【总结】ZooKeeper应用分析

1，ZooKeeper

• ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务
• 是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件
• 为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、名字服务、分布式同步、组服务等

2，ZooKeeper使用场景

• 分布式配置中心（数据发布与订阅）
• • 【说明】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
  • 配置
  • • 应用在启动的时候会主动来获取一次配置，同时，在节点上注册一个Watcher
    • 以后每次配置有更新的时候，都会实时通知到订阅的客户端，从来达到获取最新配置信息的目的
  • 分布式搜索
  • • 索引的元信息和服务器集群机器的节点状态存放在ZK的一些指定节点，供各个客户端订阅使用
  • 分布式日志收集系统
  • • 核心工作是收集分布在不同机器的日志
    • 收集器通常是按照应用来分配收集任务单元，因此需要在ZK上创建一个以应用名作为path的节点P，并将这个应用的所有机器ip，以子节点的形式注册到节点P上
    • 这样一来就能够实现机器变动的时候，能够实时通知到收集器调整任务分配
  • 动态信息获取
  • • 系统中有些信息需要动态获取，并且还会存在人工手动去修改这个信息的访问
• 命名服务（Naming Service）
• • 在分布式系统中，通过使用命名服务，客户端应用能够根据指定名字来获取资源或服务的地址，提供者等信息
  • 被命名的实体通常可以是集群中的机器，提供的服务地址，远程对象等等——这些我们都可以统称他们为名字（Name）
  • 较为常见的就是一些分布式服务框架中的服务地址列表。通过调用ZK提供的创建节点的API，能够很容易创建一个全局唯一的path，这个path就可以作为一个名称
  • • 服务提供者在启动的时候，向ZK上的指定节点/dubbo/${serviceName}/providers目录下写入自己的URL地址，这个操作就完成了服务的发布
    • 服务消费者启动的时候，订阅/dubbo/${serviceName}/providers目录下的提供者URL地址， 并向/dubbo/${serviceName} /consumers目录下写入自己的URL地址
    • 注意，所有向ZK上注册的地址都是临时节点，这样就能够保证服务提供者和消费者能够自动感应资源的变化
    • Dubbo还有针对服务粒度的监控，方法是订阅/dubbo/${serviceName}目录下所有提供者和消费者的信息
• 分布式通知/协调
• • 原理
  • • 使用zookeeper来进行分布式通知和协调能够大大降低系统之间的耦合
    • ZooKeeper中特有Watcher注册与异步通知机制，能够很好的实现分布式环境下不同系统之间的通知与协调，实现对数据变更的实时处理
    • 不同系统都对ZK上同一个znode进行注册，监听znode的变化（包括znode本身内容及子节点的），其中一个系统update了znode，那么另一个系统能够收到通知，并作出相应处理
  • 使用场景
  • • 另一种心跳检测机制
    • • 检测系统和被检测系统之间并不直接关联起来，而是通过zk上某个节点关联，大大减少系统耦合
    • 另一种系统调度模式
    • • 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作
      • 管理人员在控制台作的一些操作，实际上是修改了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，于是，作出相应的推送任务
    • 另一种工作汇报模式
    • • 一些类似于任务分发系统，子任务启动后，到zk来注册一个临时节点，并且定时将自己的进度进行汇报（将进度写回这个临时节点），这样任务管理者就能够实时知道任务进度
• 集群管理与Master选举
• • 利用ZooKeeper有两个特性，就可以实施另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，那么如果 x 的子节点变化了，会通知该客户端
    • 创建EPHEMERAL类型的节点，一旦客户端和服务器的会话结束或过期，那么该节点就会消失
  • 使用场景
  • • 监控系统
    • • 监控系统在 /clusterServers 节点上注册一个Watcher，以后每动态加机器，那么就往 /clusterServers 下创建一个 EPHEMERAL类型的节点：/clusterServers/{hostname}
      • 监控系统就能够实时知道机器的增减情况，至于后续处理就是监控系统的业务了
