分布式协调服务器 Zookeeper

第1章Zookeeper 理论基础

1.1Zookeeper 简介

ZooKeeper 由雅虎研究院开发，后来捐赠给了 Apache。ZooKeeper 是一个开源的分布式

应用程序协调服务器，其为分布式系统提供一致性服务。其一致性是通过基于 Paxos 算法的

ZAB 协议完成的。其主要功能包括：配置维护、域名服务、分布式同步、集群管理等。

zookeeper 的官网： http://zookeeper.apache.org

 

 

 

 

 

Consul、Doozerd、Etcd

 

1.2一致性

zk 是如何保证分布式系统的一致性的呢？是因为 zk 具有以下几方面的特点

 

1.2.1 顺序一致性

从同一个客户端发起的多个事务请求（写操作请求），最终会严格按照其发起顺序记录

到 zk 中。

1.2.2 原子性

所有事务请求的结果在集群中所有 Server 上的应用情况是一致的。要么全部应用成功，

要么都没有成功，不会出现部分成功，部分失败的情况

1.2.3 单一视图

无论客户端连接的是集群中的哪台 Server，其读取到的数据模型中的数据都是一致的。

1.2.4 可靠性

一旦某事务被成功应用到了 zk，则会一直被保留下来，除非另一个事务将其修改。

 

1.2.5 最终一致性

一旦一个事务被成功应用，zk 可以保证在一段较短的时间内，客户端最终一定能够从

服务端读取到最新的数据。但不能保证实时读取到。

1.3Paxos 算法

对于 zk 理论的学习，最重要也是最难的知识点就是 Paxos 算法。所以我们首先学习 Paxos

算法。

 

1.3.1 算法简介

Paxos 算法是莱斯利·兰伯特(Leslie Lamport)1990 年提出的一种基于消息传递的、具有高

容错性的一致性算法。Google Chubby 的作者 Mike Burrows 说过，世上只有一种一致性算法，

那就是 Paxos，所有其他一致性算法都是 Paxos 算法的不完整版。Paxos 算法是一种公认的晦

涩难懂的算法，并且工程实现上也具有很大难度。较有名的 Paxos 工程实现有 Google Chubby、

ZAB、微信的 PhxPaxos 等。

Paxos 算法是用于解决什么问题的呢？Paxos 算法要解决的问题是，在分布式系统中如何

就某个决议达成一致。

1.3.2 Paxos 与拜占庭将军问题

拜占庭将军问题是由 Paxos 算法作者莱斯利·兰伯特提出的点对点通信中的基本问题。该

问题要说明的含义是，在不可靠信道上试图通过消息传递的方式达到一致性是不可能的。所

以，Paxos 算法的前提是不存在拜占庭将军问题，即信道是安全的、可靠的，集群节点间传

讲师：Reythor 雷 分布式协调服务器 Zookeeper

递的消息是不会被篡改的。

一般情况下，分布式系统中各个节点间采用两种通讯模型：共享内存（Shared Memory）、

消息传递（Messages Passing）。而 Paxos 是基于消息传递通讯模型的。

 

1.3.3 算法描述

（1） 三种角色

在 Paxos 算法中有三种角色，分别具有三种不同的行为。但很多时候，一个进程可能同

时充当着多种角色。

 Proposer：提案者

 Acceptor：表决者

 Learner：同步者

 

（2） Paxos 算法的一致性

Paxos 算法的一致性主要体现在以下几点：

 每个提案者在提出提案时都会首先获取到一个具有全局唯一性的、递增的提案编号 N，

即在整个集群中是唯一的编号 N，然后将该编号赋予其要提出的提案。

 每个表决者在 accept 某提案后，会将该提案的编号 N 记录在本地，这样每个表决者中

保存的已经被 accept 的提案中会存在一个编号最大的提案，其编号假设为 maxN。每个

表决者仅会 accept 编号大于自己本地 maxN 的提案。

 在众多提案中最终只能有一个提案被选定。

 一旦一个提案被选定，则其它服务器会主动同步(Learn)该提案到本地。

 没有提案被提出则不会有提案被选定。

 

（3） 算法过程描述

Paxos 算法的执行过程划分为两个阶段：准备阶段 prepare 与接受阶段 accept。

 

 

 

 

