Raft 算法实战：实现基于 Go/Python 状态机的分布式强一致性存储
[!NOTE]
在大规模分布式量化交易平台和高可用资管系统中，各服务器节点需要实时共享一份绝对可靠的“核心交易配置”（如策略风控开关、全局主副节点存活状态、清算期现货结算基准）。如果将数据存放在单点数据库中，一旦该点挂起，整个分布式集群将停摆；而多节点同步写入又极易发生数据分裂。本案例基于业界主流的共识基石Raft 协议，利用 Python 强劲的异步协程框架asyncio，设计并实现了一个分布式强一致性存储状态机核心骨架。系统高度还原了 Raft 协议底层的“心跳选主（Leader Election）”、“任期滚动（Terms）”与“日志复制（Log Replication）”状态转移逻辑，展示如何防范脑裂与分裂选票，实现多节点状态强一致性。
一、问题背景与技术选型
分布式量化系统在维护共享存储服务时，往往面临以下 CAP 定理的抉择：
- 防范脑裂（Split-Brain）：当跨机房网络彻底中断，两个网络分区如果各自选举出一个 Leader 并同时接受写操作，会导致数据彻底写坏，无法恢复。共识协议必须保证在任何分区下，只有占多数派（Quorum，即大于 n/2）的节点区才能写成功。
- 状态机强一致性（Linearizable Consistency）：所有节点必须按照完全相同的顺序执行日志指令，这样无论连接哪一个
