1. ZooKeeper 概述
ZooKeeper 是一个开源的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，保证了分布式环境中数据的强一致性。
1.1 ZooKeeper 典型应用场景
1.1.1 配置中心（数据发布与订阅）
发布与订阅模型：发布者发布数据到 ZK 节点上，供订阅者动态获取数据。
在数据量很少，但是数据更新快的场景下：
- 配置信息放到 ZK节点上集中管理。应用启动时，主动获取一次，同时在节点上注册一个 Watcher，这样每次配置更新时，都会实时通知到订阅的客户端获取。
- 分布式搜索服务中，索引的元信息 & 服务器集群机器的节点状态存放在 ZK 节点上。
- 分布式日志收集系统。zk 上创建一个以应用名命名的节点P，这个应用的所有机器 ip，作为子节点注册到节点 P 上，这样能够实时通知收集器调整任务分配。
- 系统中信息的动态获取，且存在人工手动修改信息的可能。通常是暴露出接口。
1.1.2 负载均衡（软负载均衡）
消息中间件中的发布者和订阅者的负载均衡，linkedin 开源的 KafkaMQ 和 阿里开源的 MetaQ 都是通过 ZooKeeper 来做到生产者 & 消费者的负载均衡：
- 生产者负载均衡：MetaQ 运行时，会把所有 broker 和对应的分区信息全部注册到 ZK 节点上，然后生产者通过 ZK 获取分区列表之后，会依次轮询的策略来选择一个分区来发送消息。
- 消费者负载均衡：一个消费者可以消费（查看）一个或多个分区中的消息，但是一个分区的消息只会由一个消费者来消费。
MetaQ 的消费策略是：
- 每个分区针对同一个组只挂载一个消费者
- 如果同一个组的消费者数目大于分区数目，则多余的消费者不参与消费
- 如果同一个组的消费者数目小于分区数目，则由部分消费者需要额外承担消费任务
当某个消费者故障或重启时，其他消费者会感知到（通过 watch 消费者列表），然后重新进行负载均衡，保证所有分区都有消费者进行消费。
1.1.3 命名服务
在分布式系统中，通过使用命名服务，客户端应用通过指定名字来获取资源、服务的地址等信息。较为常见的：分布式服务框架中的服务地址列表。
阿里巴巴集团开源的分布式服务框架 Dubbo 中使用 ZooKeeper 来作为其命名服务，维护全局的服务地址列表。在 Dubbo 实现中：
- 服务提供者启动时，向 ZK 上的节点 /dubbo/${serviceName}/providers 目录下写入自己的 URL 地址，这个操作就完成了服务的发布。
- 服务消费者启动时，订阅 /dubbo/${serviceName}/providers 目录下的提供者 URL 地址，并向 /dubbo/${serviceName}/consumers 目录下写入自己的消费者 URL 地址。
以上注册的地址都是临时节点，保证服务提供者和消费者能够自动感应资源的变化。
1.1.4 分布式通知/协调
ZooKeeper 中特有的 Watcher 注册与异步通知机制，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。
也就是说，不同系统都对 ZK 上同一个节点进行注册，监听节点的变化（包括节点本身内容及子节点的），其中一个系统更新了节点，那么另一个系统能够收到通知，并作出相应处理。
- 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，控制台的职责就是控制推送系统进行相应的推送工作。管理人员通过控制台修改了 ZK 上某些节点的状态，而 ZK 就会把这些变化通知给他们注册 Watcher 的客户端（推送系统），于是，做出相应的推送任务。
- 另一种工作汇报模式：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（写入节点），这样任务管理者能够实时监控任务进度。
总之，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。
1.1.5 集群管理与 Master 选举
集群机器监控：通常用于对集群中机器状态、机器在线率有较高要求的场景，能够快速对集群中机器变化作出响应。
利用 ZooKeeper 两个特性，就可以实现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。
- 创建临时节点，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。
Master 选举是 ZooKeeper 中最为经典的应用场景。
在分布式环境中，有些耗时的操作，往往只需让整个集群中的某一台机器进行执行，其余的机器可以共享这个结果。那么谁去执行呢？于是就要靠 Master 选举了。
首先利用 ZooKeeper 的强一致性，保证分布式高并发情况下节点创建的全局唯一性。即：同时有多个客户端请求创建 /currentMaster 节点，但最终一定只有一个客户端请求能够创建成功。
其次，如果需要动态 Master 选举，那就要用到 EPHEMERAL_SEQUENTIAL 类型节点。此时，允许所有的请求都能够创建成功，但是有创建顺序，于是每次选取序列号最小的那个机器作为 Master，如果 Master 机器挂了，那么之后最小的机器继续当 Master。
- 在搜索系统中，让集群中的 Master 来进行全局索引的生成，然后同步到集群中其他机器中。此外，Master 选举的容灾措施是：可以随时手动指定 Master（应用在 zk 上无法获取 Master 信息时，可以通过 http 方式，向一个地方获取 master）
- 在 Hbase 中，也是使用 ZooKeeper 来实现动态 HMaster 的选举。
1.1.6 分布式锁
锁服务可以分为两类：保持独占、控制时序。
- 保持独占：所有试图获取这个锁的客户端中，只有一个可以成功获得这把锁。做法：把 ZK 上的一个 znode 看做一把锁，所有客户端都去创建 /distribute_lock 节点，最终成功创建的客户端拥有这把锁。
- 控制时序：所有试图获取这个锁的客户端中，都会按照一个全局时序执行。做法跟上面的基本类似， /distribute_lock 已经预先存在，客户端在它下面创建临时有序节点。ZK 的父节点（/distribute_lock） 维持一份 sequence ，保证子节点创建的时序性，从而形成了每个客户端的全局时序。
1.1.7 分布式队列
队列方面分两种：先进先出队列、等到队列成员聚齐之后才统一按序执行。
第一种：FIFO 队列，与分布式锁服务中你给的控制时序场景原理基本一致。
第二种：FIFO 队列的增强版。做法：在 /queue 这个节点下，预先建立一个 /queue/num 节点，并且赋值为 n ，表示队列的大小，当队列成员数到达队列大小时，就开始执行。
第二种用法的典型场景：分布式环境中，一个大任务 TaskA，需要在很多子任务完成（或者条件就绪）情况下才能进行。此时，只要其中一个子任务完成（就绪），就去 /taskList 下建立自己的临时节点，当 /tashList 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处理了。