随着互联网数据量和并发量的飞速增长,单机系统已经难以满足庞大的业务需求,大型互联网公司采用分布式系统架构,扩展系统拥有的硬件资源,降低并发冲击带来的风险。多副本是解决分布式单点问题和实现负载均衡的重要手段,多副本之间数据的一致性需要通过一致性协议保证,常用的分布式一致性协议Raft在保证数据一致性的同时,也降低了系统的吞吐量。Raft的性能问题在高并发、大规模集群的场景下更为突出。因此设计并实现了基于Raft协议的并行分布式算法,在保证分布式一致性的同时,有效提升分布式算法效率。Raft算法虽然有较好的可理解性,但传统Raft算法的实现在高并发场景下存在并发性能差、选举耗时不可控等问题。在保留Raft算法易于理解,便于实现的数据特点的基础上,针对Raft的效率问题,重新设计了领导人选举和日志同步的流程。提出了基于同步时钟的选举算法,将选举流程按照时间节点划分为发起投票、收集选票和广播结果三个阶段来逐步完成选举,使选举在特定的物理时间触发,在固定的时间内完成。对于日志同步效率问题,针对性地设计了缓存方案,批量提交客户端的请求。在实现上,增加设备网关,解耦一致性系统和具体的业务功能,降低一致性系统的负载。经过测试与实验,基于Raft协议的并行分布式算法在无主状态下能够正确选主,并且满足数据一致性和可用性。在大规模分布式集群和客户端的高并发请求的场景下,上述算法在选举效率,日志提交时延方面均有良好的表现。