Zookeeper学习笔记
一、Zookeeper介绍
1.什么是Zookeeper
ZooKeeper 是一种分布式协调服务，用于管理大型主机。在分布式环境中协调和管理服务是
一个复杂的过程。ZooKeeper 通过其简单的架构和 API 解决了这个问题。ZooKeeper 允许开
发人员专注于核心应用程序逻辑，而不必担心应用程序的分布式特性。
2.Zookeeper的应用场景
分布式协调组件
在分布式系统中，需要有zookeeper作为分布式协调组件，协调分布式系统中的状态。
分布式锁
zk在实现分布式锁上，可以做到强一致性，关于分布式锁相关的知识，在之后的ZAB协议中介
绍。
无状态化的实现
二、搭建Zookeeper服务器
1.zoo.cfg 配置文件说明
# zookeeper时间配置中的基本单位 (毫秒)
tickTime= 2000
# 允许follower初始化连接到leader最大时⻓，它表示tickTime时间倍数
即:initLimit*tickTime
initLimit= 10
# 允许follower与leader数据同步最大时⻓,它表示tickTime时间倍数
syncLimit= 5
#zookeper 数据存储目录及日志保存目录（如果没有指明dataLogDir，则日志也保存在这个
文件中）
dataDir=/tmp/zookeeper
#对客户端提供的端口号
clientPort= 2181
#单个客户端与zookeeper最大并发连接数
maxClientCnxns= 60
# 保存的数据快照数量，之外的将会被清除
autopurge.snapRetainCount= 3
#自动触发清除任务时间间隔，小时为单位。默认为 0 ，表示不自动清除。
autopurge.purgeInterval= 1
2.Zookeeper服务器的操作命令
重命名 conf中的文件zoo_sample.cfg->zoo.cfg
启动zk服务器：
./bin/zkServer.sh start ./conf/zoo.cfg
查看zk服务器状态：
./bin/zkServer.sh status ./conf/zoo.cfg
停止zk服务器：
./bin/zkServer.sh stop ./conf/zoo.cfg
三、Zookeeper内部的数据模型
1.zk是如何保存数据的
zk中的数据是保存在节点上的，节点就是znode，多个znode之间构成一颗树的目录结构。
Zookeeper 的数据模型是什么样子呢？它很像数据结构当中的树，也很像文件系统的目录。
树是由节点所组成，Zookeeper 的数据存储也同样是基于节点，这种节点叫做 Znode
但是，不同于树的节点，Znode 的引用方式是路径引用，类似于文件路径：
/动物/猫
/汽⻋/宝⻢
这样的层级结构，让每一个 Znode 节点拥有唯一的路径，就像命名空间一样对不同信息作出清晰的隔离。
2.zk中的znode是什么样的结构
zk中的znode，包含了四个部分：
data：保存数据
acl：权限，定义了什么样的用户能够操作这个节点，且能够进行怎样的操作。
- c: create 创建权限，允许在该节点下创建子节点
- w：write 更新权限，允许更新该节点的数据
- r：read 读取权限，允许读取该节点的内容以及子节点的列表信息
- d：delete 删除权限，允许删除该节点的子节点
- a：admin 管理者权限，允许对该节点进行acl权限设置
stat：描述当前znode的元数据
child：当前节点的子节点
3.zk中节点znode的类型
持久节点: 创建出的节点，在会话结束后依然存在。保存数据
creat [node]
持久序号节点: 创建出的节点，根据先后顺序，会在节点之后带上一个数值，越后执行数
creat -s [node]
值越大，适用于分布式锁的应用场景- 单调递增
临时节点：
creat -e [node]
临时节点是在会话结束后，自动被删除的，通过这个特性，zk可以实现服务注册与发现的
效果。那么临时节点是如何维持心跳呢？
临时序号节点：跟持久序号节点相同，适用于临时的分布式锁。
Container节点（3.5.3版本新增）：Container容器节点，当容器中没有任何子节点，该
容器节点会被zk定期删除（60s）。
TTL节点：可以指定节点的到期时间，到期后被zk定时删除。只能通过系统配置
zookeeper.extendedTypesEnabled=true开启
4.zk的数据持久化
zk的数据是运行在内存中，zk提供了两种持久化机制：
事务日志
zk把执行的命令以日志形式保存在dataLogDir指定的路径中的文件中（如果没有指定
dataLogDir，则按dataDir指定的路径）。
数据快照
zk会在一定的时间间隔内做一次内存数据的快照，把该时刻的内存数据保存在快照文件
中。
zk通过两种形式的持久化，在恢复时先恢复快照文件中的数据到内存中，再用日志文件中的
数据做增量恢复，这样的恢复速度更快。
四、Zookeeper客户端(zkCli)的使用
1.多节点类型创建
- 创建持久节点
- 创建持久序号节点
- 创建临时节点
- 创建临时序号节点
- 创建容器节点
2.查询节点
普通查询
查询节点相信信息
- cZxid: 创建节点的事务ID
- mZxid：修改节点的事务ID
- pZxid：添加和删除子节点的事务ID
- ctime：节点创建的时间
- mtime: 节点最近修改的时间
- dataVersion: 节点内数据的版本，每更新一次数据，版本会+
- aclVersion: 此节点的权限版本
- ephemeralOwner: 如果当前节点是临时节点，该值是当前节点所有者的session
id。如果节点不是临时节点，则该值为零。
- dataLength: 节点内数据的⻓度
- numChildren: 该节点的子节点个数
3.删除节点
普通删除
乐观锁删除
4.权限设置
注册当前会话的账号和密码：
addauth digest xiaowang:123456
创建节点并设置权限
create /test-node abcd auth:xiaowang:123456:cdwra
在另一个会话中必须先使用账号密码，才能拥有操作该节点的权限
五、Curator客户端的使用
1.Curator介绍
Curator是Netflix公司开源的一套zookeeper客户端框架，Curator是对Zookeeper支持最好
的客户端框架。Curator封装了大部分Zookeeper的功能，比如Leader选举、分布式锁等，减少了技术人员在使用Zookeeper时的底层细节开发工作。
