视频地址：千锋最新Zookeeper集群教程-全网最全Zookeeper应用及原理分析课程

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业务逻辑开发，而不必担心应用的分布式特性。

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（顺序一致性），在后文ZAB协议中会详细介绍zk实现分布式锁
• 无状态化实现
  • 将分布式环境中多个节点的登录状态信息维护在zk数据中心中，实现了多个节点的无状态化

二、搭建zookeeper服务器

1. 安装zookeeper

1. 准备一台虚拟机（或linux服务器），安装jdk，配置java运行环境
2. 官网下载指定版本的zookeeper压缩包，apache-zookeeper-3.7.0-bin.tar.gz。官网地址：https://zookeeper.apache.org/
3. zookeeper压缩包上传到服务器上，解压缩
4. 进到conf目录中，执行命令：

cp zoo_sample.cfg zoo.cfg  # 拷贝一份cfg配置文件，新文件命名为zoo.cfg

5. 修改zoo.cfg配置文件

# 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=/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，单位为小时，默认为0，表示不自动清除
autopurge.purgeInterval=1

6. 启动zookeeper

# 进入到bin目录中，执行
./zkServer.sh start ../conf/zoo.cfg

2. zookeeper服务器的操作命令

• 启动zk服务器

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

• 查看zk服务器的状态（可以看当前启动的zk是leader、follower、还是 observer）

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

• 停止zk服务器

./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中数据是保存在节点上的，节点就是znode，多个znode之间构成了一棵树的目录结构
zk的数据模型是什么样子呢？有点像数据结构中的树，也比较像文件系统的目录。

根路径为 /。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：

这样的层次结构，让每一个znode节点拥有唯一的路径，就像命名空间一样，对不同的信息作出清晰的隔离。
查看zk中的所有节点：

ls /

2. zk中znode是什么样的结构

zk中的znode节点，包含了四个部分：

• data：znode存储的业务数据
• acl 权限：
  • c：create 创建权限，允许在该节点下创建子节点
  • w：write 写/更新权限，允许更新该节点的数据
  • r：read 读权限，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/状态信息（事务id、版本号、时间戳）
• child：当前节点的子节点引用

查看节点的详细信息：

get -s /xxx

节点的详细信息：

• cZxid：创建节点的事务id
• mZxid：修改节点的事务id
• pZxid：添加或删除子节点的事务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，版本+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。如果不是临时节点，则该值为0
• dataLength：节点内数据的长度
• numChildren：该节点的子节点个数

3. zk中节点znode的类型

• 持久节点：创建出节点后，在会话结束后依然存在 【create /xxx】
• 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。越后创建的数值越大，单调递增。适用于分布式锁的应用场景/并发场景 【create -s /xxx】

• 临时节点：创建之后，在会话结束后，节点会自动被删除。通过这个特性，zk可以实现服务的注册与发现的效果（如zk在dubbo中作为注册中心，实现服务注册与发现功能。服务提供者宕机，注册到zk的临时服务节点就会自动删除，消费者不可再调用） 【create -e /xxx】
  • 那么临时节点是如何维持心跳的呢？

• 临时序号节点：跟持久节点类似，适用于临时的分布式锁 【create -e -s /xxx】
• 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的，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的形式保存在dataLogDir指定的路径的文件中（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生成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. 多节点类型的创建

• 创建持久节点 —— create /xxx
• 创建持久序号节点 —— create -s /xxx
• 创建临时节点 —— create -e /xxx
• 创建临时序号节点 —— create -e -s /xxx
• 创建容器节点 —— create -c /xxx

2. 查询节点

• 普通查询
  • _ls /xxx _（查询/xxx下的一级子节点）
  • ls -R /xxx （查询/xxx下的所有子节点）
  • get /xxx （查询/xxx节点上的数据）
• 查询节点信息 —— get -s /xxx （查询/xxx节点的所有信息）
  • cZxid：创建节点的事务id
  • mZxid：修改节点的事务id
  • pZxid：添加或删除子节点的事务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，版本+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。如果不是临时节点，则该值为0
  • 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
  • delete /xxx
  • deleteall /xxx
• 乐观锁删除
  • delete -v dataVersion(节点的数据版本号) /xxx 【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】，每对节点进行一次数据操作，节点的dataVersion就会+1。这样删除，以乐观锁的机制，可保证并发下数据操作的唯一性

4. 权限设置

• 注册当前会话的账号和密码：

addauth digest xiaowang:123456

• 创建节点，并设置权限

# 创建一个节点/test-node，节点数据为abcd，此节点只能由账号为xiangwang，密码为123456的用户操作，可进行创建、删除、写、读、权限设置操作
create /test-node abcd auth:xiangwang:123456:cdwra

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。
在Java程序中使用zookeeper，可以引入Curator

• 引入Curator依赖，zookeeper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 # 重试次数
curator.elapsedTimeMs=5000 # 临时节点的超时时间
curator.connectionString=172.16.253.35:2181 # 连接地址
curator.sessionTimeoutMs=60000 # session超时时间
curator.connectionTimeoutMs=5000 # 连接超时时间

• 创建节点

• 读取节点数据

• 给节点添加数据

• 创建节点，如果没有父节点，顺带创建父节点

• 删除节点，如果节点下有子节点，一并删除

• 节点监听事件

六、zookeeper实现分布式锁

1. zk中锁的种类：

• 读锁：大家都可以读。想上读锁的前提是：上锁之前的，所有锁中没有写锁
• 写锁：只有得到写锁才能写数据。想上写锁的前提是：上锁之前，没有任何锁

读读共享，读写互斥，写写互斥

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：
    • 如果是读锁的话，则上锁成功
    • 如果是写锁，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，于是再次执行第二步的流程

