这个问题也太好了，涉及到Paxos和Raft的原理以及优化。
先肯定题主的理解，是正确的。
- Raft的一致性检查，是Follower接受某个日志项的条件，也确实是控制Raft串行协商的关键之处。
- Paxos是争取某个key的写入权限（prepare阶段），也确实支持并发写。
既然这里是为了证明Paxos的并行协商不一定优于Raft的串行协商，所以这里不讨论采用串行协商带来的坏处，和并行协商的好处，另外这些也不难总结。
Raft的串行协商好处
但是以上两点并不代表Paxos的并行协商效率优于Raft串行协商效率。Raft的串行协商，带来了很多好处，例如：
- 将协商优化为“一阶段”提交，“提交阶段”通过心跳或者下一次来完整。
- 这一目的，必须要串行协商才能实现，因为“提交阶段”通过心跳来完成，必须要保证日志的连续性，而连续性必须是串行协商；
- 另外保证连续性，还需要引入Leader，需要一个权威的成员来统一处理写请求，才能保证日志的连续性。
- 检查差异性，检查两个成员之间的一段日志是否一致，不必通过checksum等机制来完成，只需要比较最大的日志项的term是否一致即可。
- 读请求优化，保证线性一致性读，通常需要read log来完成。但是Raft是串行协商的，并且引入了Leader，可以有很多优化方案，例如：Leader Read，Follower Read，Lease Read。
这里不讨论采用串行协商带来的坏处，但是可以简单提一提：引入Leader，降低了可用性；Leader成为性能瓶颈；浪费大量的计算资源（单个协商，一定是吃不满所有的资源的）....
Paxos的并行协商坏处
并行协商确实给Paxos带来很多好处，例如，灵活性，优于Raft的可用性。但是单从协商效率来说，Paxos真不一定比得过Raft，有以下几个原因：
- 活锁，是指多个Proposer同时争夺某个key的写权限，陷入循环之中。
- 协商阶段较多，Paxos协商就需要两个阶段（prepare accept），另外需要一个提交阶段（confirm），当然可以优化prepare阶段。但是优化prepare阶段的条件，依旧是执行prepare阶段。
- 数据对齐，新成员上线或者要明确两个成员之间数据是否一致，需要对所有的key都执行一次paxos协商。
- 读请求，暂时只知道通过read log来实现。Leader Read，Follower Read，Lease Read是否能应用于Paxos，暂时还没有思考，可能能应用的条件也是需要引入一个中央权威成员吧。
Raft的串行协商是否能够优化？
题主其实无需苦恼串行协商，Raft本身就是一个优化后的算法，协商效率很高了，如果担心资源浪费，可以部署多个Raft组，让他们服务不同业务，使得达到并行协商的目的。
另外如果执着于并行协商，当然也有一些优化方案，例如：Parallel Raft。
