zookeeper经常使用使用场景

ZooKeeper是一个高可用的分布式数据管理与系统协调框架。基于对Paxos算法的实现，使该框架保证了分布式环境中数据的强一致性，也正是基于这样的特性，使得zookeeper可以应用于不少场景。网上对zk的使用场景也有很多介绍，本文将结合做者身边的项目例子，系统的对zk的使用场景进行归类介绍。 值得注意的是，zk并非生来就为这些场景设计，都是后来众多开发者根据框架的特性，摸索出来的典型使用方法。所以，也很是欢迎你分享你在ZK使用上的奇技淫巧。

场景类别	典型场景描述（ZK特性，使用方法）	应用中的具体使用
数据发布与订阅	发布与订阅即所谓的配置管理，顾名思义就是将数据发布到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，地址列表等就很是适合使用。	1. 索引信息和集群中机器节点状态存放在zk的一些指定节点，供各个客户端订阅使用。2. 系统日志（通过处理后的）存储，这些日志一般2-3天后被清除。 3. 应用中用到的一些配置信息集中管理，在应用启动的时候主动来获取一次，而且在节点上注册一个Watcher，之后每次配置有更新，实时通知到应用，获取最新配置信息。 4. 业务逻辑中须要用到的一些全局变量，好比一些消息中间件的消息队列一般有个offset，这个offset存放在zk上，这样集群中每一个发送者都能知道当前的发送进度。 5. 系统中有些信息须要动态获取，而且还会存在人工手动去修改这个信息。之前一般是暴露出接口，例如JMX接口，有了zk后，只要将这些信息存放到zk节点上便可。
Name Service	这个主要是做为分布式命名服务，经过调用zk的create node 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。
分布通知/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。
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，即用户只要彻底相信每时每刻，zk集群中任意节点（一个zk server）上的相同znode的数据是必定是相同的。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。 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。 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 /distribute_lock 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.EPHEMERAL_SEQUENTIAL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。
集群管理	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：1. 集群中机器有变更的时候，牵连修改的东西比较多。2. 有必定的延时。 利用ZooKeeper有两个特性，就能够实时另外一种集群机器存活性监控系统：a. 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。b. 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中最为经典的使用场景了。 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。	1. 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。2. 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。
分布式队列	队列方面，我目前感受有两种，一种是常规的先进先出队列，另外一种是要等到队列成员聚齐以后的才统一按序执行。对于第二种先进先出队列，和分布式锁服务中的控制时序场景基本原理一致，这里再也不赘述。 第二种队列实际上是在FIFO队列的基础上做了一个加强。一般能够在 /queue 这个znode下预先创建一个/queue/num 节点，而且赋值为n（或者直接给/queue赋值n），表示队列大小，以后每次有队列成员加入后，就判断下是否已经到达队列大小，决定是否能够开始执行了。这种用法的典型场景是，分布式环境中，一个大任务Task A，须要在不少子任务完成（或条件就绪）状况下才能进行。这个时候，凡是其中一个子任务完成（就绪），那么就去 /taskList 下创建本身的临时时序节点（CreateMode.EPHEMERAL_SEQUENTIAL），当 /taskList 发现本身下面的子节点知足指定个数，就能够进行下一步按序进行处理了。