RaftKeeper:高性能分布式共识服务的未来
在分布式系统领域,共识服务是确保数据一致性和系统高可用性的关键组件。然而,传统的共识服务如Zookeeper在性能和稳定性方面存在一定的局限性。为了解决这些问题,RaftKeeper应运而生,它不仅继承了Zookeeper的优秀特性,更在性能和稳定性上实现了质的飞跃。
项目介绍
RaftKeeper是一款高性能的分布式共识服务,完全兼容Zookeeper,并可通过Zookeeper客户端进行访问。它实现了Zookeeper的大部分功能(除Container节点、TTL节点、quota等),并提供了一些额外的功能,如更多的监控指标、手动Leader切换等。RaftKeeper的核心优势在于其卓越的性能和查询稳定性,TPS(每秒事务处理量)是Zookeeper的两倍以上,TP99(99%的请求响应时间)更加平滑。
项目技术分析
RaftKeeper的技术架构基于Raft共识算法,并采用了**C++**语言进行开发,确保了系统的高效性和稳定性。其数据存储在内存中,并通过快照和操作日志的组合实现数据持久化。为了进一步提升系统效率,RaftKeeper的执行框架采用了流水线和批处理的方式,显著提高了整体吞吐量。此外,RaftKeeper还从ClickHouse和NuRaft项目中汲取了大量优秀的设计理念和技术实现,确保了其在性能和稳定性上的卓越表现。
项目及技术应用场景
RaftKeeper适用于需要高并发、高可用性的分布式系统场景,如:
- 微服务架构:在微服务架构中,RaftKeeper可以作为服务注册与发现的中心,确保服务的高可用性和一致性。
- 分布式数据库:在分布式数据库中,RaftKeeper可以作为数据一致性保障的底层服务,确保数据的强一致性。
- 实时计算系统:在实时计算系统中,RaftKeeper可以作为状态管理和协调的中心,确保计算任务的高效执行。
项目特点
- 高性能:RaftKeeper的TPS是Zookeeper的两倍以上,能够满足高并发场景下的性能需求。
- 高稳定性:RaftKeeper的TP99更加平滑,确保了系统在高负载下的稳定运行。
- 完全兼容Zookeeper:RaftKeeper完全兼容Zookeeper,用户可以无缝迁移,无需修改现有代码。
- 丰富的监控和管理功能:RaftKeeper提供了更多的监控指标和管理功能,方便用户进行系统监控和管理。
- 手动Leader切换:RaftKeeper支持手动Leader切换,方便用户在特定场景下进行系统维护和优化。
如何开始?
1. 构建RaftKeeper
RaftKeeper支持在Linux和Mac OS上构建,支持x86和arm64架构。以下是在Ubuntu上的构建步骤:
# 安装工具
sudo apt-get install cmake llvm-17
# 克隆项目
git clone https://github.com/JDRaftKeeper/RaftKeeper.git
git submodule sync && git submodule update --init --recursive
# 构建项目
export CC=`which clang-17` CXX=`which clang++-17`
cd RaftKeeper && /bin/bash build.sh
# 为ClickHouse构建(如果ClickHouse客户端与Zookeeper不完全兼容)
cd RaftKeeper && /bin/bash build.sh 'clickhouse'
# 构建文件位于'build/'目录下
2. 部署RaftKeeper
要部署RaftKeeper集群,请参考如何部署。
3. 访问RaftKeeper
您可以使用Zookeeper的shell客户端zkCli.sh访问RaftKeeper,或使用Java、Python或C的Zookeeper客户端进行访问。以下是一个zkCli.sh的示例:
./zkCli.sh -server localhost:8101
此外,RaftKeeper还支持Zookeeper的4lw命令,用于监控和管理RaftKeeper,详细信息请参考如何监控和管理。
4. 从Zookeeper迁移
RaftKeeper提供了一个工具,可以将Zookeeper的数据转换为RaftKeeper格式。您只需将转换后的数据迁移到RaftKeeper中即可,详细步骤请参考如何从Zookeeper迁移。
结语
RaftKeeper作为一款高性能、高稳定性的分布式共识服务,不仅继承了Zookeeper的优秀特性,更在性能和稳定性上实现了质的飞跃。无论是在微服务架构、分布式数据库还是实时计算系统中,RaftKeeper都能为您提供卓越的服务保障。立即体验RaftKeeper,开启您的分布式系统新篇章!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00