近年来,随着大数据,云计算和物联网等新技术的大规模应用,数据存储量级开启了爆炸式增长,为了满足不断增长的数据存储需求,各个行业纷纷开始着手建设企业数据中心,提高业务效率,保证服务无间断,数据中心已经成为了企业运行不可分割的一部分。相对于传统的集中式数据中心,分布式数据中心具有更强的水平扩展能力并且能够按照业务需求实现分布式部署,可以更好的帮助企业提供服务。但构建分布式数据中心需要面临复杂的系统架构设计,数据一致性以及运维管理等多方面的挑战,其中最为基本也最重要的一项就是数据一致性,数据一致性是保证服务正常运行的关键。分布式存储领域通常采用分布式一致性算法来实现分布式一致性,目前使用最广泛的分布式一致性算法有两种,一种是Paxos算法,一种是Raft算法。Raft算法相对于经典的Paxos算法更易于理解和实现,但由于Raft算法的强领导者特性导致其在水平扩展性上存在限制,并不适用于海量数据存储的场景,因此本文针对Raft算法的这一缺陷,设计了Scalable-Raft分布式存储方案。Scalable-Raft是基于Raft算法构建的多数据中心存储系统,支持高并发访问以及海量数据存储,并具有良好的扩展性。本文主要工作如下:(1)全面了解分布式存储领域相关技术。重点研究分布式存储数据分布,分布式存储一致性的实现,并结合Paxos算法与Raft算法对分布式存储一致性进行深入学习,了解两种算法的运行机制以及各自的优缺点。(2)Raft算法的实现与优化。深入了解Raft算法的工作原理,完成Raft算法的实现,并针对Raft算法在工程应用中存在的问题给出优化方案,提高Raft算法运行的效率和稳定性。(3)Scalable-Raft方案的设计与实现。本文中分析了Raft算法在水平可扩展性方面的局限性,并针对这一局限性提出了一种新的Scalable-Raft方案,Scalable-Raft系统支持弹性伸缩,具有良好的水平可扩展性。此外,Scalable-Raft方案支持高并发访问和海量数据存储。(4)负载均衡实现。针对多数据中心存储中的数据负载均衡和Leader负载均衡提出了相应的负载均衡策略,保证每一台服务器的资源均得到充分了利用,以获得最优的系统性能。为了评估Scalable-Raft方案的性能和有效性,本文中基于Scalable-Raft方案搭建了多数据中心存储系统,通过多项实验对比了Scalable-Raft方案和Raft算法的性能,实验结果表明,在高并发访问场景下,Scalable-Raft方案相对于Raft算法有着更好的性能,并且Scalable-Raft方案具有良好的水平扩展性,可以随着系统的扩展应对更高访问量的场景。