要问为啥单独把这个算法拎出来。。。相信我，等你学到它就会明白，用Raft作者在论文里的话来说，“…Paxos is exceptionally difficult to understand”；但它又特别重要，目前商业应用（例如Google的Chubby）中的distributed consensus算法实现的基本都是Paxos的变种。
500lines/cluster at master · aosabook/500lines · GitHub
当你把作业里的lab3做完，自己实现了一个Paxos之后，可以来Github上看看大牛是怎么写的。
顺便安利一下这个叫做“500lines”的项目：这个项目其实是一本书（ The Architecture of Open Source Applications）的源代码附录，是一堆大牛合写的。这个项目个人觉得非常适合看完了一本编程语言教材、想写点实际的东西又不知道如何下手的同学们。里面包含了各种各样的小工程（正如书的名字所述，每个文件都不超过500行），每个小工程都是由某个大牛（比如说Guido van Rossum，Python的作者）负责撰写，包含详尽的测试代码，以及最重要的，文档——不是那种描述API的文档，而是用来教学的文档，里面会详细地解释整个工程的设计思路、所用技术的原理，还有大量的参考文献。
回复 ( 10 )
Update：
原问题还请教了有哪些开源项目可以参与实践，这个我了解不多，请有需要的看其它人的回答。
1. Distributed-systems-readings
这个网址里收集了一堆美帝各TOP大学分布式相关的课程，我就是从这找到MIT的那门课的。
2. Paxos算法
要问为啥单独把这个算法拎出来。。。相信我，等你学到它就会明白，用Raft作者在论文里的话来说，“…Paxos is exceptionally difficult to understand”；但它又特别重要，目前商业应用（例如Google的Chubby）中的distributed consensus算法实现的基本都是Paxos的变种。
Paxos vs Raft
这个网站是Raft算法的作者为教授Paxos和Raft算法做的，其中有两个视频链接，分别讲上述两个算法，个人认为是目前看过的相关资料中讲的最好的。
500lines/cluster at master · aosabook/500lines · GitHub
当你把作业里的lab3做完，自己实现了一个Paxos之后，可以来Github上看看大牛是怎么写的。
顺便安利一下这个叫做“500lines”的项目：这个项目其实是一本书（ The Architecture of Open Source Applications）的源代码附录，是一堆大牛合写的。这个项目个人觉得非常适合看完了一本编程语言教材、想写点实际的东西又不知道如何下手的同学们。里面包含了各种各样的小工程（正如书的名字所述，每个文件都不超过500行），每个小工程都是由某个大牛（比如说Guido van Rossum，Python的作者）负责撰写，包含详尽的测试代码，以及最重要的，文档——不是那种描述API的文档，而是用来教学的文档，里面会详细地解释整个工程的设计思路、所用技术的原理，还有大量的参考文献。
3. Youtube
好几次我碰到某篇论文实在读不懂，就上Google一搜，然后发现Youtube上一堆讲解这篇论文的视频。。。
4. The Log: What every software engineer should know about real-time data’s unifying abstraction
这是Linkedin的某位工程师的一篇博客文章，文章认为Log应该作为分布式系统架构的核心，并举了他们使用的一个叫做Kafka的东西作为例子。文章写的贼长，但是通俗易懂，会把需要用到的基础知识都先交代清楚，不用担心看不懂。另外后面有成吨的参考文献和链接，涵盖了他们实现那个系统时涉及到的各种技术，很多都是经典的论文，个人觉得帮助很大。
===========================================================
原回答：
当然是刷这门课了：
MIT 6.824 Distributed System
6.824 Schedule: Spring 2015
这只是一个课程主页，没有上课的视频，但是并不影响你跟着它上课：每一周读两篇课程指定的论文，读完之后看lecture-notes里对该论文内容的讨论，回答里面的问题来加深理解，最后在课程lab里把所看的论文实现。当你把这门课的作业刷完后，你会发现自己实现了一个分布式数据库。
课程lab都是用Go写的，你可以从MIT的git服务器上把作业clone下来。每份作业都有详尽的指导意见，还配有详尽的测试代码，供你写完之后测试自己的实现是否正确。这些测试代码会在本地模拟分布式情况下可能碰到的各种问题（node crash、丢包、延迟、网络partition等等）。说实话我觉得这些测试代码的价值也很大，光是读这些代码就可以学到不少东西。
这门课的阅读量和coding量都不小，如果能坚持刷完相信题主对分布式系统的理解会加深不少。我目前刷了一半多了，lab也做了一半左右，整出了一个基于Paxos的key-value数据库，题主有兴趣的话可以一起刷。
NSQ ：
InfluxDB：
seaweedfs
golang-distributed-filesystem
quora 上的一个顶级好贴：What are some good resources for learning about distributed computing? Why?
CMU上的一个课程：
未完待续…，
注：github上有关 golang 上的 分布式系统很多，尤其分布式基础架构与存储方面的。很值得我们学习。
pingcap/tidb · GitHub 一个用go写的分布式数据库 欢迎关注和参与
更新：最近做了一个改进的版本。支持非常类似的pure Go 的分布式map reduce 系统。
这个版本更加高效。牺牲了一点点type checking, 需要做interface{} casting。但是速度比用reflection高效非常多。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
Glow: a map reduce system in Go
现在基于go的mapreduce框架基本上都是单机版的，靠goroutine, channel来意思一下。Glow是我所知道的唯一分布式数据处理的纯Go的实现。语法接近于spark，运行更简单，不需要各种复杂的setup.
需要有人参与！
自己整理了一个分布式系统(Distributed System)资料Qix/ds.md at master · ty4z2008/Qix · GitHub 并且刚刚收录了 @郭翔宇@赵玉豪 所说内容.
希望可以帮助到题主
可以了解一下pingcap的tidb
开源项目的话把 chrislusf/seaweedfs · GitHub 看明白了，我觉得就是最好的入门途径了。
毕竟这项目整个架构思路还是比较清晰的，文档也写的不错。
然后看懂了之后再做一些优化的pr（我记得可优化的点还是不少的），就更happy了。
Google有个开源的 golang开发的，可以看看。先了解透现有的分布式计算系统/存储系统的主要核心特点和短板，再去思考你的。走弯路虽然能带来一丢丢成长，但代价巨大。刷题看视频那是学生的做法 不适合工程
这个课程6.824 Schedule: Spring 2015我建立了一个Github工程
mrunix/lecture · GitHub
通过这个课程学习Golang不错。
完成Lab1 Part I.
后续继续努力，不知道全部搞完得多少时间。
分布式无非 解决计算和存储，提出问题，然后解决。
比如如何自动发现新加入的节点
如何分发任务到比较闲的节点
如何保证汇总结果的正确和效率
现有的一些东西很多hadoop，mysql，elastic什么的，实现其中的一个功能。。