随着大数据时代的到来,各行各业产生的数据量都急剧的增长,传统的单节点服务器的局限性开始显露。在解决高并发访问问题上,分布式服务器逐渐成为更好的一种方案。在这个背景下,为了处理日渐增长的ETC数据量问题,武汉市ETC交易系统也引入了分布式服务器,重新构建一个高并发、高整合性的数据交换平台。然而该数据交换平台为了兼容过去ETC采用的单数据源模式,使得部分业务产生了“多服务器单数据源”的问题,无法满足业务数据之间的数据一致性。由于,此类问题具有一定的普遍性。本文针对ETC项目中引出的“多服务器单数据源”的一致性问题,着重研究了几种比较常用的分布式一致性算法中的主节点选举方案。分析后作者发现,Raft算法的随机超时选举主节点机制,非常适合解决分布式服务器在单数据源模式下产生的一致性问题。与此同时,作者也发现,Raft算法本身未能结合服务器负载情况进行实时选举,在长期运行正常的集群中表现一般。因此,本文提出一种基于负载的投票机制,将服务器的CPU使用率、内存使用率、网络带宽占用率和磁盘使用率四个参数作为服务器负载的评价标准。作者通过监测ETC服务器的实时负载数据,将负载计算引入新的主节点选举机制,同时,改进Raft算法中的通信选举协议与流程,新增在心跳协议过程进行主节点的选举模式。文章最后对改进前后的Raft算法性能做比较。结果显示,虽然选举时间速率有所小幅下降,但是在服务器负载差距比较大的情况下,集群的访问效率提升了最多25%。在一定程度上,提升了系统的异常情况下的性能,而不至于影响系统的正常情况的性能。