zookeeper教程

⼀、Zookeeper介绍

1.什么是Zookeeper

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。

2.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，关于分布式锁相关的知识，在之后的ZAB协议中介 绍

• ⽆状态化的实现
  

⼆、搭建Zookeeper服务器

1.zoo.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 

2.Zookeeper服务器的操作命令

• 重命名 conf中的⽂件zoo_sample.cfg->zoo.cfg

./bin/zkServer.sh start ./conf/zoo.cf

• 启动zk服务器：

./bin/zkServer.sh start ./conf/zoo.cf

• 查看zk服务器状态：

./bin/zkServer.sh status./conf/zoo.cf

• 停⽌zk服务器：

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

三、Zookeeper内部的数据模型

1.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。 Zookeeper 的数据模型是什么样⼦呢？它很像数据结构当中的树，也很像⽂件系统的⽬录。

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 但是，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：

/animal/dog
/车/宝马

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。

2.zk中的znode是什么样的结构

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

3.zk中节点znode的类型

• 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

• 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

4.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。

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。

四、Zookeeper客户端(zkCli)的使⽤

1.多节点类型创建

• 创建持久节点
• 创建持久序号节点
• 创建临时节点
• 创建临时序号节点
• 创建容器节点

2.查询节点

• 普通查询
• 查询节点相信信息
  • 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

3.删除节点

• 普通删除
• 乐观锁删除

4.权限设置

注册当前会话的账号和密码：

addauth digest xiaowang:12345

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，才能拥有操作该节点的权限

五、Curator客户端的使⽤

1.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。

1.引⼊Curator

• 引⼊依赖

<!--Curator-->
 <dependency>
 <groupId>org.apache.curator</groupId>
 <artifactId>curator-framework</artifactId>
 <version>2.12.0</version>
 </dependency>
 <dependency>
 <groupId>org.apache.curator</groupId>
 <artifactId>curator-recipes</artifactId>
 <version>2.12.0</version>
 </dependency>
 <!--Zookeeper-->
 <dependency>
 <groupId>org.apache.zookeeper</groupId>
 <artifactId>zookeeper</artifactId>
 <version>3.7.14</version>
 </dependency>

• application.properties配置⽂件

curator.retryCount=5
curator.elapsedTimeMs=5000
curator.connectString=172.16.253.35:2181
curator.sessionTimeoutMs=60000
curator.connectionTimeoutMs=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;
}

• @Data

@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()));
 }
}

2.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).for
Path("/curator-node", "some-data".getBytes());
 System.out.println(String.format("curator create node :%s 
successfully.",path));
 System.in.read();
 }

3.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));
 }

4.修改节点数据

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

5.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(pathWithPare
nt);
 System.out.println(String.format("curator create node :%s 
successfully.",path));
 }

6.删除节点

@Test
 public void testCreateWithParent() throws Exception {
 String pathWithParent="/node-parent/sub-node-1";
 String path =
curatorFramework.create().creatingParentsIfNeeded().forPath(pathWithPare
nt);
 System.out.println(String.format("curator create node :%s 
successfully.",path));
 }

六、zk实现分布式锁

1.zk中锁的种类：

• 读锁：⼤家都可以读，要想上读锁的前提：之前的锁没有写锁
• 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。

2.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
    

3.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。
    

4.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。

5.curator实现读写锁

1）获取读锁

@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!");
 }

七、zk的watch机制

1.Watch机制介绍

我们可以把 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。

具体交互过程如下：

• 客户端调⽤ getData ⽅法， watch 参数是 true 。服务端接到请求，返回节点数据，并 且在对应的哈希表⾥插⼊被 Watch 的 Znode 路径，以及 Watcher 列表。
• 当被 Watch 的 Znode 已删除，服务端会查找哈希表，找到该 Znode 对应的所有 Watcher，异步通知客户端，并且删除哈希表中对应的 Key-Value。
  

客户端使⽤了NIO通信模式监听服务端的调⽤。

2.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

3.curator客户端使⽤watch

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

⼋、Zookeeper集群实战

1.Zookeeper集群⻆⾊

zookeeper集群中的节点有三种⻆⾊

• 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。

2.集群搭建

搭建4个节点，其中⼀个节点为
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

3.连接Zookeeper集群

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

九、ZAB协议

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。

2.ZAB协议定义的四种节点状

• 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

3.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，这 个状态具体会发⽣什么？

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，重新回到上⼀节中的Leader选举过程，此时集群不能对外提供服务。

5.主从服务器之间的数据同步

6.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。

⼗、CAP理论

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。

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。

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）

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。

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）。