A、prepare 阶段

1) 提案者(Proposer)准备提交一个编号为 N 的提议，于是其首先向所有表决者(Acceptor)发

送 prepare(N)请求，用于试探集群是否支持该编号的提议。

2) 每个表决者(Acceptor)中都保存着自己曾经 accept 过的提议中的最大编号 maxN。当一个

表决者接收到其它主机发送来的 prepare(N)请求时，其会比较 N 与 maxN 的值。有以下

几种情况：

a) 若 N 小于 maxN，则说明该提议已过时，当前表决者采取不回应或回应 Error 的方

式来拒绝该 prepare 请求；

b) 若 N 大于 maxN，则说明该提议是可以接受的，当前表决者会首先将该 N 记录下来，

并将其曾经已经 accept 的编号最大的提案 Proposal(myid,maxN,value)反馈给提案者，

以向提案者展示自己支持的提案意愿。其中第一个参数 myid 表示该提案的提案者

标识 id，第二个参数表示其曾接受的提案的最大编号 maxN，第三个参数表示该提

案的真正内容 value。当然，若当前表决者还未曾 accept 过任何提议，则会将

Proposal(myid,null,null)反馈给提案者。

c) 在 prepare 阶段 N 不可能等于 maxN。这是由 N 的生成机制决定的。要获得 N 的值，

其必定会在原来数值的基础上采用同步锁方式增一。

B、 accept 阶段

1) 当提案者(Proposer)发出 prepare(N)后，若收到了超过半数的表决者(Accepter)的反馈，

那么该提案者就会将其真正的提案 Proposal(myid,N,value)发送给所有的表决者。

2) 当表决者(Acceptor)接收到提案者发送的 Proposal(myid,N,value)提案后，会再次拿出自己

曾经 accept 过的提议中的最大编号 maxN，或曾经记录下的 prepare 的最大编号，让 N

讲师：Reythor 雷

4 分布式协调服务器 Zookeeper

与它们进行比较，若 N 大于等于这两个编号，则当前表决者 accept 该提案，并反馈给

提案者。若 N 小于这两个编号，则表决者采取不回应或回应 Error 的方式来拒绝该提议。

3) 若提案者没有接收到超过半数的表决者的 accept 反馈，则有两种可能的结果产生。一

是放弃该提案，不再提出；二是重新进入 prepare 阶段，递增提案号，重新提出 prepare

请求。

4) 若提案者接收到的反馈数量超过了半数，则其会向外广播两类信息：

a) 向曾 accept 其提案的表决者发送“可执行数据同步信号”，即让它们执行其曾接收

到的提案；

b) 向未曾向其发送 accept 反馈的表决者发送“提案 + 可执行数据同步信号”，即让

它们接受到该提案后马上执行。

1.3.4 Paxos 算法的活锁问题

前面所述的Paxos算法在实际工程应用过程中，根据不同的实际需求存在诸多不便之处，

所以也就出现了很多对于基本 Paxos 算法的优化算法，以对 Paxos 算法进行改进，例如，Multi

Paxos、Fast Paxos、EPaxos。

例如，Paxos 算法存在“活锁问题”，Fast Paxos 算法对 Paxos 算法进行了改进：只允许

一个进程提交提案，即该进程具有对 N 的唯一操作权。该方式解决了“活锁”问题。

 

1.4ZAB 协议

1.4.1 ZAB 协议简介

ZAB ，Zookeeper Atomic Broadcast，zk 原子消息广播协议，是专为 ZooKeeper 设计的一

种支持崩溃恢复的原子广播协议，在 Zookeeper 中，主要依赖 ZAB 协议来实现分布式数据

一致性。

Zookeeper 使用一个单一主进程来接收并处理客户端的所有事务请求，即写请求。当服

务器数据的状态发生变更后，集群采用 ZAB 原子广播协议，以事务提案 Proposal 的形式广

播到所有的副本进程上。ZAB 协议能够保证一个全局的变更序列，即可以为每一个事务分配

一个全局的递增编号 xid。

当 Zookeeper 客户端连接到 Zookeeper 集群的一个节点后，若客户端提交的是读请求，

那么当前节点就直接根据自己保存的数据对其进行响应；如果是写请求且当前节点不是

Leader，那么节点就会将该写请求转发给 Leader，Leader 会以提案的方式广播该写操作，只

要有超过半数节点同意该写操作，则该写操作请求就会被提交。然后 Leader 会再次广播给

所有订阅者，即 Learner，通知它们同步数据。

1.4.2 ZAB 与 Paxos 的关系

ZAB 协议是 Paxos 算法的一种工业实现算法。但两者的设计目标不太一样。ZAB 协议主

要用于构建一个高可用的分布式数据主从系统，即 Follower 是 Leader 的从机，Leader 挂了，

马上就可以选举出一个新的 Leader，但平时它们都对外提供服务。而 Fast Paxos 算法则是用

于构建一个分布式一致性状态机系统，确保系统中各个节点的状态都是一致的。

 

