ZooKeeper

分布式系统

A distributed system is de ned as a software system that is composed of independent computing entities linked together by a computer network whose components communicate and coordinate with each other to achieve a common goal.
分布式系统是由独立的计算机经过网络链接在一块儿，而且经过一些组件来相互交流和协做来完成一个共同的目标。

分布式系统特性

• 资源共享，例如存储空间，计算能力，数据，和服务等等
• 扩展性，从软件和硬件上增长系统的规模
• 并发性，多个用户同时访问
• 性能，确保当负载增长的时候，系统想要时间不会有影响
• 容错性，尽管一些组件暂时不可用了，整个系统仍然是可用的
• API抽象，系统的独立组件对用户隐藏，仅仅暴露服务

ZooKeeper

Zookeeper是一个分布式开源框架，提供了协调分布式应用的基本服务，它向外部应用暴露一组通用服务——分布式同步（Distributed Synchronization）、命名服务（Naming Service）、集群维护（Group Maintenance）等，简化分布式应用协调及其管理的难度，提供高性能的分布式服务。ZooKeeper自己能够以单机模式安装运行，不过它的长处在于经过分布式ZooKeeper集群（一个Leader，多个Follower），基于必定的策略来保证ZooKeeper集群的稳定性和可用性，从而实现分布式应用的可靠性。
一、Zookeeper是为别的分布式程序服务的
二、Zookeeper自己就是一个分布式程序（只要有半数以上节点存活，zk就能正常服务）
三、Zookeeper所提供的服务涵盖：主从协调、服务器节点动态上下线、统一配置管理、分布式共享锁、统一名称服务等
四、虽说能够提供各类服务，可是zookeeper在底层其实只提供了两个功能：

• 管理(存储，读取)用户程序提交的数据（相似namenode中存放的metadata）
• 并为用户程序提供数据节点监听服务；

Zookeeper特性

• Zookeeper：一个leader，多个follower组成的集群
• 全局数据一致：每一个server保存一份相同的数据副本，client不管链接到哪一个server，数据都是一致的
• 分布式读写，更新请求转发，由leader实施
• 更新请求顺序进行，来自同一个client的更新请求按其发送顺序依次执行
• 数据更新原子性，一次数据更新要么成功，要么失败
• 实时性，在必定时间范围内，client能读到最新数据

Zookeeper数据结构

• 层次化的目录结构，命名符合常规文件系统规范(相似文件系统）

• 每一个节点在zookeeper中叫作znode,而且其有一个惟一的路径标识
• 节点Znode能够包含数据和子节点（可是EPHEMERAL类型的节点不能有子节点）

Zookeeper节点类型

• 短暂（ephemeral）（create -e /app1/test1 “test1” 客户端断开链接zk删除ephemeral类型节点）
• 持久（persistent） （create -s /app1/test2 “test2” 客户端断开链接zk不删除persistent类型节点）

Znode目录节点

• PERSISTENT
• PERSISTENT_SEQUENTIAL（持久序列/test0000000019 ）
• EPHEMERAL
• EPHEMERAL_SEQUENTIAL
  （默认是persistent ）

建立znode时设置顺序标识，znode名称后会附加一个值，顺序号是一个单调递增的计数器，由父节点维护；在分布式系统中，顺序号能够被用于为全部的事件进行全局排序，这样客户端能够经过顺序号推断事件的顺序

Zookeeper应用场景

数据发布与订阅（配置中心）

发布与订阅模型，即所谓的配置中心，顾名思义就是发布者将数据发布到ZK节点上，供订阅者动态获取数据，实现配置信息的集中式管理和动态更新。例如全局的配置信息，服务式服务框架的服务地址列表等就很是适合使用。

