BALLAST：面向延迟感知的 Raft 超时机制的 bandit 辅助学习

Qizhi Wang

BALLAST：面向延迟感知的 Raft 超时机制的 bandit 辅助学习

机器学习 2025-12-25 v1 人工智能

作者: Qizhi Wang

摘要

随机选举超时是 Raft 中简单有效的存活启发式方法，但在长尾延迟、抖动和分区恢复场景下变得脆弱，由于重复的分裂投票会导致可用性膨胀。本文提出 BALLAST，一种轻量级在线自适应机制，用情境 bandit 替代静态超时启发式。BALLAST 从离散的 timeout "臂" 中选择，使用高效的线性情境 bandit（LinUCB 变体），并通过安全探索增强以在不稳定期间限制风险。我们在可复现的离散事件仿真环境中进行评估，环境包含长尾延迟、丢包、相关突发包、节点异构性以及分区/恢复 turbulence。在具有挑战性的 WAN 场景下，BALLAST 在恢复时间和不可写时间方面显著优于标准随机超时和常见启发式方法，同时在稳定的 LAN/WAN 环境中保持竞争力。

关键词

Raft 超时机制情境bandit 延迟感知分布式系统

引用

@article{arxiv.2512.21165,
  title  = {BALLAST: Bandit-Assisted Learning for Latency-Aware Stable Timeouts in Raft},
  author = {Qizhi Wang},
  journal= {arXiv preprint arXiv:2512.21165},
  year   = {2025}
}

备注

15 pages, 22 tables, 11 figures

BALLAST：面向延迟感知的 Raft 超时机制的 bandit 辅助学习

摘要

关键词

引用

备注

相关论文