      • 一旦有机器挂掉，该机器与 zookeeper的连接断开，其所创建的临时目录节点被删除（跟上一条重复）
    • Master选举则是zookeeper中最为经典的应用场景
    • • 分布式环境中，相同的业务应用分布在不同的机器上，有些业务逻辑（例如一些耗时的计算，网络I/O处理），往往只需要让整个集群中的某一台机器进行执行，其余机器可以共享这个结果，这样可以大大减少重复劳动，提高性能，于是这个master选举便是这种场景下的碰到的主要问题
      • 利用ZooKeeper的强一致性，能够保证在分布式高并发情况下节点创建的全局唯一性
      • • 同时有多个客户端请求创建 /currentMaster 节点，最终一定只有一个客户端请求能够创建成功
        • 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
      • 动态Master选举
      • • 这就要用到EPHEMERAL_SEQUENTIAL类型节点的特性了
        • 就是允许所有请求都能够创建成功，但是得有个创建顺序
        • 于是所有的请求最终在ZK上创建结果的一种可能情况是这样： /currentMaster/{sessionId}-1 ,?/currentMaster/{sessionId}-2 ,?/currentMaster/{sessionId}-3 ….. 每次选取序列号最小的那个机器作为Master
        • 如果这个机器挂了，由于他创建的节点会马上消失，那么之后最小的那个机器就是Master了
    • 搜索系统
    • • 如果集群中每个机器都生成一份全量索引，不仅耗时，而且不能保证彼此之间索引数据一致
      • 因此让集群中的Master来进行全量索引的生成，然后同步到集群中其它机器
      • Master选举的容灾措施是，可以随时进行手动指定master，就是说应用在zk在无法获取master信息时，可以通过比如http方式，向一个地方获取master
    • Hbase
    • • 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也会把自己以临时节点（Ephemeral）的方式注册到Zookeeper中，使得HMaster可以随时感知到各个HRegionServer的存活状态
      • 同时，一旦HMaster出现问题，会重新选举出一个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为我们保证了数据的强一致性。锁服务可以分为两类，一个是保持独占，另一个是控制时序
  • 独占
  • • 所谓保持独占，就是所有试图来获取这个锁的客户端，最终只有一个可以成功获得这把锁
    • 通常的做法是把zk上的一个znode看作是一把锁，通过create znode的方式来实现
    • 所有客户端都去创建 /distribute_lock 节点，最终成功创建的那个客户端也即拥有了这把锁
  • 控制时序
  • • 控制时序，就是所有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
    • 做法和上面基本类似，只是这里 /distribute_lock 已经预先存在，客户端在它下面创建临时有序节点（这个可以通过节点的属性控制：CreateMode.EPHEMERAL_SEQUENTIAL来指定）
    • Zk的父节点（/distribute_lock）维持一份sequence,保证子节点创建的时序性，从而也形成了每个客户端的全局时序
• 分布式队列
• • 队列方面，简单地讲有两种，一种是常规的先进先出队列，另一种是要等到队列成员聚齐之后的才统一按序执行（屏障/Barrier）
  • 先进先出队列（FIFO），和分布式锁服务中的控制时序场景基本原理一致
  • 等到队列成员聚齐之后的才统一按序执行，屏障(Barrier)
  • • 类似Java多线程的CyclicBarrier
    • 第二种队列其实是在FIFO队列的基础上作了一个增强
    • 通常可以在 /queue 这个znode下预先建立一个/queue/num 节点，并且赋值为n（或者直接给/queue赋值n），表示队列大小，之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，决定是否可以开始执行了
    • 这种用法的典型场景是，分布式环境中，一个大任务Task A，需要在很多子任务完成（或条件就绪）情况下才能进行。这个时候，凡是其中一个子任务完成（就绪），那么就去 /taskList 下建立自己的临时时序节点（CreateMode.EPHEMERAL_SEQUENTIAL），当 /taskList 发现自己下面的子节点满足指定个数，就可以进行下一步按序进行处理了

