一个分布式应用,发生局部故障是非常麻烦的事。一个数据包在节点之间传递,网络故障,发送方不知道接收方是否接收到了数据。针对分布式应用,我们新增加一层协调者,来管理子进程是一种常见的解决方案。ZooKeeper就是用来做协调任务的。
ZK核心功能是什么?
答:简单来说,客户端连接ZK,监听ZK上的数据。如果有人修改了ZK中被监听的数据,ZK反过来会告诉客户端数据的变更。
举个栗子:
在Kafka的设计中,Kafka的一个节点在ZK中创建了一个数据,谁先创建成功谁就是集群的主节点,其余的节点都会去监听这个数据。
如果主节点宕机了,ZK对应的数据就会发生变更,既而监听这个数据的其余节点就会感知到主节点宕机了,然后Kafka就需要进行选举。
ZK的的架构师怎么设计的?
答:在 zookeeper 集群中, 集群的角色有可以有三种:leader, follower, observer
三者关系如下:
作为分布式应用,数据一致性很关键,ZK怎么做?
答:说到数据一致性,就离不开一致性算法。ZK采用的ZAB(Zookeeper Atomic BroadCast)协议实现数据一致性。主要有数据写入和故障恢复(选举)模式。
数据写入--过半写机制流程
(1)ZooKeeper写数据都是leader节点,leader节点会把数据通过proposal请求发送到所有节点
(2)所有节点收到数据以后都会写到自己到本地磁盘上面,成功后发送一个ack请求给leader
(3)leader只要接受到过半的节点ack响应,就会发送commit消息给各个节点,各个节点就会把消息放入到内存中
(4)返回客户端写入成功
故障恢复--选主模式流程
ZAB的选举发生在服务启动和leader节点异常时。用服务启动举个例子。假设有三台服务器组成的ZK集群,它们的serverid从1-3,假设这些服务器依序启动,来看看会发生什么:
(1)1启动,此时只有它一台服务器启动了,它发出去的报没有任何响应,所以它的选举状态一直是LOOKING状态
(2)2启动,它与服务器1进行通信,互相交换自己的选举结果,由于两者都没有历史数据,所以ID值较大的服务器2胜出
(3)此时二台服务器(超过半数)选举了服务器2,所以它成为了这次选举的leader
(4)3启动,根据前面的分析,理论上服务器3应该是服务器1,2,3中最大的,但是由于前面已经有半数以上的服务器选举了服务器2,所以它只能接收当小弟的命了
总结: