分布式协调组件Zookeeper

Zookeeper介绍

什么是Zookeeper

ZooKeeper 是⼀种分布式协调组件，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。

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，分布式锁相关的知识，在后续的ZAB协议中介绍。

• 无状态化实现

zookeeper可以保存登录信息，保证分布式登录系统多个系统无需重复登录。

搭建Zookeeper服务器

安装启动

zk由Java编写，安装依赖Java环境

1. 上传zookeeper压缩包

2. 解压缩

tar -zxvf apache-zookeeper-3.7.1-bin.tar.gz 

zk目录结构：

3. 启动zookeeper，conf文件夹中需要zoo.cfg文件

zoo_sample.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

稍作修改，然后重命名为zoo.cfg

mv zoo_sample.cfg zoo.cfg

Zookeeper服务器的操作命令

• 启动zk服务器（指定配置文件）

./zkServer.sh start ../conf/zoo.cfg 

• 重启zk服务器

./zkServer.sh restart ../conf/zoo.cfg 

• 查看zk服务器状态

./zkServer.sh status ../conf/zoo.cfg

• 停止zk服务器

./zkServer.sh stop ../conf/zoo.cfg

Zookeeper内部的数据模型

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（类似Linux目录结构）。

顶层目录为/

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

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：

/service/org-service

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。

zk中的znode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

zk中节点znode类型

创建节点命令：（不同参数代表不同类型znode）

• 持久节点: 创建出的节点，在会话结束后依然存在。保存数据（默认）
• 持久顺序节点: 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（-s）
• 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。（-e）

如何维持心跳？

• 临时顺序节点：跟持久序号节点相同，适⽤于临时的分布式锁。（-es）
• 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）。（-c）
• 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（-t）【不稳定，了解即可】

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。

【默认两种都是开启的】

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。

Zookeeper客户端(zkCli)的使用

启动客户端

启动客户端：./zkCli.sh -server ip:port（如果连接本地Zookeeper，ip:port可省略）

./zkCli.sh

退出客户端

quit

常用命令

• ls / （查看znode目录结构）

• help （帮助命令）

• 创建Znode（不同参数对应不同类型节点）【不加参数，默认持久节点】

  

• 存取设置数据

  • create /test abc （存）
  • get /test （取）
  • set /test abc （设置数据）

  

  

• 普通查询

  get /test

  ls /

  ls /test （-R参数 递归查询）

  

• 查看节点详细信息

  get -s /test （-s参数）

  

  • 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: 节点内数据的长度
  • numChildren: 该节点的节点个数

• 删除节点

  ​ 1、普通删除

节点不为空时，直接用delete无法删除，此时可以用deleteall进行删除

​ 2、乐观锁删除 （-v 参数）

需要与节点详细信息dataVersion对应，否则无法删除

• 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（步骤一），才能拥有操作该节点的权限

  

Curator客户端的使用

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。

引入Curator

• 引入依赖

    
     <dependency>
         <groupId>org.apache.curatorgroupId>
         <artifactId>curator-frameworkartifactId>
         <version>2.12.0version>
     dependency>
     <dependency>
         <groupId>org.apache.curatorgroupId>
         <artifactId>curator-recipesartifactId>
         <version>2.12.0version>
     dependency>
     
     <dependency>
         <groupId>org.apache.zookeepergroupId>
         <artifactId>zookeeperartifactId>
         <version>3.7.14version>
     dependency>

• 配置文件

curator:
  retryCount: 5
  elapsedTimeMs: 5000
  connectString: 124.222.253.33:2181
  sessionTimeoutMs: 60000
  connectionTimeoutM: 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()));
    }
}

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.printf("curator create node :%s  successfully.%n", path);

        System.in.read();
    }

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));
    }

修改节点数据

    @Test
    public void testSetData() throws Exception {
        curatorFramework.setData().forPath("/curator-node", "changed!".getBytes());
        byte[] bytes = curatorFramework.getData().forPath("/curator-node");
        System.out.println(new String(bytes));
    }

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(pathWithParent);
        System.out.printf("curator create node :%s  successfully.%n", path);
    }

删除节点

    @Test
    public void testDelete() throws Exception {
        String pathWithParent = "/node-parent";
        curatorFramework.delete().guaranteed().deletingChildrenIfNeeded().forPath(pathWithParent);
    }

zk实现分布式锁

zk中锁的分类

• 读锁：大家都可以读，要想上读锁的前提是，之前的锁没有写锁 【读锁共享】
• 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。 【写锁独占】

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

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。

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。

监听当前节点的上一个节点即可。

curator实现读写锁

1）获取读锁

	@Autowired
    private CuratorFramework client;   

	@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!");
    }

zk的watch机制

Watch机制介绍

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。

客户端使用了NIO通信模式监听服务端的调用。

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

get -w /test 监听节点 监听是一次性的（监听当前节点内容变化，无法监听子节点），每次获取数据时都带-w参数可以实现持续监听节点

ls /w /test 监听节点目录变化，可以监听子节点（一级子节点）加上-R参数可以递归监听所有子节点

curator客户端使用watch

    @Test
    public void addNodeListener() throws Exception {
        NodeCache nodeCache = new NodeCache(curatorFramework, "/curator-node");
        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));
    }

Zookeeper集群实战

Zookeeper集群角色

zookeeper集群中的节点有三种角色

1. Leader：处理集群的所有事务请求（可读可写），集群中只有⼀个Leader。
2. Follower：只能处理读请求，参与Leader选举。
3. Observer：只能处理读请求，提升集群读的性能，但不能参与Leader选举。

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/data/zk1# echo 1 > myid
/usr/local/zookeeper/data/zk2# echo 2 > myid
/usr/local/zookeeper/data/zk3# echo 3 > myid
/usr/local/zookeeper/data/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/data/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=124.222.253.33:2001:3001
server.2=124.222.253.33:2002:3002
server.3=124.222.253.33:2003:3003
server.4=124.222.253.33:2004:3004:observer

# 上述配置，启动zk时，无法监听端口，可以加下面一行配置解决 （监听所有网卡）
quorumListenOnAllIPs=true

4）启动4台Zookeeper

./bin/zkServer.sh start ../conf/zoo1.cfg
./bin/zkServer.sh start ../conf/zoo2.cfg
./bin/zkServer.sh start ../conf/zoo3.cfg
./bin/zkServer.sh start ../conf/zoo4.cfg

查看集群状态

./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

连接Zookeeper集群

./bin/zkCli.sh -server 124.222.253.33:2181,124.222.253.33:2182,124.222.253.33:2183,124.222.253.33:2184

ZAB协议

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 原子消息广播）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。

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。

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，具体过程如下：

选票格式

myid | zXid

myid：myid文件配置数字

zXid：事务id，记录节点数据变化次数（增删改操作）

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，Leader选举期间集群不能对外提供服务。

主从服务器之间的数据同步

一定是主节点写数据，client连接到从节点也是发给主节点写数据

半数以上【相对于集群数量】（说明集群网络是没问题的）为了提高集群写数据的性能

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
  • 心跳机制

CAP理论

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）【数据一致】

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）【服务可用】

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）【分布式系统必须满足】

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。

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失的严重程度。

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。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!

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） BA

基本可用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页面，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） S

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） E

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。

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）。

zk追求CP原则，但也不是强一致性（集群半数以上ACK），而是顺序一致性。

Curator客户端相关代码：https://github.com/lkl778/zk.git