表 1：考虑到可能会存在的偏?见，对于每种情况的解决?方法，和相应的材料料 。参加者平均在 Raft 的测验中?比 Paxos ?高 4.9 分（总分 60，那么 Raft 的平均得分是 25.7，?而 Paxos 是 20.8）；图 14 展示了了每个参与者的得分 。配置t-检验（?又称student\'s t-test）表明，在 95% 的可信度下，真实的 Raft 分数分布?至少?比 Paxos ?高 2.5 分 。
关?心 缓和偏?见采取的?手段可供查看的材料料
相同的讲课质量量
两者使?用同?一个讲师 。Paxos 使?用的是现在很多?大学?里里经常使?用的 。Paxos 会?长 14% 。
视频
相同的测验难度
问题以难度分组，在两个测验?里里成对出现 。
?小测验
公平评分
使?用评价量量规 。随机顺序打分，两个测验交替进?行行 。
评价量量规（rubric）
图 14：?一个散点图表示了了 43 个学?生在 Paxos 和 Raft 的?小测验中的成绩 。在对?角线之上的点表示在 Raft 获得了了更更?高分数的学?生 。我们也建?立了了?一个线性回归模型来预测?一个新的学?生的测验成绩，基于以下三个因素：他们使?用的是哪个?小测验，之前对 Paxos 的经验，和学习算法的顺序 。模型预测，对?小测验的选择会产?生 12.5 分的差别 。这显著的?高于之前的 4.9 分，因为很多学?生在之前都已经有了了对于 Paxos 的经验，这相当明显的帮助 Paxos，对 Raft 就没什什么太?大影响了了 。但是奇怪的是，模型预测对于先进?行行 Paxos ?小测验的?人?而?言，Raft的得分低了了6.3分; 虽然我们不不知道为什什么，这似乎在统计上是有意义的 。我们同时也在测验之后调查了了参与者，他们认为哪个算法更更加容易易实现和解释；这个的结果在图 15 上 。压倒性的结果表明 Raft 算法更更加容易易实现和解释（41 ?人中的 33个） 。但是，这种?自?己报告的结果不不如参与者的成绩更更加可信，并且参与者可能因为我们的 Raft 更更加易易于理理解的假说?而产?生偏?见 。
图 15：通过?一个 5 分制的问题，参与者（左边）被问哪个算法他们觉得在?一个?高效正确的系统?里里更更容易易实现，右边被问哪个更更容易易向学?生解释 。关于 Raft ?用户学习有?一个更更加详细的讨论 。
9.2 正确性在第 5 节，我们已经制定了了正式的规范，和对?一致性机制的安全性证明 。这个正式规范使?用 TLA+ 规范语?言使图 2 中总结的信息?非常清晰 。它?长约400?行行，并作为证明的主题 。同时对于任何想实现 Raft 的?人也是?十分有?用的 。我们通过 TLA 证明系统?非常机械的证明了了?日志完全特性 。然?而，这个证明依赖的约束前提还没有被机械证明（例例如，我们还没有证明规范的类型安全） 。?而且，我们已经写了了?一个?非正式的证明关于状态机安全性是完备的，并且是相当清晰的（?大约 3500 个词） 。
9.3 性能Raft 和其他?一致性算法例例如 Paxos 有着差不不多的性能 。在性能?方?面，最重要的关注点是，当领导?人被选举成功时，什什么时候复制新的?日志条?目 。Raft 通过很少数量量的消息包（?一轮从领导?人到集群?大多数机器器的消息）就达成了了这个?目的 。同时，进?一步提升 Raft 的性能也是可?行行的 。例例如，很容易易通过?支持批量量操作和管道操作来提?高吞吐量量和降低延迟 。对于其他?一致性算法已经提出过很多性能优化?方案；其中有很多也可以应?用到 Raft 中来，但是我们暂时把这个问题放到未来的?工作中去 。我们使?用我们?自?己的 Raft 实现来衡量量 Raft 领导?人选举的性能并且回答两个问题 。?首先，领导?人选举的过程收敛是否快速？第?二，在领导?人宕机之后，最?小的系统宕机时间是多久？

• 人生低谷的时候，怎么寻找出路？
• 我的世界大全 我的世界
• 网上怎样找女朋友 网上找人上哪个网站怎么寻找亲人
• 87%以上新兵拥有大专学历，低学历当兵如何寻找出路？
• 寻找尸源女 玩尸女的看法
• 超级巨星游戏下载
• 寻找那遗失的年味
• 寻找乡村的味道
• 寻找心灵的故乡
• 创业扶持项目 如何寻找创业项目