开：
首先确定参与选主的节点，在这里对于参与选主的节点可以根据集群规模进行设置是否仅master节点参与选主。
List<ZenPing.PingResponse> fullPingResponses = pingAndWait(pingTimeout).toList();
// 可以根据masterElectionIgnoreNonMasters参数选择过滤非master属性的节点参与选主，加快选主过程
final List<ZenPing.PingResponse> pingResponses = filterPingResponses(fullPingResponses, masterElectionIgnoreNonMasters, logger);
List<ElectMasterService.MasterCandidate> masterCandidates = new ArrayList<>();
for (ZenPing.PingResponse pingResponse : pingResponses) {
if (pingResponse.node().isMasterNode()) {
masterCandidates.add(new ElectMasterService.MasterCandidate(pingResponse.node(), pingResponse.getClusterStateVersion()));
}
}
根据目前是否存在活跃的master节点确定是否开启选主
//没有活跃的master
if (activeMasters.isEmpty()) {
//候选的master节点过半（配置的master节点总数）
if (electMaster.hasEnoughCandidates(masterCandidates)) {
final ElectMasterService.MasterCandidate winner = electMaster.electMaster(masterCandidates);
logger.trace("candidate {} won election", winner);
return winner.getNode();
}
}
在这里开始进行ElectMasterService#electMaster的过程，这里实现怎么从众多候选者中选出master节点，主要还是根据集群的最新状态和节点ID的最大值确定。
public MasterCandidate electMaster(Collection<MasterCandidate> candidates) {
assert hasEnoughCandidates(candidates);
List<MasterCandidate> sortedCandidates = new ArrayList<>(candidates);
sortedCandidates.sort(MasterCandidate::compare);
return sortedCandidates.get(0);
}
public static int compare(MasterCandidate c1, MasterCandidate c2) {
// we explicitly swap c1 and c2 here. the code expects "better" is lower in a sorted
// list, so if c2 has a higher cluster state version, it needs to come first.
//最新集群状态的节点优先
int ret = Long.compare(c2.clusterStateVersion, c1.clusterStateVersion);
if (ret == 0) {
//其次看节点的ID
ret = compareNodes(c1.getNode(), c2.getNode());
}
return ret;
}
选主完成后告诉其它节点
public void onElectedAsMaster(ClusterState state) {
joinThreadControl.markThreadAsDone(currentThread);
// we only starts nodesFD if we are master (it may be that we received a cluster state while pinging)
nodesFD.updateNodesAndPing(state); // start the nodes FD
}
3. ES选主的改进点
从整个代码分析来看，ES中Bully算法的实现上有通过过半以及候选节点过滤原则来避免Bully算法本身的局限性。
注意：本文归作者所有，未经作者允许，不得转载
