基于zookeeper实现分布式配置中心（一）

　　

　　最近在学习zookeeper，发现zk真的是一个优秀的中间件。在分布式环境下，可以高效解决数据管理问题。在学习的过程中，要深入zk的工作原理，并根据其特性做一些简单的分布式环境下数据管理工具。本文首先对zk的工作原理和相关概念做一下介绍，然后带大家做一个简单的分布式配置中心。

zookeeper介绍

　　zookeeper是一个分布式协调框架，主要是解决分布式应用中经常遇到的一些数据管理问题，如：统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理、分布式锁等。

zookeeper使用

查看节点

　　# ls /path

创建节点

　　#create /path data

修改节点

　　#set /path data

删除节点

　　#delete /path

获取节点数据

　　#get /path

zookeeper C/S连接状态

　　1）KeeperState.Expired：客户端和服务器在ticktime的时间周期内，是要发送心跳通知的。这是租约协议的一个实现。客户端发送request，告诉服务器其上一个租约时间，服务器收到这个请求后，告诉客户端其下一个租约时间是哪个时间点。当客户端时间戳达到最后一个租约时间，而没有收到服务器发来的任何新租约时间，即认为自己下线（此后客户端会废弃这次连接，并试图重新建立连接）。这个过期状态就是Expired状态

　　2）KeeperState.Disconnected：就像上面那个状态所述，当客户端断开一个连接（可能是租约期满，也可能是客户端主动断开）这是客户端和服务器的连接就是Disconnected状态

　　3）KeeperState.SyncConnected：一旦客户端和服务器的某一个节点建立连接（注意，虽然集群有多个节点，但是客户端一次连接到一个节点就行了），并完成一次version、zxid的同步，这时的客户端和服务器的连接状态就是SyncConnected

　　4）KeeperState.AuthFailed：ookeeper客户端进行连接认证失败时，发生该状态

zookeeper工作原理

　　文件系统 + 监听机制

文件系统特点

　　同一个目录下文件名称不能重复，同样zookeeper也是这样的，zookeeper中统一叫作znode。znode节点可以包含子znode，也可以同时包含数据。znode只适合存储非常小的数据，不能超过1M，最好都小于1K。

znode节点类型

　　临时节点（EPHEMERAL）：客户端关闭zk连接后清除

　　永久节点（persistent）：持久化节点，除非客户端主动删除

　　有编号节点（Persistent_sequential）：自动增加顺序编号的znode持久化节点

　　临时有编号（Ephemral_ sequential）：临时自动编号设置，znode节点编号会自动增加，但是会客户端连接断开而消失。分布式锁用的是这个类型的节点。

　　注：EPHEMERAL 临时类型的节点不能有子节点，对于zk来说，有几个节点数据就会存储几份。

监听机制

　　客户端注册监听它关心的目录节点，当目录节点发生变化（数据改变、节点删除、子目录节 点增加删除）时，zookeeper会通知客户端。

　　

　　1、客户端启动时向zookeeper服务器注册信息

　　2、客户端启动同时注册一系列的Watcher类型的监听器到本地的WatchManager中

　　3、zookeeper服务器中节点发生变化后，触发watcher事件后通知给客户端，客户端线程从WatcherManager中取出对应的Watcher对象来执行回调逻辑。

zookeeper监听的事件类型

　　EventType.NodeCreated：当znode节点被创建时，该事件被触发。

　　EventType.NodeChildrenChanged：当znode节点的直接子节点被创建、被删除、子节点数据发生变更时，该事件被触发。

　　EventType.NodeDataChanged：当znode节点的数据发生变更时，该事件被触发。

　　EventType.NodeDeleted：当znode节点被删除时，该事件被触发。

　　EventType.None：当zookeeper客户端的连接状态发生变更时，即KeeperState.Expired、KeeperState.Disconnected、KeeperState.SyncConnected、KeeperState.AuthFailed状态切换时，描述的事件类型为EventType.None。

zookeeper下server工作状态

　　LOOKING：当前server不知道leader是谁，正在选举

　　LEADING：当前server即为选举出来的leader

　　FOLLOWING：leader已经选举出来，当前server是follower

ZAB协议

　　ZAB 协议全称：Zookeeper Atomic Broadcast（Zookeeper 原子广播协议）。
　　ZAB 协议作用：解决分布式数据管理一致性。
　　ZAB 协议定义：ZAB 协议是为分布式协调服务 Zookeeper 专门设计的一种支持 崩溃恢复 和 消息广播 协议。
　　基于该协议，Zookeeper 实现了一种 主备模式 的系统架构来保持集群中各个副本之间数据一致性。

消息广播

　　zookeeper集群采用主从（leader-follower）模式保证服务高可用。leader节点可读可写，follower节点只读，这种模式就需要保证leader节点和follower节点的数据一致性。对于客户端发送的写请求，全部由 Leader 接收，Leader 将请求封装成一个事务 Proposal，将其发送给所有 Follwer ，然后，根据所有 Follwer 的反馈，如果超过半数成功响应，则执行 commit 操作（先提交自己，再发送 commit 给所有 Follwer）。

　　注：上述中有一个概念：两阶段提交过程（分布式系统中数据一致性经常会涉及到的方案）。follower节点是可以处理写请求的，会转发给leader节点。leader节点通过消息广播（二阶段提交）同步写操作到follower节点，保证数据一致性。

　　zookeeper中每个事务都对应一个ZXID（全局的、唯一的、顺序的）。ZXID 是一个 64 位的数字，其中低 32 位可以看作是一个简单的递增的计数器，针对客户端的每一个事务请求，Leader 都会产生一个新的事务 Proposal 并对该计数器进行 + 1 操作。而高 32 位则代表了 Leader 服务器上取出本地日志中最大事务 Proposal 的 ZXID，并从该 ZXID 中解析出对应的 epoch 值，然后再对这个值加一。

