zookeeper的产生背景和概念

zookeeper:
    背景
        集中式管理
        集中式的一致性问题
        mysql---事务
        
        分布式概念
            分布式如何保证数据一致性问题？
                多个节点之间如何做到各个节点的数据或状态的一致性
                1）hadoop的ha   两个namenode  两个namenode
                实时的数据同步  数据一致
                2）hadoop的ha 两个namenode  一个active  一个standby的
                状态一致  standby实时的获取 active的状态信息
                3）hadoop的节点3个节点   3个节点配置文件同步的  
                远程发送   集群500个   延时性太长
        zookeeper就是解决分布式一致性问题  分布式协调（一致）服务
        目前zookeeper是没有取代方案的  目前解决分布式一致性问题的
        最完美的解决方案
        
    分布式一致性的发展：
        CAP理论：
            绝对完美的一致性理论
        C：Consistency，一致性： 多个副本保持一致   强一致性  实时一致性
            一致性：
                强一致性：写入什么  就能读取什么  写操作完成  
                        从其他任意备份立即可以读取
                弱一致性：尽量保证写什么  读什么  保证绝大部分
                最终一致性：弱一致性的一个特殊情况
                    在一定的时间延迟内  写数据的 所有的副本可以达到数据一致
                    最终肯定所有的副本保证数据一致的
            一致性最高：只有一个副本
                副本数量越多   一致性越难保证
        A：Availability，可用性：  高可用
            系统提供的服务必须一直处于可用，
            对于用户的每一个操作请求总是能在有限时间内返回结果
            系统实时对外提供服务  即使存在节点宕机
            
            可用性最高的时候：所有节点存储的都有副本
                副本越多  可用性越高
        P：Partition Tolerance分区容错性：
        分布式系统在遇到任何网络分区故障时，
        仍然需要能够保证对外提供满足一致性和可用性的服务        
        hdfs的副本策略
        
        C和A 是冲突的  不可同时满足的  实践上不能达到的
        
        要想实现CAP理论   在C 和A 之间平衡
        
        
        BASE理论：
            将c  a做了平衡
            c----最终一致性
            a----基本可用性
            Basically Available：基本可用
                相应时间的损失
                功能上的损失
            Soft State：软状态
                允许存在不同节点同步数据时出现延迟，
                且出现数据同步延迟时存在的中间状态也不会
                影响系统的整体性能。
                
                允许时间延迟
            Eventually Consistent：最终一致性
                系统中所有数据副本，在经过一段时间后，
                都可以达到同步：要求最终达到一致，而不是实时一致
                
        Quorum NRW:保证数据安全的算法

            quorum机制是分布式场景中常用的，
            用来保证数据安全，
            并且在分布式环境中实现最终一致性的投票算法

            N: 复制的节点数，即一份数据被保存的份数。
            R: Read 成功读操作的最小节点数，即每次读取成功需要的份数。
            W: Write 成功写操作的最小节点数 ，即每次写成功需要的份数。
            
            R+W>N
            
            1)W=1  R=N
            2)R=1  W=N
            
            R W 权衡：
            N=10
            W=5
            R=6
            
            W=6
            R=5
            W=N/2+1
            R=N/2
            过半写入
        paxos算法：选举算法
            来源希腊的帮主选举
            一半以上的选民投票
            过半选举的机制
                这个算法的一个最完美的实现就是zookeeper
                其他的实现都是不完美的实现
    zookeeper是什么
        分布式一致性算法的
        ZooKeeper  Google 的 Chubby
        一个开源的实现。它提供了简单原始的功能，分是一个分布式的，开放源码的分布式应用程序协调服务，是布式应用可以基于它实现更高级的服务，比
        如分布式同步，配置管理，集群管理，命名管理，队列管理。