one2excellent的博客

这篇文章简单实现了mit6824lab3B，raft日志一致性的实验，对于raft如何实现日志一致性，Leader节点和Follower节点何时进行日志commit有更深层次的认识与了解。

本篇专注于Raft选举机制，实现mit6824Lab3A的领导选举功能，对于理解分布式公式算法-Raft的领导选举、状态流转、选举超时控制以及简单心跳检测机制有益。

Raft学习记录，汇总分布式Raft相关知识。

这个Lab2整体比较容易，根据官方提示，能够写出一大半。有一点小细节参考其他优秀博客实现。第一个任务总体没有难度，只需要在client.go文件中写对应的调用代码，随后在 server.go 中定义 map 存储对应元素即可。在这里我不给出任务1的代码了，可以参考下面任务2的总体代码，里面包含任务1的代码。任务2相对任务1有点难度，根据上面图片提示可以总结如下：结果体定义：common.go 中比较重要的：上面的PutAppendArgs 结构体中的后两个变量：server.go中结构体：kvMa

mit6824推荐的第3篇论文VM-FT。可以阅读这篇博客「」学习VM-FT论文，下面内容是基于另外博客对改内容的扩容，推荐阅读。

本文主要聚焦于MIT6.824Lab1实现，本人结合其他人的博客以及代码，自己实现了Lab1并通过了所有测试，将自己的理解以及感悟汇总记录。

本问主要聚焦于GFS，参考其他博主的博客，学习GFS文件系统的设计理念以及实现，后续会抽时间学习原论文，并不断更新自己的认知。

在远程读取进程中，文件是否会传输到reducer？会。map函数产生的中间结果存放在执行map函数的worker机器的磁盘上，而之后解调器分配文件给reducer执行reduce函数时，中间结果数据需要通过网络传输到reducer机器上。这里其实很少有网络通信，因为一个worker在一台机器上，而每台机器同时运行着worker进程和GFS进程。