负载均衡

这里说的负载均衡是指软负载均衡。在分布式环境中，为了保证高可用性，一般同一个应用或同一个服务的提供方都会部署多份，达到对等服务。而消费者就需要在这些对等的服务器中选择一个来执行相关的业务逻辑，其中比较典型的是消息中间件中的生产者，消费者负载均衡。
消息中间件中发布者和订阅者的负载均衡，linkedin开源的KafkaMQ和阿里开源的 metaq都是经过zookeeper来作到生产者、消费者的负载均衡。这里以metaq为例如讲下：
生产者负载均衡：metaq发送消息的时候，生产者在发送消息的时候必须选择一台broker上的一个分区来发送消息，所以metaq在运行过程当中，会把全部broker和对应的分区信息所有注册到ZK指定节点上，默认的策略是一个依次轮询的过程，生产者在经过ZK获取分区列表以后，会按照brokerId和partition的顺序排列组织成一个有序的分区列表，发送的时候按照从头至尾循环往复的方式选择一个分区来发送消息。
消费负载均衡： 在消费过程当中，一个消费者会消费一个或多个分区中的消息，可是一个分区只会由一个消费者来消费。MetaQ的消费策略是：

1. 每一个分区针对同一个group只挂载一个消费者。
2. 若是同一个group的消费者数目大于分区数目，则多出来的消费者将不参与消费。
3. 若是同一个group的消费者数目小于分区数目，则有部分消费者须要额外承担消费任务。

在某个消费者故障或者重启等状况下，其余消费者会感知到这一变化（经过 zookeeper watch消费者列表），而后从新进行负载均衡，保证全部的分区都有消费者进行消费。

命名服务(Naming Service)

命名服务也是分布式系统中比较常见的一类场景。在分布式系统中，经过使用命名服务，客户端应用可以根据指定名字来获取资源或服务的地址，提供者等信息。被命名的实体一般能够是集群中的机器，提供的服务地址，远程对象等等——这些咱们均可以统称他们为名字（Name）。其中较为常见的就是一些分布式服务框架中的服务地址列表。经过调用ZK提供的建立节点的API，可以很容易建立一个全局惟一的path，这个path就能够做为一个名称。
阿里巴巴集团开源的分布式服务框架Dubbo中使用ZooKeeper来做为其命名服务，维护全局的服务地址列表， 点击这里查看Dubbo开源项目。在Dubbo实现中：
服务提供者在启动的时候，向ZK上的指定节点/dubbo/${serviceName}/providers目录下写入本身的URL地址，这个操做就完成了服务的发布。
服务消费者启动的时候，订阅/dubbo/${serviceName}/providers目录下的提供者URL地址， 并向/dubbo/${serviceName} /consumers目录下写入本身的URL地址。
注意，全部向ZK上注册的地址都是临时节点，这样就可以保证服务提供者和消费者可以自动感应资源的变化。 另外，Dubbo还有针对服务粒度的监控，方法是订阅/dubbo/${serviceName}目录下全部提供者和消费者的信息。

分布式通知/协调

ZooKeeper中特有watcher注册与异步通知机制，可以很好的实现分布式环境下不一样系统之间的通知与协调，实现对数据变动的实时处理。使用方法一般是不一样系统都对ZK上同一个znode进行注册，监听znode的变化（包括znode自己内容及子节点的），其中一个系统update了znode，那么另外一个系统可以收到通知，并做出相应处理

1. 另外一种心跳检测机制：检测系统和被检测系统之间并不直接关联起来，而是经过zk上某个节点关联，大大减小系统耦合。
2. 另外一种系统调度模式：某系统有控制台和推送系统两部分组成，控制台的职责是控制推送系统进行相应的推送工做。管理人员在控制台做的一些操做，其实是修改了ZK上某些节点的状态，而ZK就把这些变化通知给他们注册Watcher的客户端，即推送系统，因而，做出相应的推送任务。
3. 另外一种工做汇报模式：一些相似于任务分发系统，子任务启动后，到zk来注册一个临时节点，而且定时将本身的进度进行汇报（将进度写回这个临时节点），这样任务管理者就可以实时知道任务进度。

总之，使用zookeeper来进行分布式通知和协调可以大大下降系统之间的耦合

集群管理与Master选举

1.集群机器监控：这一般用于那种对集群中机器状态，机器在线率有较高要求的场景，可以快速对集群中机器变化做出响应。这样的场景中，每每有一个监控系统，实时检测集群机器是否存活。过去的作法一般是：监控系统经过某种手段（好比ping）定时检测每一个机器，或者每一个机器本身定时向监控系统汇报“我还活着”。 这种作法可行，可是存在两个比较明显的问题：

