Zookeeper入门学习_zk znode

zookeeper学习

一、Zookeeper介绍

1、什么是Zookeeper

• 在分布式组件里面，Zookeeper是一个为其他分布式服务提供协调服务的中间件。

• 服务包含：统一配置管理、统一命名服务、分布式锁、集群管理、分布式队列、数据发布订阅…

  本质上可以归纳为两类：

  1.基于Znode树的数据管理

  2.数据的通知和监听

2、Zookeeper的应用场景

Zookeeper启动时，它会创建一个分层的命名空间，称为Znode树。Znode是Zookeeper中的基本数据节点，类似于文件系统中的文件夹。接下来，当应用程序连接到Zookeeper时，它可以使用Zookeeper提供的API将自己的信息存储在Znode上。这个过程被称为注册。

• 统一配置管理

  在配置管理服务中，应用程序可以使用Zookeeper提供的API轻松读取和更改配置。Zookeeper允许多个应用程序同时监听某个Znode，从而使它们能够及时获得配置更改通知。

• 统一命名服务

  在命名服务中，应用程序可以使用Zookeeper提供的API在特定的Znode路径下注册或查找它们的服务名称。Zookeeper会将这些服务名称分配给一个全局唯一的标识符，并允许其他应用程序查找它们。

• 分布式锁

  在分布式锁管理中，应用程序可以使用Zookeeper提供的API创建锁节点。只有一个应用程序能够成功地在该节点上创建子节点，从而获得锁。其他应用程序必须等待当前持有锁的应用程序释放锁，然后才有机会获取锁并执行相应的任务。

• 集群管理

  集群状态管理：所有服务节点创建临时节点，然后监听子节点的变化消息。比如一旦有机器挂掉，临时节点删除，其他节点收到通知。

  集群负载均衡：所有服务节点创建临时节点，zookeeper根据负载均衡算法将任务分发到各个机器节点中处理。

  集群leader选举：多个客户端请求创建同一个临时节点，最终只有一个客户端请求能够创建成功。

• 分布式队列

  在分布式队列中，应用程序可以使用Zookeeper提供的API将任务添加到队列中，然后由不同的工作进程处理这些任务。当一个任务被添加到队列中时，它将作为一个Znode被创建。多个工作进程可以同时监听该Znode，以便及时获取新任务的通知。

• 数据发布订阅

  Zookeeper 提供了一种称为“Watcher 机制”的发布/订阅模式，用于实现数据的发布和订阅。具体来说，Zookeeper 允许客户端在某个节点上设置 Watcher，当该节点的状态发生变化时，Zookeeper 会通知所有订阅该节点的客户端，从而实现数据的发布/订阅。

  下面是 Zookeeper 实现数据发布/订阅的步骤：

  1. 客户端向 Zookeeper 服务器注册一个 Watcher，指定要监控的节点路径。
  2. 当该节点的状态发生变化（例如节点数据被修改、节点删除等），Zookeeper 会将变化通知所有注册了 Watcher 的客户端。
  3. 客户端接收到 Watcher 通知后，可以采取相应的操作，例如重新获取节点数据、更新本地缓存等。
  4. 如果客户端不再需要订阅节点的变化，可以取消 Watcher 注册。

总体来说，Zookeeper通过提供基于Znode树的数据存储和一组强大的API，使得这些服务变得非常容易实现。应用程序只需要使用这些API来注册、读取和创建Znode，就可以使用Zookeeper提供的各种服务。

二、搭建ZooKeeper服务器

前提：安装了JDK

下载zookeeper安装包apache-zookeeper-3.7.1-bin.tar.gz，解压

zoo_sample.cfg 复制一份改名为zoo.cfg

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的最大时长，它表示tickTime的时间倍数，即：initLimit*tickTime
initLimit=10
# 允许follower与leader数据同步最大时长，它表示tickTime的时间倍速，即：syncLimit*tickTime
syncLimit=5
# zookeeper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=/java/myzookeeper/data
# 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，单位为小时，默认为0，表示不自动清除
autopurge.purgeInterval=1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

2、Zookeeper服务器的操作命令

cd /java/myzookeeper

重启zk服务器：

./bin/zkServer.sh start ./conf/zoo.cfg
1

查看zk服务器的状态：

./bin/zkServer.sh status ./conf/zoo.cfg
1

停止服务器：

./bin/zkServer.sh stop ./conf/zoo.cfg
1

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之间构成一棵树的目录结构。类似于数据结构中的树，同时也很像文件系统的目录