1.4.3 三类角色

为了避免 Zookeeper 的单点问题，zk 也是以集群的形式出现的。zk 集群中的角色主要有

以下三类：

 Leader：事务请求的唯一处理者，也可以处理读请求。

 Follower：可以直接处理客户端的读请求，并向客户端响应；但其不会处理事务请求，

其只会将客户端事务请求转发给Leader来处理；对Leader发起的事务提案具有表决权；

同步 Leader 中的事务处理结果；Leader 选举过程的参与者，具有选举权与被选举权。（就

好像正式工）

 Observer：可以理解为不参与 Leader 选举的 Follower，在 Leader 选举过程中没有选举权

与被选举权；同时，对于 Leader 的提案没有表决权。用于协助 Follower 处理更多的客

户端读请求。Observer 的增加，会提高集群读请求处理的吞吐量，但不会增加事务请求

的通过压力，不会增加 Leader 选举的压力。（就好像临时工）

Observer 设置为多少合适？是否是越多越好？

这三类角色在不同的情况下又有一些不同的名称：

 

Learner：学习者，即要从 Leader 中同步数据的 Server，即 Follower 与 Observer。

Learner = Follower + Observer

 QuorumServer：QuorumPeer，Participant，法定服务器，法定主机，参与者。在集群正

常服务状态下，具有表决权的服务器称为 QuorumServer，或 QuorumPeer；在 Leader

选举过程中，具有选举权与被选举权的服务器，称为 Participant。

QuorumServer = Leader + Follower = Participant

1.4.4 三个数据

在 ZAB 中有三个很重要的数据：

 zxid：其为一个 64 位长度的 Long 类型，其中高 32 位表示 epoch，低 32 位表示 xid。

 epoch：（时期、年号）每个 Leader 选举结束后都会生成一个新的 epoch，并会通知到集

群中所有其它 Server，包含 Follower 与 Observer。

 xid：事务 id，是一个流水号。

1.4.5 三种模式

ZAB 协议中对 zkServer 的状态描述有三种模式。这三种模式并没有十分明显的界线，它

们相互交织在一起。

 恢复模式：在集群启动过程中，或 Leader 崩溃后，系统都需要进入恢复模式，以恢复

系统对外提供服务的能力。其包含两个重要阶段：Leader 选举与初始化同步。

 广播模式：其分为两类：初始化广播与更新广播。

 同步模式：其分为两类：初始化同步与更新同步。

 

1.4.6 四种状态

zk 集群中的每一台主机，在不同的阶段会处于不同的状态。每一台主机具有四种状态。

 LOOKING：选举状态

 FOLLOWING：Follower 的正常工作状态

 OBSERVING：Observer 的正常工作状态

 LEADING：Leader 的正常工作状态

1.4.7 同步模式与广播模式

（1） 初始化广播

前面我们说过，恢复模式具有两个阶段：Leader 选举与初始化同步(广播)。当完成 Leader

选举后，此时的 Leader 还是一个准 Leader，其要经过初始化同步后才能变为真正的 Leader。

 

 

 

 

具体过程如下：

1) 为了保证 Leader 向 Learner 发送提案的有序，Leader 会为每一个 Learner 服务器准备一

个队列

2) Leader 将那些没有被各个 Learner 同步的事务封装为 Proposal

3) Leader 将这些 Proposal 逐条发给各个 Learner，并在每一个 Proposal 后都紧跟一个

COMMIT 消息，表示该事务已经被提交，Learner 可以直接接收并执行

4) Learner 接收来自于 Leader 的 Proposal，并将其更新到本地

5) 当 Learner 更新成功后，会向准 Leader 发送 ACK 信息

6) Leader 服务器在收到来自 Learner 的 ACK 后就会将该 Learner 加入到真正可用的 Follower

列表或 Observer 列表。没有反馈 ACK，或反馈了但 Leader 没有收到的 Learner，Leader

不会将其加入到相应列表。

 

