【Zookeeper专题】Zookeeper经典应用场景实战（二）

前置知识

单体、分布式、微服务小口诀：
厨房里一开始只有一个厨师，这个厨师既要自己洗菜，切菜，还要自己炒菜，这叫做单体；
老板又请了一个厨师，这个厨师同样既要自己洗菜，切菜，还要自己炒菜，两个厨师之间的关系叫做分布式（职责一样，重在对硬件资源的横向拓展应用）；
老板又分别请了一个洗菜的阿姨和切菜的师傅，以后厨师只需要专注于炒菜了。洗菜阿姨，切菜师傅，炒菜厨师之间的关系就是微服务（职责不同，专注于各自的服务）

课程内容

一、Zookeeper分布式锁实战

1.1 什么是分布式锁

说到分布式锁，这里其实有2个概念，即【分布式 + 锁】。分布式这个概念我们可以看看【前置知识】；至于锁嘛，第一概念当然是JUC中的锁了。如：Sychronized和ReentractLock。但是，这些作为JVM级别的锁，只能应用在同一个进程中，不同线程的竞争中，没办法满足分布式（多进程）的使用场景、于是，就需要一种更加高级的锁机制来处理多进程之间的数据同步问题，这种机制就是：分布式锁。

目前分布式锁，比较成熟、主流的方案：

1. 基于数据库的分布式锁。这种方案使用数据库的事务和锁机制来实现分布式锁。虽然在某些场景下可以实现简单的分布式锁，但由于数据库操作的性能相对较低，并且可能面临锁表的风险，所以一般不是首选方案
2. 基于Redis的分布式锁。Redis分布式锁是一种常见且成熟的方案，适用于高并发、性能要求高且可靠性问题可以通过其他方案弥补的场景。Redis提供了高效的内存存储和原子操作，可以快速获取和释放锁。它在大规模的分布式系统中得到广泛应用（大部分人都在用）
3. 基于ZooKeeper的分布式锁。这种方案适用于对高可靠性和一致性要求较高，而并发量不是太高的场景。由于ZooKeeper的选举机制和强一致性保证，它可以处理更复杂的分布式锁场景，但相对于Redis而言，性能可能较低。

对Redis分布式锁比较熟悉的同学估计会想：Redis不是最优方案了吗，还搞什么劳什子的ZK分布式锁啊？只能说各有各的优点。Redis分布式锁在高可用上确实不错，但是因为没满足强一致性，所以，如果出现宕机，确实是有可能会出现最长30秒无法解锁的问题。但是在ZK中就不会出现，这是因为ZK的强一致性和监听机制带来的好处。

1.2 基于数据库设计思路

可以利用数据库的唯一索引来实现，唯一索引天然具有排他性

但还是那句话，有Redis分布式锁了，没必要使用这个数据库的分布式锁（我在上古C语言项目使用过，甚至还用过Linux文件系统来做分布式锁的）。

1.3 基于Zookeeper设计思路一

使用临时 znode 来表示获取锁的请求，创建 znode成功的用户拿到锁。

上述这种方案虽然能实现，但其实会有一个问题。那就是：

1. 如果同时有100个用户请求锁，最终只有1个会成功，99个失败，阻塞等待锁
2. 锁释放后，会通知唤醒剩余99个等待线程，重新获取锁，然后又只有1个能获取成功，98个失败
3. 以此类推，知道全部都获取成功
   
   这就是问题所在，每次都有大量的线程重新竞争。JUC是怎么解决这个所问题的呢？JUC新增了一个等待队列来解决。每次只让队列中的头结点去竞争。详情请看我这篇文章《【并发专题】深入理解AQS独占锁之ReentrantLock源码分析》
   所以，这里是否也可以参考JUC的解决办法呢？可以的，但是略有不同

