NebulaGraph Raft 共识协议中 Leader、Follower 与 Learner 的职责深度解析用户问题原文：“Leader、Follower 和 Learner 在 NebulaGraph 的 Raft Group 中分别承担什么职责？”在超大规模图数据库的生产实践中，数据一致性与高可用性是系统设计的生命线。NebulaGraph 通过 Raft 共识协议，在分布式存储层（Storaged）实现了强一致性的多副本机制。理解 Raft Group 中Leader、Follower和Learner三种角色的精确职责，是进行集群部署、性能调优、故障排查乃至架构设计的基石。本文将深入 NebulaGraph 3.8.0 的源码与官方文档，结合电信网络故障溯源的真实场景，体系化地剖析这三种角色的核心功能、交互流程、状态转换及其在生产环境中的最佳实践。一、问题引入：电信网络故障溯源中的数据一致性挑战想象一个全国性的电信运营商，其核心网络由数百万台路由器、交换机和基站组成。当某地发生区域性网络中断时，运维团队需要在秒级内定位故障根源——是单点设备宕机，还是上游链路被切断？这本质上是一个在超大规模设备拓扑图上进行多跳路径分析的问题。在此场景下，anti_fraud_graph被替换为