1.引入Curator
引入依赖
<!--Curator-->
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-framework</artifactId>
<version>2.12.0</version>
</dependency>
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-recipes</artifactId>
<version>2.12.0</version>
</dependency>
<!--Zookeeper-->
<dependency>
<groupId>org.apache.zookeeper</groupId>
<artifactId>zookeeper</artifactId>
<version>3.7.14</version>
</dependency>
application.properties配置文件
curator.retryCount= 5
curator.elapsedTimeMs= 5000
curator.connectString=172.16.253.35: 2181
curator.sessionTimeoutMs= 60000
curator.connectionTimeoutMs= 5000
注入配置Bean
@Data
@Component
@ConfigurationProperties(prefix = "curator")
public class WrapperZK {
private int retryCount;
private int elapsedTimeMs;
private String connectString;
private int sessionTimeoutMs;
private int connectionTimeoutMs;
}
注入CuratorFramework
@Configuration
public class CuratorConfig {
@Autowired
WrapperZK wrapperZk;
@Bean(initMethod = "start")
public CuratorFramework curatorFramework() {
return CuratorFrameworkFactory.newClient(
wrapperZk.getConnectString(),
wrapperZk.getSessionTimeoutMs(),
wrapperZk.getConnectionTimeoutMs(),
new RetryNTimes(wrapperZk.getRetryCount(),
wrapperZk.getElapsedTimeMs()
)
);
2.创建节点
@Autowired
CuratorFramework curatorFramework;
@Test
void createNode() throws Exception {
//添加持久节点
String path = curatorFramework.create().forPath("/curator-node");
//添加临时序号节点
String path1 =curatorFramework.create().withMode(CreateMode.EPHEMERAL_SEQUENTIAL).forPath("/curator-node", "some-data".getBytes());
System.out.println(String.format("curator create node :%s
successfully.",path));
System.in.read();
}
3.获得节点数据
@Test
public void testGetData() throws Exception {
byte[] bytes = curatorFramework.getData().forPath("/curator-node");
System.out.println(new String(bytes));
}
4.修改节点数据
@Test
public void testSetData() throws Exception {
curatorFramework.setData().forPath("/curatornode","changed!".getBytes());
byte[] bytes = curatorFramework.getData().forPath("/curator-node");
System.out.println(new String(bytes));
}
5.创建节点同时创建父节点
@Test
public void testCreateWithParent() throws Exception {
String pathWithParent="/node-parent/sub-node-1";
String path =
curatorFramework.create().creatingParentsIfNeeded().forPath(pathWithPare
nt);
System.out.println(String.format("curator create node :%s
successfully.",path));
}
6.删除节点
@Test
public void testDelete() throws Exception {
String pathWithParent="/node-parent";
curatorFramework.delete().guaranteed().deletingChildrenIfNeeded().forPa
th(pathWithParent);
}
六、zk实现分布式锁
1.zk中锁的种类：
读锁：大家都可以读，要想上读锁的前提：之前的锁没有写锁
写锁：只有得到写锁的才能写。要想上写锁的前提是，之前没有任何锁。
2.zk如何上读锁
创建一个临时序号节点，节点的数据是read，表示是读锁
获取当前zk中序号比自己小的所有节点
判断最小节点是否是读锁：
- 如果不是读锁的话，则上锁失败，为最小节点设置监听。阻塞等待，zk的watch机制会当最小节点发生变化时通知当前节点，于是再执行第二步的流程
- 如果是读锁的话，则上锁成功
3.zk如何上写锁
创建一个临时序号节点，节点的数据是write，表示是 写锁