这样的层级结构，让每一个Znode的节点拥有唯一的路径，就像命名空间一样对不同信息做出清晰的隔离。

# 查看根节点
ls /
1
2

2、zk中的znode是什么样的数据结构

zk中的znode包含了四个部分

data：保存数据

acl：权限：

​ 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信息

​ 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

1、持久节点：创建出的节点，在会话结束后依然存在。保存数据

2、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

3、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。

4、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

5、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

6、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.extendedTypeEnablee=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
1

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，则按照 dataDir指定的路径）

- 数据快照
1

zk会在一定的时间间隔内做一次内存数据快照，把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，这样恢复的速度更快。

四、Zookeeper客户端（zkCli）的使用

1、多节点类型创建

• 创建持久节点

  create /xxx
  1

• 创建持久序号节点

  create -s /xxx
  1

• 创建临时节点

  create -e /xxx
  1

• 创建临时序号节点

  create -e -s /xxx
  1

• 创建容器节点

  create -c /xxx
  1

2、查询节点

• 普通查询

  # 本级查询
  ls /xxx
  # 递归查询
  ls -R /xxx
  1
  2
  3
  4

• 查询节点的内容

• get /xxx
  1

• 查询节点信息

  get -s /xxx
  1

  

  • 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，该是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：该节点的子节点个数

3、删除节点

• 普通删除

  # 删除节点，当有子节点，删除失败，要用下面的命令
  delete /xxx
  # 删除节点以及子节点
  deleteall /xxx
  1
  2
  3
  4

  

• 乐观锁删除

  #只有指定删除的数据版本 == 当前节点的数据版本号，才能够删除成功，因为每对节点进行一次数据操作，节点的dataVersion就会+1。这样删除，通过乐观锁保证并发下数据操作的唯一性
  delete -v  dataVersion
  1
  2

4、权限设置

• 注册当前会话的账号和密码：

  addauth digest xiaowang:123456
  1

• 创建节点并设置权限（指定该节点的用户，以及用户所拥有的权限s）

  create /test-node abcd auth:xiaowang:123456:cdwra
  1

  在另一个会话中必须先使用账号密码，才能拥有操作节点的权限

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。

2、引入依赖

~~~ xml
<!--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>3.7.1</version>
</dependency>
~~~


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

3、application.properties配置文件

curator.retryCount=5 # 重试次数
curator.elapsedTimeMs=5000 # 临时节点的超时时间
curator.connectionString=172.0.0.1:2181 # 连接地址
curator.sessionTimeoutMs=60000 # session超时时间
curator.connectionTimeoutMs=5000 # 连接超时时间
1
2
3
4
5

4、编写配置curator配置类

@Data
@Component
@ConfigurationProperties(prefix = "curator")
public class WrapperZK {
  private int retryCount;

  private int elapsedTimeMs;

  private String connectionString;

  private int sessionTimeoutMs;

  private int connectionTimeoutMs;
}

//引用配置类
@Configuration
public class CuratorConfig {

    @Autowired
    private WrapperZK wrapperZK;

    @Bean(initMethod = "start")
    public CuratorFramework curatorFramework(){
        return CuratorFrameworkFactory.newClient(
            wrapperZK.getConnectionString(),
            wrapperZK.getSessionTimeoutMs(),
            wrapperZK.getConnectionTimeoutMs(),
            new RetryNTimes(wrapperZK.getRetryCount(), wrapperZK.getElapsedTimeMs())
        );
    }

}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

5、测试

@Autowired
private CuratorFramework curatorFramework;

@Test
//添加节点
void createNode() throws Exception{
    //添加默认(持久)节点
    String path = curatorFramework.create().forPath("/curator-node");
    //添加临时序号节点
    //String path2 = curatorFramework.create().withMode(CreateMode.EPHEMERAL_SEQUENTIAL).forPath("/curator-nodes", "messageDate".getBytes());
    System.out.println(String.format("curator create node :%s  successfully!", path));
    //		System.in.read();
}

@Test
//获取节点值
void getDate() throws Exception {
    byte[] bttes = curatorFramework.getData().forPath("/curator-node");
    System.out.println("bttes = " + bttes);
}

@Test
//设置节点值
void setDate() throws Exception {
    curatorFramework.setData().forPath("/curator-node", "newMessage".getBytes());
    byte[] bytes = curatorFramework.getData().forPath("/curator-node");
    System.out.println("bytes = " + bytes);
}

@Test
//创建多级节点
void createWithParent() throws Exception {
    String pathWithParent = "/node-parent/sub-node-1";
    String path = curatorFramework.create().creatingParentContainersIfNeeded().forPath(pathWithParent);
    System.out.println(String.format("curator create node :%s success!", path));
}

@Test
//删除节点
void delete() throws Exception {
    String path = "/node-parent";
    //删除节点的同时一并删除子节点
    curatorFramework.delete().guaranteed().deletingChildrenIfNeeded().forPath(path);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

