Paxos是分布式协议的标准，由美国大佬莱斯利·兰伯特提出（2013年图灵奖，现在在微软研究院，学术软件laTex开发者）。Paxos是即使基于不可靠网络也能实现分布式服务器共识一致性的算法。分布式一致性（Distributed consenseus）不再阐述。
不过Paxos不仅仅复杂难以理解，同时也很难在工程上实现，即使强如Google，它完成的分布式锁系统Chubby（作为Paxos的实现）也曾经遭遇到许多的坑。而Raft，《InSearch of an Understandable Consensus Algorithm》，则是一个更加可实现的新的分布式协议，它从设计之初就以可理解性作为准则之一。是更加容易理解，实现的分布式一致性算法。
角色
分布式架构中，需要有一个主服务器（master）来管理其他的从服务器，统一他们的信息和状态，每一个节点，即一个服务器，虽然功能大体相同，但是都应该有各自的角色属性，或者说角色状态。在Raft中，每个服务器都可以扮演三种角色：
- Leader
处理所有的客户端的交互，日志的复制等，一般只有一个Leader。
- Candidate
当不存在一个Leader时，可以成为一个Candidate（候选者），来竞选成为Leader。
- Follower
存在一个已知的Leader时，其他的节点将会自动成为Follower听从Leader指挥。
选举
即推选一个Leader过程，当集群中不存在一个Leader时，就会有Follower成为候选者并开始选举。成为Leader需要候选者得到半数以上的票，为了以容错方式达成一致，我们不可能要求所有服务器100%都达成一致状态，只要超过半数的大多数服务器达成一致就可以了，假设有N台服务器，N/2 +1就超过半数，代表大多数了。
投票
每一个节点都存在一个Timeout,当一个节点的Timeout到达时，若此时没有Leader，则它将成为一个候选者，并向其他的节点发出投票请求，当它获得的票数大于N/2 +1时，该节点将当上Leader，此时Leader向其他节点发出心跳包，告诉其他节点它已当选Leader，并重置其他节点的Timeout。只要Leader不掉线，网络通畅，心跳包将持续发送到其他的Follower并重置他们的Timeout, 这样不会有下一个Candidate出现。注意，每一次重置的Timeout是范围内随机的一个值，这样能够制造’先后’。
多个候选者同票
每个节点都有一个随机的Timeout,并且候选者发出投票请求后也会重置其它Follower的Timeout（即投票过的节点不太可能再在这一次选举中成为候选者）,但是仍然有可能有多个候选者同时产生并发出请求。此时先达到半数投票的候选者会成为新的Leader，若候选者得到了相同的票数，那么这些候选者会重新举行一次选举并重新获得一个随机的Timeout，当Timeout完成后候选者依旧会发出投票请求。一般来说第二次投票先成为候选者的成为Leader的可能性是最大的（两次随机值都相同的可能性极小）。当然机制已经在这，不外乎多选几次。