获取zk中所有的子节点
判断自己是否是最小的节点：
- 如果是，则上写锁成功
- 如果不是，说明前面还有锁，则上锁失败，监听最小的节点，如果最小节点有变化，则回到第二步。
4.羊群效应
如果用上述的上锁方式，只要有节点发生变化，就会触发其他节点的监听事件，这样的话对zk的压力非常大，——羊群效应。可以调整成链式监听。解决这个问题。
5.curator实现读写锁
1 ）获取读锁
@Test
void testGetReadLock() throws Exception {
// 读写锁
InterProcessReadWriteLock interProcessReadWriteLock=new
InterProcessReadWriteLock(client, "/lock1");
// 获取读锁对象
InterProcessLock
interProcessLock=interProcessReadWriteLock.readLock();
System.out.println("等待获取读锁对象!");
// 获取锁
interProcessLock.acquire();
for (int i = 1; i <= 100; i++) {
Thread.sleep(3000);
System.out.println(i);
}
// 释放锁
interProcessLock.release();
System.out.println("等待释放锁!");
}
2 ）获取写锁
@Test
void testGetWriteLock() throws Exception {
// 读写锁
InterProcessReadWriteLock interProcessReadWriteLock=new
InterProcessReadWriteLock(client, "/lock1");
// 获取写锁对象
InterProcessLock
interProcessLock=interProcessReadWriteLock.writeLock();
System.out.println("等待获取写锁对象!");
// 获取锁
interProcessLock.acquire();
for (int i = 1; i <= 100; i++) {
Thread.sleep(3000);
System.out.println(i);
}
// 释放锁
interProcessLock.release();
System.out.println("等待释放锁!");
}
七、zk的watch机制
1.Watch机制介绍
我们可以把 Watch 理解成是注册在特定 Znode 上的触发器。当这个 Znode 发生改变，也就是调用了 create，delete，setData 方法的时候，将会触发 Znode 上注册的对应事件，
请求 Watch 的客户端会接收到异步通知。
具体交互过程如下：
- 客户端调用 getData 方法，watch 参数是 true。服务端接到请求，返回节点数据，并且在对应的哈希表里插入被 Watch 的 Znode 路径，以及 Watcher 列表。
- 当被 Watch 的 Znode 已删除，服务端会查找哈希表，找到该 Znode 对应的所有Watcher，异步通知客户端，并且删除哈希表中对应的 Key-Value。
客户端使用了NIO通信模式监听服务端的调用。
2.zkCli客户端使用watch
create /test xxx
get -w /test 一次性监听节点
ls -w /test 监听目录,创建和删除子节点会收到通知。子节点中新增节点不会收到通知
ls -R -w /test 对于子节点中子节点的变化，但内容的变化不会收到通知
3.curator客户端使用watch
@Test
public void addNodeListener() throws Exception {
NodeCache nodeCache = new NodeCache(curatorFramework, "/curatornode");
nodeCache.getListenable().addListener(new NodeCacheListener() {
@Override
public void nodeChanged() throws Exception {
log.info("{} path nodeChanged: ","/curator-node");
printNodeData();
}
});
nodeCache.start();
System.in.read();
}
public void printNodeData() throws Exception {
byte[] bytes = curatorFramework.getData().forPath("/curator-node");
log.info("data: {}",new String(bytes));
}
八、Zookeeper集群实战
1.Zookeeper集群⻆色
zookeeper集群中的节点有三种⻆色
- Leader：处理集群的所有事务请求，集群中只有一个Leader。
- Follower：只能处理读请求，参与Leader选举。
- Observer：只能处理读请求，提升集群读的性能，但不能参与Leader选举。
2.集群搭建
搭建 4 个节点，其中一个节点为Observer
1 ）创建 4 个节点的myid，并设值
在/usr/local/zookeeper中创建以下四个文件
/usr/local/zookeeper/zkdata/zk1# echo 1 > myid
/usr/local/zookeeper/zkdata/zk2# echo 2 > myid
/usr/local/zookeeper/zkdata/zk3# echo 3 > myid
/usr/local/zookeeper/zkdata/zk4# echo 4 > myid
2 ）编写 4 个zoo.cfg
# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between
# sending a request and getting an acknowledgement
syncLimit=5
# 修改对应的zk1 zk2 zk3 zk4
dataDir=/usr/local/zookeeper/zkdata/zk1
# 修改对应的端⼝ 2181 2182 2183 2184
clientPort=2181