六、zk实现分布式锁

1、zk中锁的种类

• 读锁（读锁共享）：大家都可以读。上锁前提：之前的锁没有写锁

• 写锁（写锁排他）：只有得到写锁的才能写。上锁前提：之前没有任何锁

  读数据并不会对数据本身产生影响所以可以同时读，写数据说明数据发生了变化，这个时候就不能读数据了

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，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，监听最小节点，如果最小节点有变化，则再执行第二步。

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，这样对zk的压力非常大，而羊群效应，可以调整成链式监听。解决这个问题。

5、Curator实现读写锁

• 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("等待获取读锁对象中...");
    //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...");
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• 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("等待获取写锁对象中...");
    //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...");
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

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。

  1.监听节点数据变化：get -w /xxx
  2.客户端的监听只生效一次。如果想持续监听，需要在每次监听信息打印后，查看数据的时候，再使用：get -w /xxx
  3.在被监听的节点上创建子节点，watch监听事件不会被触发

• 当被watch的znode已删除，服务端会查找哈希表，找到znode对应的所有watcher，异步通知客户端，并删除哈希表中对应的key-value。

客户端使用了NIO的通信模式监听服务端的调用

2、zkCli客户端使用Watch

create /test1 aaa
get -w /test1	一次性监听节点
ls -w /test1		监听目录，创建和删除子节点会收到通知。但是子节点中新增节点不会被监听到
ls -R -w /test1	监听子节点中节点的变化，但内容的变化不会收到通知
1
2
3
4

3、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));
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

八、Zookeeper集群实战

1、Zookeeper集群角色

zookeeper集群中的节点有三种角色

• Leader：处理集群的所有事务请求，集群中只有一个Leader
• Follwoer：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Observer

1.创建4个节点的myid并设值

在usr/local/zookeeper中创建一下四个文件

/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
1
2
3
4

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
# the directory where the snapshot is stored.
# do not use /tmp for storage, /tmp here is just 
# example sakes. 修改对应的zk1 zk2 zk3 zk4
dataDir=/usr/local/zookeeper/zkdata/zk1
# the port at which the clients will connect
clientPort=2181

#2001为集群通信端口，3001为集群选举端口，observer（观察者身份）
server.1=127.0.0.1:2001:3001
server.2=127.0.0.1:2002:3002
server.3=127.0.0.1:2003:3003
server.4=127.0.0.1:2004:3004:observer
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3.启动服务节点以及观察节点状态

启动

观察角色

4.连接Zookeeper集群

#在 ZooKeeper 集群中，客户端不需要显式地连接观察者节点。因为观察者节点只是提供额外的备份服务，并且不参与写操作的投票，所以客户端只需要连接到主节点和从节点即可。
./bin/zkCli.sh -server 127.0.0.12181,127.0.0.1:2182,127.0.0.1:2183
1
2

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态

• Looking：选举状态
• Following：Following节点（从节点）所处的状态
• Leading：Leader节点（主节点）所处状态

3、集群上线Leader选举过程

选票规则：

myid和zxid,先比较zXid看谁大，如果一样大就比较myid谁大

简单理解：

投票超过集群数一半就选定为leader

阶段一：broker_1启动，此时broker_1生成一张选票

阶段二：broker_2启动，broker_2和broker_1比较，发现zxid一样， broker的myid大于broker_1, 所以各自节点都会有两个选票都是broker_2，此时票数超过一半，所以broker_2当选为leader

阶段三：broker_3启动，此时leader已经选举，所以为follower.

阶段四：boroker_4启动，作为observer

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选举状态，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

leader收到半数以上follower的ack，就发送commit（向所有follower，和自己）

• 为什么要半数以上？

  • 提升整个集群写数据的性能。因为集群中3台节点，有两台都写成功了，说明网络通信基本正常，集群能够持续提供服务

  • 半数，指的是整个集群所有节点的半数

  也可以理解成分布式事务中的两阶段提交

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

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

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）和区分容错性（Partition tolerance）这三项中的两项。

• —致性(Consistency)

一致性指"all nodespsee 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。

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)

基本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)

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—种特殊情况。

Zookeeper追求的一致性

ZooKeeper是弱一致性，能保证最终一致性。

zookeeper使用的ZAB协议进行主从数据同步，ZAB协议认为只要是过半数节点写入成为，数据就算写成功了，然后会告诉客户端A数据写入成功，如果这个时候客户端B恰好访问到还没同步最新数据的zookeeper节点，那么读到的数据就是不一致性的，因此zookeeper无法保证写数据的强一致性，只能保证最终一致性，而且可以保证同一客户端的顺序一致性。

但也可以支持强一致性，通过sync()方法与Leader节点同步后可保证当前节点数据与Leader一致。