Zookeeper 基础知识汇总

一、zookeeper 概述

中文教程：https://www.docs4dev.com/docs/zh/zookeeper/r3.5.6/reference/zookeeperOver.html

1.1 概述

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。

1.2 使用场景

• 分布式协调组讲

分布式服务下需要对数据状态进行统计管理，比如用户的登录情况。

• 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。

• 无状态实现

二、zookeeper 服务配置与使用

2.1 zookeeper 服务搭建

2.1.1 安装包部署

官方网址：https://zookeeper.apache.org/releases.html

详细安装过程大家可以自行百度

2.1.2 Docker 部署

docker run -d \
-e TZ="Asia/Shanghai" \
-p 2181:2181 \
-v /Users/rion/Data/DockerVolumesData/zookeeper/zookeeper01/data:/data  \
-v /Users/rion/Data/DockerVolumesData/zookeeper/zookeeper01/conf:/conf/ \
-v /Users/rion/Data/DockerVolumesData/zookeeper/zookeeper01/log:/datalog/ \
--name zookeeper01  zookeeper

参数：

-e：表示添加环境变量

-p：设置宿主机和容器内部端口的映射

-v：表示挂载目录

/data : zookeeper 的数据目录

/conf ：zookeeper 的配置文件目录

/datalog ： zookeeper 的日志目录

2.2 配置文件

# 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
# zookeeper Web UI
admin.enableServer=true
# 它表示ZooKeeper运行在单个服务器上，没有复制或分布式的特性。
# 当standaloneEnabled设置为true时，ZooKeeper将以Standalone模式启动，这意味着它将在单个服务器上运行，
# 并且没有复制或高可用性的功能。这对于测试、开发或单服务器环境可能是合适的。
# 当standaloneEnabled设置为false时，ZooKeeper将以分布式模式启动，可以在多个服务器上组成一个ZooKeeper集群。
# 在分布式模式下，ZooKeeper可以实现数据的复制和高可用性，以提供更好的容错和可扩展性。
standaloneEnabled=true

2.3 服务启动与停止

1. 先进入docker 容器中

docker exec -it  |  bash

1. 在bin目录下存放则服务启动的脚本

zkCli.sh ：连接服务端的脚本

zkServer.sh：服务端服务控制脚本

zkServer.sh start /conf/zoo.cfg   # 默认会使用该文件，不存在会提示
zkServer.sh status 								# 查看服务器状态
zkServer.sh stop

三、zookeeper 数据模型

3.1 zookeeper 如何保存数据结构

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 提供的名称空间与标准文件系统的名称空间非常相似。名称是由斜杠(/)分隔的一系列路径元素。 ZooKeeper 名称空间中的每个节点都由路径标识。

节点路径可以理解为key，同时还可以给key设置value。

3.2 znode 结构

zookeeper 中的node包含一下四个部分：

• 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 /动物/猫 /汽⻋/宝⻢ 1 2

• stat：描述当前znode的元数据（节点的信息），get -s

• child：当前节点的⼦节点

3.3 znode 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
• 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 值越⼤，适⽤于分布式锁的应⽤场景- 单调递增 , 就类似于数据库中加锁时使用version字段，逐步增加version字段的值。
• 临时节点： 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

3.4 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。

你会发现和redis的数据持久化有些类似。

四、zkCli 客户端

4.1 创建节点

create /t     # 默认为持久化节点
create -s /t  # 创建持久化序号节点，即有事务序号, 会在节点末尾添加序号
create -c /t  # 容器节点
create -ttl 	# 有时限的节点，就像rediskey设置过期时间一样
create -e /t  # 临时节点，当前会话存在时，该节点会存在，若会话关闭，则该节点会被删除
            	# 常被用于注册中心服务发现等

节点元数据信息

[zk xxx] get -s /t

	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+1
  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

4.2 查询节点

• ls

ls /t   			# 默认显示当前节点下的一级子节点信息
ls -w /t      # 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 /t      # 递归显示该节点下的所有子节点
ls -w -R /t   # 对于⼦节点中⼦节点的变化，但内容的变化不会收到通知

• get

get -s 			# 查询节点的元信息
get -w 			# w (watch) 监听节点的数据变化（一次性的）

get -w znode

一旦数据节点发送变化，会出发一个监听事件，type 表明了数据变化类型，如下：

WATCHER::