崩溃恢复

　　即如果在消息广播的过程中，leader死掉了，如何保证数据的一致性问题。

　　假设两种异常情况：
　　1、一个事务在 Leader 上提交了，并且过半的 Folower 都响应 Ack 了，但是 Leader 在 Commit 消息发出之前挂了。
　　2、假设一个事务在 Leader 提出之后，Leader 挂了。

　　考虑到上述两种异常情况，Zab 协议崩溃恢复要求满足以下两个要求：
　　1）确保已经被 Leader 提交的 Proposal 必须最终被所有的 Follower 服务器提交。
　　2）确保丢弃已经被 Leader 提出的但是没有被提交的 Proposal。

　　崩溃恢复主要包含：leader选举 和 数据恢复。

　　leader选举:

　　1、要求 可用节点数量 > 总节点数量/2  。注意 是 > , 不是 ≥。

　    2、新选举出来的 Leader 不能包含未提交的 Proposal（新选举的 Leader 必须都是已经提交了 Proposal 的 Follower 服务器节点） 、新选举的 Leader 节点中含有最大的 zxid（可以避免 Leader 服务器检查 Proposal 的提交和丢弃工作。如果zxid相同，选择server_id【zoo.cfg中的myid】最大的。）

　　数据恢复：

　　1、上面讲过了ZXID的高 32 位代表了每代 Leader 的唯一性，低 32 代表了每代 Leader 中事务的唯一性。同时，也能让 Follwer 通过高 32 位识别不同的 Leader。简化了数据恢复流程。

　　2、基于这样的策略：当 Follower 链接上 Leader 之后，Leader 服务器会根据自己服务器上最后被提交的 ZXID 和 Follower 上的 ZXID 进行比对，比对结果要么回滚，要么和 Leader 同步。

zookeeper集群脑裂

　　集群的脑裂通常是发生在节点之间通信不可达的情况下，集群会分裂成不同的小集群，小集群各自选出自己的master节点，导致原有的集群出现多个master节点的情况。

zookeeper集群节点数（奇数or偶数？）

　　只要我们清楚集群leader选举的要求（可用节点数量 > 总节点数量/2  。注意 是 > , 不是 ≥），我相信很容易明白奇数节点集群相比偶数节点的集群有更大的优势。

　　1、发生脑裂（分成2个小集群）的情况下，奇数节点的集群总会有一个小集群满足可用节点数量 > 总节点数量/2，所以zookeeper集群总能选取出leader。

　　2、在容错能力相同的情况下，奇数集群更节省资源。还是要清楚leader选举的要求哈，举个列子：3个节点的集群，如果集群可以正常工作（即leader选举成功），至少需要2个节点是正常的；4个节点的集群，如果集群可以正常工作（即leader选举成功），至少需要3个节点是正常的。那么3个节点的集群和4个节点的集群都有一个节点宕机的容错能力。很明显，在容错能力相同的情况下，奇数节点的集群更节省资源。

zookeeper和eureka对比

　　在分布式系统领域有个著名的 CAP定理（C- 数据一致性；A-服务可用性；P-服务对网络分区故障的容错性，这三个特性在任何分布式系统中不能同时满足，最多同时满足两个）。

　　zookeeper基于CP，即任何时刻对ZooKeeper的访问请求能得到一致的数据结果，同时系统对网络分割具备容错性；但是它不能保证每次服务请求的可用性（注：也就 是在极端环境下，zookeeper可能会丢弃一些请求，消费者程序需要重新请求才能获得结果）。至于zookeeper为啥不能保证服务的高可用，大家可以想一下发生脑裂后无法选取leader、选取leader过程中丢弃某些请求。当网络出现故障时，剩余zk集群server会发起投票选举新的leader，但是此过程会持续30~120s，此过程对于高并发来说十分漫长，会导致整个注册服务的瘫痪，这是不可容忍的。

　　Eureka基于AP，不会有类似于ZooKeeper的选举leader的过程，采用的是Peer to Peer 对等通信，没有leader/follower的说法，每个peer都是对等的；客户端请求会自动切换 到新的Eureka节点；当宕机的服务器重新恢复后，Eureka会再次将其纳入到服务器集群管理之中。当Eureka节点接受客户端请求时，所有的操作都会在节点间进行复制（replicate To Peer）操作，将请求复制到该 Eureka Server 当前所知的其它所有节点中。至于为啥Eureka不能保证数据一致性，源于Eureka的自我保护机制：如果在15分钟内超过85%的节点都没有正常的心跳，那么Eureka就认为客户端与注册中心出现了网络故障，此时会出现以下几种情况：

　　1. Eureka不再从注册列表中移除因为长时间没收到心跳而应该过期的服务 。

　　2. Eureka仍然能够接受新服务的注册和查询请求，但是不会被同步到其它节点上(即保证当前节点依然可用) 。

　　3. 当网络稳定时，当前实例新的注册信息会被同步到其它节点中。

　　因此， Eureka可以很好的应对因网络故障导致部分节点失去联系的情况，而不会像zookeeper那样使整个注册服务瘫痪。

总结

　　以上是对zookeeper的工作原理和相关概念的一些整理，希望能对大家认识zookeeper有所帮助。下一篇文章开始基于zookeeper做一个简单的分布式配置中心，敬请期待！！！

参考链接

　　https://blog.csdn.net/pml18710973036/article/details/64121522

　　https://www.cnblogs.com/stateis0/p/9062133.html

　　https://www.jianshu.com/p/2bceacd60b8a