3，ZooKeeper原理

• 数据模型
• • ZooKeeper数据模型的结构与Unix文件系统很类似，整体上可以看作是一棵树，每个节点称做一个ZNode
  • 每个ZNode都可以通过其路径唯一标识
  • 每个ZNode上可存储少量数据(默认是1M, 可以通过配置修改, 通常不建议在ZNode上存储大量的数据)
  • 每个ZNode上还存储了其Acl信息
  • 每个ZNode的Acl的独立的，子结点不会继承父结点的
• ZNode
• • 持久性分类
  • • Regular ZNode: 常规型ZNode, 用户需要显式的创建、删除
    • Ephemeral ZNode: 临时型ZNode, 用户创建它之后，可以显式的删除，也可以在创建它的Session结束后，由ZooKeeper Server自动删除
    • ZNode还有一个Sequential的特性，如果创建的时候指定的话，该ZNode的名字后面会自动Append一个不断增加的SequenceNo
  • 细分
  • • PERSISTENT-持久化目录节点：客户端与zookeeper断开连接后，该节点依旧存在
    • PERSISTENT_SEQUENTIAL-持久化顺序编号目录节点：客户端与zookeeper断开连接后，该节点依旧存在，只是Zookeeper给该节点名称进行顺序编号
    • EPHEMERAL-临时目录节点：客户端与zookeeper断开连接后，该节点被删除
    • EPHEMERAL_SEQUENTIAL-临时顺序编号目录节点：客户端与zookeeper断开连接后，该节点被删除，只是Zookeeper给该节点名称进行顺序编号
• Session
• • Client与ZooKeeper之间的通信，需要创建一个Session，这个Session会有一个超时时间
  • 因为ZooKeeper集群会把Client的Session信息持久化，所以在Session没超时之前，Client与ZooKeeper Server的连接可以在各个ZooKeeper Server之间透明地移动
  • 在实际的应用中，如果Client与Server之间的通信足够频繁，Session的维护就不需要其它额外的消息了，否则，ZooKeeper Client会每t/3 ms发一次心跳给Server，如果Client 2t/3 ms没收到来自Server的心跳回应，就会换到一个新的ZooKeeper Server上。这里t是用户配置的Session的超时时间
• Zab协议
• • Zookeeper 的核心是原子广播，这个机制保证了各个Server之间的同步
  • Zab协议有两种模式，它们分 别是恢复模式（选主）和广播模式（同步）
  • 当服务启动或者在领导者崩溃后，Zab就进入了恢复模式，当领导者被选举出来，且大多数Server完成了和 leader的状态同步以后，恢复模式就结束了
  • 状态同步保证了leader和Server具有相同的系统状态
  • 为 了保证事务的顺序一致性，zookeeper采用了递增的事务id号（zxid）来标识事务。所有的提议（proposal）都在被提出的时候加上 了zxid。实现中zxid是一个64位的数字，它高32位是epoch用来标识leader关系是否改变，每次一个leader被选出来，它都会有一个新的epoch，标识当前属于那个leader的统治时期。低32位用于递增计数
• Leader（选举）选主流程
• • 基于fast paxos算法实现
  • • 原则：在一个分布式数据库系统中，如果各节点的初始状态一致，每个节点都执行相同的操作序列，那么他们最后能得到一个一致的状态
    • Paxos解决的就是保证每个节点执行相同的操作序列
  • 数据一致性与paxos算法
  • ZooKeeper三个角色
  • • Leader：进行投票的发起和决议，更新系统状态
    • Learner
    • • Follower
      • • 用于接受客户请求并向客户端返回结果
        • 在选主过程中参与投票
      • Observer
      • • 可以接受客户端连接，将写请求转发给Leader节点
        • Observer不参与投票过程，只同步Leader的状态
        • Observer的目的是为了扩展系统，提高读取速度
    • Client
    • • Curator
      • • Recipes
        • • Elections
          • • Leader Latch
            • Leader Election
          • Locks
          • • Shared Reentrant Lock
            • Shared Lock
            • Shared Reentrant Read Write Lock
            • Shared Semaphore
            • Multi Shared Lock
          • Barriers
          • • Barrier
            • Double Barrier
          • Counters
          • • Shared Counter
            • Distributed Atomic Long
          • Caches
          • • Path Cache
            • Node Cache
            • Tree Cache
          • Nodes
          • • Persistent Ephemeral Node
          • Queues
          • • Distributed Queue
            • Distributed Id Queue
            • Distributed Priority Queue
            • Distributed Delay Queue
            • Simple Distributed Queue
        • Framework
        • Utilities
        • Client
        • Errors
        • Extensions
      • ZooKeeper