1.4 基于Zookeeper设计思路二

使用临时有序znode来表示获取锁的请求，创建后，znode序号最小的用户成功拿到锁。下面是一种公平锁的实现的实现原理图：

我们可以看看上面的流程图，它通过，每次让节点监听比自己小1的节点的删除事件，来让自己实现排队等待唤醒的机制。

不过，上述的流程已经不需要我们我们自己去写了，之前介绍过的Curator客户端，已经提供了相应的API了。

1.5 Curator 可重入分布式锁工作流程

它的大概流程如下：

简单的代码使用案例如下：

public class CuratorLockTest implements Runnable {

    final static CuratorFramework client = CuratorFrameworkFactory.builder().connectString("localhost:2181")
            .retryPolicy(new ExponentialBackoffRetry(100, 1)).build();
    private OrderCodeGenerator orderCodeGenerator = new OrderCodeGenerator();
    // 可重入互斥锁
    final InterProcessMutex lock = new InterProcessMutex(client, "/curator_lock");

    public static void main(String[] args) throws InterruptedException {
        client.start();
        for (int i = 0; i < 30; i++) {
            new Thread(new CuratorLockTest()).start();
        }
        Thread.currentThread().join();
    }

    @Override
    public void run() {
    
        // 加锁
        lock.acquire();
        try {
            String orderCode = orderCodeGenerator.getOrderCode();
            System.out.println("生成订单号 " + orderCode);
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                // 释放锁
                lock.release();
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }
}

/**
 * 订单号生成工具类
 * 由于++count非原子的，所以是线程不安全的
 * 没有锁的话，肯定会出现订单号重复的现象
 */ 
public class OrderCodeGenerator {
    private static int count = 0;
    public String getOrderCode(){
        SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyyMMddhhmmss");
        return simpleDateFormat.format(new Date()) + "-" + ++count;
    }
}

1.6 总结

优点：ZooKeeper分布式锁（如InterProcessMutex），具备高可用、可重入、阻塞锁特性，可解决失效死锁问题，使用起来也较为简单
缺点：因为需要频繁的创建和删除节点，性能上不如Redis

在高性能、高并发的应用场景下，不建议使用ZooKeeper的分布式锁。而由于ZooKeeper的高可靠性，因此在并发量不是太高的应用场景中，还是推荐使用ZooKeeper的分布式锁。

二、基于Zookeeper实现服务的注册与发现

基于ZooKeeper本身的线性写、监听等特性可以实现服务注册中心。

2.1 设计思路

Q1：什么是服务注册与发现？
在分布式架构中，由于微服务实例数量较多，其 IP 地址和端口号会经常变化，因此需要一个机制来自动维护微服务的实例信息，实现微服务之间的通讯。服务注册发现机制就是解决这个问题的机制。

服务提供者会将自己的实例信息注册到服务注册中心，服务消费者通过服务注册中心获取服务提供者的实例信息进行通讯。服务消费者和服务提供者之间的通讯不需要知道对方的实际 IP 地址和端口号，只需要通过服务名即可。

2.2 Zookeeper实现注册中心的优缺点

优点：（其实就是ZK本身的优点）

• 高可用性：ZooKeeper是一个高可用的分布式系统，可以通过配置多个服务器实例来提供容错能力。如果其中一个实例出现故障，其他实例仍然可以继续提供服务
• 强一致性：ZooKeeper保证了数据的强一致性。当一个更新操作完成时，所有的服务器都将具有相同的数据视图。这使得ZooKeeper非常适合作为服务注册中心，因为可以确保所有客户端看到的服务状态是一致的
• 实时性：ZooKeeper的监视器（Watcher）机制允许客户端监听节点的变化。当服务提供者的状态发生变化时（例如，上线或下线），客户端会实时收到通知。这使得服务消费者能够快速响应服务的变化，从而实现动态服务发现

缺点：

• 性能限制：ZooKeeper的性能可能不如一些专为服务注册中心设计的解决方案，如Nacos或Consul。尤其是在大量的读写操作或大规模集群的情况下，ZooKeeper可能会遇到性能瓶颈

学习总结

1. 学习了ZK的分布式锁实现流程，并通过次加深了对ZK强一致性的理解