WatchedEvent state:SyncConnected type:NodeDataChanged path:/t

4.3 设置值

set <znode> <value>
# set /t "hello"

set -v <dataVersion> <znode> <data>
# set -v 2 /t 1234
# 只有当节点的版本号与提供的版本号匹配时，才会进行更新。如果版本号不匹配，操作将失败。

set <znode> -f <filePath>
# set /myNode -f /path/to/data.txt

需要注意的是，在使用set命令设置节点值时，节点路径和数据值都需要用引号括起来（除非路径或数据中不包含空格）。还要确保指定的节点路径在ZooKeeper中存在，否则会创建一个新的节点。

4.4 删除节点

delete <znode>

delete -v <dataVersion> <znode>
# 指定节点的版本进行删除，乐观锁。适用于读多写少的情况

deleteall <znode>
# 递归删除节点，即删除该节点下的所有子节点

4.5 权限

# 设置摘要
add auth digest root:123456

# 设置test节点值为abcd，并且需要进行认证，只有xiaowang:123456才可以进行增删写读的权限
create /test abcd auth:xiaowang:123456:cdwr

五、zookeeper 实现分布式锁

5.1 zookeeper 锁类型

5.1.1 读锁

⼤家都可以读，要想上读锁的前提：之前的锁没有写锁

5.1.2 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。

5.2 zookeeper 如何上读锁

1. 创建⼀个临时序号节点，节点的数据是read，表示是读锁

2. 获取当前zk中序号⽐⾃⼰⼩的所有节点

3. 判断最⼩节点是否是读锁：

4. 1. 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
   2. 如果是读锁的话，则上锁成功

5.3 zookeeper 如何上写锁

1. 创建⼀个临时序号节点，节点的数据是write，表示是 写锁

2. 获取zk中所有的⼦节点

3. 判断⾃⼰是否是最⼩的节点：

4. 1. 如果是，则上写锁成功
   2. 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。

5.4 zookeeper 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。

六、zookeeper 集群实战

6.1 zookeeper 集群角色

zookeeper 集群有三种角色：

• 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。

6.2 集群搭建

本次搭建以视频内容为模版，使用docker 部署应该也是类似的

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

（4）zkCli 连接集群

./bin/zkCli.sh -server 172.16.253.54:2181,172.16.253.54:2182,172.16.253.54:2183

七、ZAB 协议

7.1 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 Atomic Broadcast）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。

7.2 zookeeper 定义四种节点状态

• 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

7.3 集群上线的leader选举

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？

• 第一轮

1. 节点1服务启动，生成一个一张自己的选票（1, 0）1表示节点myid，0 表示事务id，因为刚启动服务，所以事务id为0

2. 节点2服务启动，生成一个一张自己的选票（2, 0）1表示节点myid，0 表示事务id，因为刚启动服务，所以事务id为0

3. 节点1 和 节点2 都将自己的选票投给对方，即节点1存在2张选票，节点2存在2张选票

4. 节点1 和 节点2 选出最大的选票，选择方式：先比较zxid，再比较myid。 故节点1和节点2都选择了选票（2, 0）投入到投票箱中。

5. 第一轮选票结束，此时选票箱中存在1张选票，由于当前存在三个节点，配置文件中（6.2小节）定义了server.1=ip:port1:port2, server.2=xxx, server.3=xxx，server.4=xxx 是observer节点，不参与选票。

6. 在选举leader过程中，需要投票箱中的票数超过集群的半数才可以。所以会进行第二轮选举

• 第二轮

1. 此时节点1中含有 1 张选票(2, 0)，因为会保留它选择投到投票箱中的票。它会将最大的选票投递给对方，节点2也是如此。所以都会把选票(2, 0) 投给对方
2. 节点1 和 节点2此时再次进行对比，然后把选票(2, 0) 投递到投票箱中
3. 此时投票箱中存在2张选票，大于集群数量的一半。故而节点2成为leader，节点1成为follower

节点3` 启动时发现已经存在`leader`，便会直接成为`follower

以上就是leader选举的全过程

7.4 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7.3节中的Leader选举过程，此时集群不能对外提供服务。

7.5 主从服务器之间的数据同步

主要包含两阶段提交

• 第一阶段为节点将数据写入到本地数据文件中
• 第二阶段为节点将数据写入到内存中

7.6 zookeeper 的NIO和BIO

NIO

NIO （non-blocking IO）同步非阻塞IO

• 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

BIO（blocking IO）

• 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。

详细解释nio&bio：https://blog.csdn.net/CSDN2497242041/article/details/120278946

八、CAP理论

8.1 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。

8.2 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。

8.3 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。

8.4 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）。

本文中内容依照千锋的视频课程：https://www.bilibili.com/video/BV1Ph411n7Ep/?spm_id_from=333.999.top_right_bar_window_custom_collection.content.click&vd_source=08c2f1f4d2e43d15d6addcceb732feff