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，如果最小节点发生变化，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，这就是所谓的羊群效应（惊群效应）。
可以调整为链式监听，解决这个问题。

5. Curator实现读写锁

1. 获取读锁

2. 获取写锁

// 将上面的获取读锁改成获取写锁
InterProcessLock interProcessLock = interProcessReadWriteLock.writeLock();

七、zookeeper的watch机制

1. watch机制介绍

可以把watch机制理解成注册在znode上的触发器。当znode发生变化了（调用了create、delete、setData等方法时），将会触发znode上注册的对应事件，请求znode的客户端会接收到异步通知。
具体交互过程：

• 客户端调用getData方法，watch参数设置为true（即客户端监听节点的变化）。服务端接收到请求，返回节点数据，并且在对应的哈希表中插入被watch的znode路径，以及watcher列表。
  • 监听节点数据变化：get -w /xxx
  • 当节点数据发生变化了，客户端会有监听信息的打印
  • 注意：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
  • （get -w /xxx 的方式）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 /xxx abc  # 创建持久节点/xxx，并设置节点数据为abc
get -w /xxx # 一次性监听节点
ls -w /xxx # 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 /xxx # 监听节点所有层级子节点的变化，但内容的变化不会收到通知

3. Curator客户端使用watch

八、zookeeper集群

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，一般进行写请求处理，集群中只有一个leader
• follower：只能处理读请求，可参与leader选举
• observer：只能处理读请求，提高集群读的性能，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

# 不同的zoo.cfg文件中需要更改两处：dataDir和clientPort

...

dataDir=/usr/local/zookeeper/zkdata/zk1  # 数据日志存放路径
clientPort=2181 # 提供给客户端通信的端口
# 2001,2002,2003,2004是用于服务节点之间通信的
# 3001，3002，3003，3004是用于投票选举leader的端口
server.1=172.16.253.55:2001:3001
server.1=172.16.253.55:2002:3002
server.1=172.16.253.55:2003:3003
server.1=172.16.253.55:2004:3004:observer

3. 启动四台服务节点

4. 查看四台已启动节点在集群中的角色

5. 客户端连接zookeeper集群

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为了保证数据一致性，使用了ZAB协议（zookeeper atomic broadcast），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：follower节点（从节点）所处的状态
• leading：leader节点（主节点）所处的状态
• observer：观察者节点所处的状态

3. 集群上线的时候，leader是怎么选举出来的

zookeeper集群中的节点上线时，将会进入looking状态，即leader选举状态，会经历过程如下：

• 选票格式（由两部分组成）
  • myid：每个节点初始配置的myid值
  • zXid：事务id，节点上每进行一次事务的增删改操作，zXid就会+1
• 第一轮投票：
  • 两个节点根据自己的myid和zXid生成一张自己的选票
  • 然后将各自持有的选票投递给对方
  • 这样，两个节点都各自拥有两张选票。然后各自按照（先比较zXid，取出较大者；如果zXid相同，再比较myid，取出较大者）的规则，选出一张选票，投到投票箱中
    • 为什么先比较zXid？ —— 因为zXid较大者，代表节点上的数据更新次数较多，更适合作为leader。而且后面，经历过数据同步，最终，各个节点上的数据都会保持一致
  • 第一轮投票结束。投票箱中产生了各个节点的选票（node-1中（2，0）；node-2中（2，0））
• 第二轮投票：—— 由于对于一个节点的来说，投票箱中的票数没有过半（3个参与投票的节点，过半票数为2，目前节点中的票数为1，1<2，所以需要进行第二轮投票）
  • 各个节点，将上一轮手中较大的选票投递给对方
  • 各自按照（先比较zXid，取出较大者；如果zXid相同，再比较myid，取出较大者）的规则，选出一张选票，投到投票箱中
  • 第二轮投票结束。投票箱中产生了各个节点的选票（node-1中（2，0）（2，0）；node-2中（2，0）（2，0））
• 此时，投票箱中有票数过半的节点，该节点确定为leader，选票结束
• 第三台节点启动后，发现集群中已经选举出了leader，于是把自己作为follower了

总结：zookeeper集群中，一般设置奇数节点比较好，leader选举的时候，比较好判断票数过半的节点

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，没有内容地socket）。当leader崩溃后，follower发现socket通道关闭，于是follower就会从following状态切换到looking状态，重新回到第3节中地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？ —— 半数以上的好处：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和BIO的应用

zookeeper在3.1之后的版本用的Netty

• 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，使用的是BIO进行通信

7. zookeeper的一致性问题

zookeeper在数据同步时，追求的并不是强一致性，它保证的是顺序一致性（通过事务id的单调递增）

十、CAP理论、Base理论

1. CAP理论

一个分布式系统中最多只能同时满足一致性、可用性、分区容错性三项中的两项（CP、或者AP）

• 一致性
  • 即更新操作成功并返回客户端完成后，所有节点在同一时刻的数据完全一致
• 可用性
  • 即服务一直可用，而且是正常响应时间
• 分区容错性
  • 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. BASE理论

BASE理论是对CAP理论的延伸，核心思想：即使无法做到强一致性，但应用可以采用适合的方式达到最终一致性

• 基本可用（basically available）
  • 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。（如电商大促时，为了应对访问量激增，部分用户可以会被引导到降级页面，服务处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）
  • 指允许系统存在中间状态，而该状态不会影响系统的整体可用性（如：支付中）。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的异步复制也是软状态的一种体现。
• 最终一致性（eventual consistency）
  • 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。