（2） 消息广播算法

 

 

当集群中的 Learner 完成了初始化状态同步，那么整个 zk 集群就进入到了正常工作模式

了。

如果集群中的 Learner 节点收到客户端的事务请求，那么这些 Learner 会将请求转发给

Leader 服务器。然后再执行如下的具体过程：

1) Leader 接收到事务请求后，为事务赋予一个全局唯一的 64 位自增 id，即 zxid，通过

zxid 的大小比较即可实现事务的有序性管理，然后将事务封装为一个 Proposal。

2) Leader 根据 Follower 列表获取到所有 Follower，然后再将 Proposal 通过这些 Follower 的

队列将提案发送给各个 Follower。

3) 当 Follower 接收到提案后，会先将提案的 zxid 与本地记录的事务日志中的最大的 zxid

进行比较。若当前提案的 zxid 大于最大 zxid，则将当前提案记录到本地事务日志中，并

向 Leader 返回一个 ACK。（提问学员）

4) 当 Leader 接收到过半的 ACKs 后，Leader 就会向所有 Follower 的队列发送 COMMIT

消息，向所有 Observer 的队列发送 Proposal。

5) 当 Follower 收到 COMMIT 消息后，就会将日志中的事务正式更新到本地。当 Observer

收到 Proposal 后，会直接将事务更新到本地。

6) 无论是 Follower 还是 Observer，在同步完成后都需要向 Leader 发送成功 ACK。

 

（3） Observer 的数量问题

 

Observer 数量一般与 Follower 数量相同。并不是 Observer 越多越好，因为 Observer 数

量的增多虽不会增加事务操作压力，但其需要从 Leader 同步数据，Observer 同步数据的时

间是小于等于 Follower 同步数据的时间的。当 Follower 同步数据完成，Leader 的 Observer

列表中的 Observer 主机将结束同步。那些完成同步的 Observer 将会进入到另一个对外提供

服务的列表。那么，那些没有同步了数据无法提供服务的 Observer 主机就形成了资源浪费。

所以，对于事务操作发生频繁的系统，不建议使用过多的 Observer

Leader 中存在两个关于 Observer 的列表：all（包含所有 Observer）与 service（包含与

Leader 同步过数据的 Observer）

 service 列表是动态变化的。对于没有进入到 service 列表中的 Observer，其会通过心跳

与 Leader 进行连接，一旦连接成功，马上就会从 Leader 同步数据，同步完成后向 Leader

发送 ACK。Leader 在接收到其 ACK 后会将其添加到 service 列表。

 若客户端连接上了不在 service 列表中的 Observer，那么这个 Observer 是不能提供服务

的。因为该 Observer 的状态不是 Observering。这个状态是通过 Observer 与 Leader 间的

心跳来维护的。

 Leader 中对于 Follower 也同样存在两个列表：all 与 service。其功能与 Observer 的相似。

但不同点是，若 Leader 收到的 Follower 同步完成的 ACK 数量没有过半，则认为同步失

败，会重新进行广播，让 Follower 重新进行同步。

 