• 集群中机器有变更的时候，牵连修改的东西比较多。
• 有必定的延时。

利用ZooKeeper有两个特性，就能够实现另外一种集群机器存活性监控系统：

• 客户端在节点 x 上注册一个Watcher，那么若是 x的子节点变化了，会通知该客户端。
• 建立EPHEMERAL类型的节点，一旦客户端和服务器的会话结束或过时，那么该节点就会消失。

例如，监控系统在 /clusterServers 节点上注册一个Watcher，之后每动态加机器，那么就往 /clusterServers 下建立一个 EPHEMERAL类型的节点：/clusterServers/{hostname}. 这样，监控系统就可以实时知道机器的增减状况，至于后续处理就是监控系统的业务了。
2.Master选举则是zookeeper中最为经典的应用场景了。
在分布式环境中，相同的业务应用分布在不一样的机器上，有些业务逻辑（例如一些耗时的计算，网络I/O处理），每每只须要让整个集群中的某一台机器进行执行，其他机器能够共享这个结果，这样能够大大减小重复劳动，提升性能，因而这个master选举即是这种场景下的碰到的主要问题。
利用ZooKeeper的强一致性，可以保证在分布式高并发状况下节点建立的全局惟一性，即：同时有多个客户端请求建立 /currentMaster 节点，最终必定只有一个客户端请求可以建立成功。利用这个特性，就能很轻易的在分布式环境中进行集群选取了。
另外，这种场景演化一下，就是动态Master选举。这就要用到EPHEMERAL_SEQUENTIAL类型节点的特性了。
上文中提到，全部客户端建立请求，最终只有一个可以建立成功。在这里稍微变化下，就是容许全部请求都可以建立成功，可是得有个建立顺序，因而全部的请求最终在ZK上建立结果的一种可能状况是这样： /currentMaster/{sessionId}-1 ,/currentMaster/{sessionId}-2,/currentMaster/{sessionId}-3 ….. 每次选取序列号最小的那个机器做为Master，若是这个机器挂了，因为他建立的节点会立刻小时，那么以后最小的那个机器就是Master了。

• 在搜索系统中，若是集群中每一个机器都生成一份全量索引，不只耗时，并且不能保证彼此之间索引数据一致。所以让集群中的Master来进行全量索引的生成，而后同步到集群中其它机器。另外，Master选举的容灾措施是，能够随时进行手动指定master，就是说应用在zk在没法获取master信息时，能够经过好比http方式，向一个地方获取master。
• 在Hbase中，也是使用ZooKeeper来实现动态HMaster的选举。在Hbase实现中，会在ZK上存储一些ROOT表的地址和HMaster的地址，HRegionServer也会把本身以临时节点（Ephemeral）的方式注册到Zookeeper中，使得HMaster能够随时感知到各个HRegionServer的存活状态，同时，一旦HMaster出现问题，会从新选举出一个HMaster来运行，从而避免了HMaster的单点问题

分布式锁

分布式锁，这个主要得益于 ZooKeeper 为咱们保证了数据的强一致性。锁服务能够分为两类，一个是 保持独占，另外一个是 控制时序。

1. 所谓保持独占，就是全部试图来获取这个锁的客户端，最终只有一个能够成功得到这把锁。一般的作法是把 zk 上的一个 znode 看做是一把锁，经过 create znode 的方式来实现。全部客户端都去建立 /distribute_lock 节点，最终成功建立的那个客户端也即拥有了这把锁。
2. 控制时序，就是全部视图来获取这个锁的客户端，最终都是会被安排执行，只是有个全局时序了。作法和上面基本相似，只是这里 /distributelock 已经预先存在，客户端在它下面建立临时有序节点（这个能够经过节点的属性控制：CreateMode.EPHEMERALSEQUENTIAL 来指定）。Zk 的父节点（/distribute_lock）维持一份 sequence, 保证子节点建立的时序性，从而也造成了每一个客户端的全局时序。