# 2001为集群通信端⼝，3001为集群选举端⼝，observer表示不参与集群选举
server.1=172.16.253.54:2001:3001
server.2=172.16.253.54:2002:3002
server.3=172.16.253.54:2003:3003
server.4=172.16.253.54:2004:3004:observer
3 ）启动 4 台Zookeeper
./bin/zkServer.sh status ./conf/zoo1.cfg
./bin/zkServer.sh status ./conf/zoo2.cfg
./bin/zkServer.sh status ./conf/zoo3.cfg
./bin/zkServer.sh status ./conf/zoo4.cfg
3.连接Zookeeper集群
./bin/zkCli.sh -server
172.16.253.54:2181,172.16.253.54:2182,172.16.253.54:2183
九、ZAB协议
1.什么是ZAB协议
zookeeper作为非常重要的分布式协调组件，需要进行集群部署，集群中会以一主多从的形式进行部署。zookeeper为了保证数据的一致性，使用了ZAB（Zookeeper AtomicBroadcast）协议，这个协议解决了Zookeeper的崩溃恢复和主从数据同步的问题。
2.ZAB协议定义的四种节点状态
Looking ：选举状态。
Following ：Follower 节点（从节点）所处的状态。
Leading ：Leader 节点（主节点）所处状态。
Observing：观察者节点所处的状态
3.集群上线时的Leader选举过程
Zookeeper集群中的节点在上线时，将会进入到Looking状态，也就是选举Leader的状态，这个状态具体会发生什么？
4.崩溃恢复时的Leader选举
Leader建立完后，Leader周期性地不断向Follower发送心跳（ping命令，没有内容的socket）。当Leader崩溃后，Follower发现socket通道已关闭，于是Follower开始进入到Looking状态，重新回到上一节中的Leader选举过程，此时集群不能对外提供服务。
5.主从服务器之间的数据同步
6.Zookeeper中的NIO与BIO的应用
NIO
用于被客户端连接的 2181 端口，使用的是NIO模式与客户端建立连接，客户端开启Watch时，也使用NIO，等待Zookeeper服务器的回调。
BIO
集群在选举时，多个节点之间的投票通信端口，使用BIO进行通信。
十、CAP理论
1.CAP 定理
2000 年 7 月，加州大学伯克利分校的 Eric Brewer 教授在 ACM PODC 会议上提出 CAP 猜想。 2 年后，麻省理工学院的 Seth Gilbert 和 Nancy Lynch 从理论上证明了 CAP。之后，CAP 理论正式成为分布式计算领域的公认定理。
CAP 理论为：一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。
- 一致性（Consistency）
一致性指 “all nodes see the same data at the same time”，即更新操作成功并返回客户端
完成后，所有节点在同一时间的数据完全一致。
- 可用性（Availability）
可用性指“Reads and writes always succeed”，即服务一直可用，而且是正常响应时间。
- 分区容错性（Partition tolerance）
分区容错性指“the system continues to operate despite arbitrary message loss or failure of part of the system”，即分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外，提供满足一致性或可用性的服务。——避免单点故障，就要进行冗余部署，冗余部署相当于是服务的分区，这样的分区就具备了容错性。
2.CAP 权衡
通过 CAP 理论，我们知道无法同时满足一致性、可用性和分区容错性这三个特性，那要舍弃哪个呢？
对于多数大型互联网应用的场景，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到 N 个 9 ，即保证 P 和 A，舍弃C（退而求其次保证最终一致性）。虽然某些地方会影响客户体验，但没达到造成用户流程的严重程度。
对于涉及到钱财这样不能有一丝让步的场景，C 必须保证。网络发生故障宁可停止服务，这是保证 CA，舍弃 P。貌似这几年国内银行业发生了不下 10 起事故，但影响面不大，报到也不多，广大群众知道的少。还有一种是保证 CP，舍弃 A。例如网络故障是只读不写。
孰优孰略，没有定论，只能根据场景定夺，适合的才是最好的。
3.BASE 理论
eBay 的架构师 Dan Pritchett 源于对大规模分布式系统的实践总结，在 ACM 上发表文章提出BASE 理论，BASE 理论是对 CAP 理论的延伸，核心思想是即使无法做到强一致性（Strong Consistency，CAP 的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（Eventual Consitency）。
- 基本可用（Basically Available）
基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。
电商大促时，为了应对访问量激增，部分用户可能会被引导到降级⻚面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。
- 软状态（Soft State）
软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。
- 最终一致性（Eventual Consistency）
最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。
4.Zookeeper追求的一致性
Zookeeper在数据同步时，追求的并不是强一致性，而是顺序一致性（事务id的单调递增）。
本文来自博客园，作者：Cn_FallTime，转载请注明原文链接：https://www.cnblogs.com/CnFallTime/p/16217390.html