1.4.8 恢复模式的三个原则

当集群正在启动过程中，或 Leader 崩溃后，集群就进入了恢复模式。对于要恢复的数

据状态需要遵循三个原则

（1） Leader 的主动出让原则

若集群中 Leader 收到的 Follower 心跳数量没有过半，此时 Leader 会自认为自己与集群

的连接已经出现了问题，其会主动修改自己的状态为 LOOKING，去查找新的 Leader。为了防

止集群出现脑裂。

而其它 Server 由于有过半的主机认为已经丢失了 Leader，所以它们会发起新的 Leader

选举，选出一个新的 Leader。

（2） 已被处理过的消息不能丢原则

当 Leader 收到超过半数 Follower 的 ACKs 后，就向各个 Follower 广播 COMMIT 消息，

批准各个 Server 执行该写操作事务。当各个 Server 在接收到 Leader 的 COMMIT 消息后就会

在本地执行该写操作，然后会向客户端响应写操作成功。

但是如果在非全部 Follower 收到 COMMIT 消息之前 Leader 就挂了，这将导致一种后

果：部分 Server 已经执行了该事务，而部分 Server 尚未收到 COMMIT 消息，所以其并没有

执行该事务。当新的 Leader 被选举出，集群经过恢复模式后需要保证所有 Server 上都执行

了那些已经被部分 Server 执行过的事务

（3） 被丢弃的消息不能再现原则

当在 Leader 新事务已经通过，其已经将该事务更新到了本地，但所有 Follower 还都没

有收到 COMMIT 之前，Leader 宕机了（比前面叙述的宕机更早），此时，所有 Follower 根本

就不知道该 Proposal 的存在。当新的 Leader 选举出来，整个集群进入正常服务状态后，之

前挂了的 Leader 主机重新启动并注册成为了 Follower。若那个别人根本不知道的 Proposal

还保留在那个主机，那么其数据就会比其它主机多出了内容，导致整个系统状态的不一致。

所以，该 Proposa 应该被丢弃。类似这样应该被丢弃的事务，是不能再次出现在集群中的，

应该被清除。

 

1.4.9 Leader 选举

在集群启动过程中，或 Leader 宕机后，集群就进入了恢复模式。恢复模式中最重要的

阶段就是 Leader 选举。

 

（1） Leader 选举中的基本概念

A、myid

也称为 ServerId，这是 zk 集群中服务器的唯一标识。例如，有三个 zk 服务器，那么编

号分别是 1,2,3。

B、 逻辑时钟

逻辑时钟，Logicalclock，是一个整型数，该概念在选举时称为 logicalclock，而在选举结

束后称为 epoch。即 epoch 与 logicalclock 是同一个值，在不同情况下的不同名称。

（2） Leader 选举算法

在集群启动过程中的 Leader 选举过程（算法）与 Leader 断连后的 Leader 选举过程稍微

有一些区别，基本相同。

A、集群启动中的 Leader 选举

若进行 Leader 选举，则至少需要两台主机，这里以三台主机组成的集群为例。

 

 

在集群初始化阶段，当第一台服务器 Server1 启动时，其会给自己投票，然后发布自己

的投票结果。投票包含所推举的服务器的 myid 和 ZXID，使用(myid, ZXID)来表示，此时 Server1

的投票为(1, 0)。由于其它机器还没有启动所以它收不到反馈信息，Server1 的状态一直属于

Looking，即属于非服务状态。

当第二台服务器 Server2 启动时，此时两台机器可以相互通信，每台机器都试图找到

Leader，选举过程如下：

(1) 每个 Server 发出一个投票。此时 Server1 的投票为(1, 0)，Server2 的投票为(2, 0)，然后

各自将这个投票发给集群中其他机器。

(2) 接受来自各个服务器的投票。集群的每个服务器收到投票后，首先判断该投票的有效

性，如检查是否是本轮投票、是否来自 LOOKING 状态的服务器。

(3) 处理投票。针对每一个投票，服务器都需要将别人的投票和自己的投票进行 PK，PK

规则如下：

 优先检查 ZXID。ZXID 比较大的服务器优先作为 Leader。

 如果 ZXID 相同，那么就比较 myid。myid 较大的服务器作为 Leader 服务器。

对于 Server1 而言，它的投票是(1, 0)，接收 Server2 的投票为(2, 0)。其首先会比较两者

的 ZXID，均为 0，再比较 myid，此时 Server2 的 myid 最大，于是 Server1 更新自己的投票为

(2, 0)，然后重新投票。对于 Server2 而言，其无须更新自己的投票，只是再次向集群中所有

主机发出上一次投票信息即可。

(4) 统计投票。每次投票后，服务器都会统计投票信息，判断是否已经有过半机器接受到

相同的投票信息。对于 Server1、Server2 而言，都统计出集群中已经有两台主机接受了(2, 0)

