ZooKeeper个人理解

一、什么是zookeeper

     根源: 从Hadoopd的高可用分出来的子项目,hadoop是做大数据存储的，N个机器同时在线，完成高可用，主备的机器。所以zookeeper刚开始起到的作用就是管家，管理这N个节点，让主备机器通知zookeeper谁闲着。谁负载过了，好让zookeeper来调度。hadoop有个特点同一时间只有一个节点对外提供服务，而另一个节点等待(备胎)，如果第一个节点崩掉，另一个节点马上顶上来使用，zookeeper协调服务的上下限。

二、zookeeper能干什么

  特点：区分于nginx/keepalive

   1.保管数据(描述信息(ip,hostname)，在线状态=是不是主节点(leader,master,slave))保存为类似与数据库表的一种结构,为客户端从zookeeper里面读取数据。

 注意：但是如果出现宕机怎么动态的更新在线状态等等信息告诉客户端，将在线状态从master-slave切换。所以每台节点的状态你怎么知道?

  心跳检测(N个节点和zookeeper来保持心跳检测。保证哪个活着哪个死了)

   通过心跳检测的方式来监听事件状态，来产生事件通知(obsever观察者模式)

   如果有事件(动作)就会吊起代码，我们的代码来维护数据，也就是将master/salve切换

   换句话说zookeeper在做监听的时候是在每服务器上做的一个zookeeperClient，是这个程序在不停的向zookeeper上报心跳连接。zookeeper一切都由事件来驱动，

  2.可以做更加复杂的负载均衡/协调

  3.一切都可监听

    监听连接状态

    监听数据改变

三、理解

 1.当一台服务器的时候是Standalone，真正的zookeeper必须为集群，当部署zookeeper做集群的时候一般部署奇数台的zookeeper为了方便选举

 2.数据保管的问题

 思考1: 既然zookeeper是集群，所以说数据在每台zookeeper上面都会有数据，那么数据从哪里来？从客户端来，当客户端提交的时候，是往一个节点上提交还是多个zookeeper上提交？

 a.应该是一台服务器上提交合适,当网络数据传输的时候,就要保证网络的传输不出问题,如果是多台服务器上提交则网络稳定性不稳定，其余机器等待不知道何时。

b.然后这一台机器将数据同步到其他节点上面，复制到其他的节点上面

思考2：若另一个客户端改数据了怎么办?

新客户端来改数据的时候是找哪台机器？随便？还是之前接收数据的那台？

不可能找原来接收数据的那台服务器,所以随便找一台就可以，当数据修改完成之后同步给其他的节点。

 思考3:分布式系统的数据一致性问题

 当出现以上情况的时候:老数据存储，新数据来提交的时候，一旦有数据更新的时候把老数据覆盖就行，zookeeper在判断数据的时候有一个version=zxid的概念，这个zxid就是版本的意思,还有一个timestamp时间戳，拿这两个判断，注意，这个时候更新不是覆盖旧数据，类似git，把数据存为不同的版本，同时还能记录是谁改了。所以说新数据来的时候对比其他节点的数据版本号，然后同步。

思考4:分布式系统的事务问题

 极端场景，两个客户端，前后的请求，重叠在ZK集群同步数据的时间窗口。不存在出现同时出现到一个节点的情况(类似线程)

怎么办？

 方案1:分布式锁

   可以实现，但是在这个基础之上增加了系统架构的提高。不用，抛弃

 方案2:只能往一台服务器上写

   只往一台机器上写就OK。但是全部都往一台上面写，怎么控制？zk底层实现，可以向任何一个节点写入数据，这个节点持有数据之后，不去修改，而是转发写入请求，把所有的涉及到事务相关的请求全部中转到一个节点上，这样就避免了分布式事务的问题。所以说这种方式，转发写的请求到一台有写权限的服务器上就可以。