的投票信息，此时便认为已经选出了新的 Leader，即 Server2。

(5) 改变服务器状态。一旦确定了 Leader，每个服务器就会更新自己的状态，如果是

讲师：Reythor 雷

12 分布式协调服务器 Zookeeper

Follower，那么就变更为 FOLLOWING，如果是 Leader，就变更为 LEADING。

(6) 添加主机。在新的 Leader 选举出来后 Server3 启动，其想发出新一轮的选举。但由于

当前集群中各个主机的状态并不是 LOOKING，而是各司其职的正常服务，所以其只能是以

Follower 的身份加入到集群中。

B、 宕机后的 Leader 选举

在 Zookeeper 运行期间，Leader 与非 Leader 服务器各司其职，即便当有非 Leader 服务

器宕机或新加入时也不会影响 Leader。但是若 Leader 服务器挂了，那么整个集群将暂停对

外服务，进入新一轮的 Leader 选举，其过程和启动时期的 Leader 选举过程基本一致。

 

 

 

假设正在运行的有 Server1、Server2、Server3 三台服务器，当前 Leader 是 Server2，若

某一时刻 Server2 挂了，此时便开始新一轮的 Leader 选举了。选举过程如下：

(1) 变更状态。Leader 挂后，余下的非 Observer 服务器都会将自己的服务器状态由

FOLLOWING 变更为 LOOKING，然后开始进入 Leader 选举过程。

(2) 每个 Server 会发出一个投票，仍然会首先投自己。不过，在运行期间每个服务器上

的 ZXID 可能是不同，此时假定 Server1 的 ZXID 为 111，Server3 的 ZXID 为 333；在第一轮投

票中，Server1 和 Server3 都会投自己，产生投票(1, 111)，(3, 333)，然后各自将投票发送给

集群中所有机器。

(3) 接收来自各个服务器的投票。与启动时过程相同。集群的每个服务器收到投票后，

首先判断该投票的有效性，如检查是否是本轮投票、是否来自 LOOKING 状态的服务器。

(4) 处理投票。与启动时过程相同。针对每一个投票，服务器都需要将别人的投票和自

己的投票进行 PK。对于 Server1 而言，它的投票是(1, 111)，接收 Server3 的投票为(3, 333)。

其首先会比较两者的 ZXID，Server3 投票的 zxid 为 333 大于 Server1 投票的 zxid 的 111，于是

Server1 更新自己的投票为(3, 333)，然后重新投票。对于 Server3 而言，其无须更新自己的投

票，只是再次向集群中所有主机发出上一次投票信息即可。

(5) 统计投票。与启动时过程相同。对于 Server1、Server2 而言，都统计出集群中已经

有两台主机接受了(3, 333)的投票信息，此时便认为已经选出了新的 Leader，即 Server3。

(6) 改变服务器的状态。与启动时过程相同。一旦确定了 Leader，每个服务器就会更新

自己的状态。Server1 变更为 FOLLOWING，Server3 变更为 LEADING

1.5高可用集群的容灾

1.5.1 服务器数量的奇数与偶数

前面我们说过，无论是写操作投票，还是 Leader 选举投票，都必须过半才能通过，也

就是说若出现超过半数的主机宕机，则投票永远无法通过。基于该理论，由 5 台主机构成的

集群，最多只允许 2 台宕机。而由 6 台构成的集群，其最多也只允许 2 台宕机。即，6 台与

5 台的容灾能力是相同的。基于此容灾能力的原因，建议使用奇数台主机构成集群，以避免

资源浪费。

但从系统吞吐量上说，6 台主机的性能一定是高于 5 台的。所以使用 6 台主机并不是资

源浪费

1.5.2 容灾设计方案

对于一个高可用的系统，除了要设置多台主机部署为一个集群避免单点问题外，还需要

考虑将集群部署在多个机房、多个楼宇。对于多个机房、楼宇中集群也是不能随意部署的，

下面就多个机房的部署进行分析。

在多机房部署设计中，要充分考虑“过半原则”，也就是说，尽量要确保 zk 集群中有过

半的机器能够正常运行。

（1） 三机房部署

在生产环境下，三机房部署是最常见的、容灾性最好的部署方案。

三机房部署中要求每个机房中的主机数量必须少于集群总数的一半。这样可以保证，三

个机房中若有一个机房断电或断网，其它两个机房中的机器总数仍是过半的，集群仍可以正

常对外提供服务。当然，若两个机房出现了问题，那么整个集群就瘫痪了。这种情况出现的

概率要远低于一个机房出问题的情况。

（2） 双机房部署

zk 官网没有给出较好的双机房部署的容灾方案。只能是让其中一个机房占有超过半数

的主机，使其做为主机房，而另一机房少于半数。当然，若主机房出现问题，则整个集群会瘫痪。