一文了解 Zookeeper 基本原理与应用场景

Zookeeper 是一个高性能、高可靠的分布式协调系统，是 Google Chubby 的一个开源实现，目前在分布式系统、大数据领域中使用非常广泛。 本文将介绍 Zookeeper 集群架构、数据模型、监听机制，以及Zookeeper典型的应用场景等。

1. Zookeeper 集群角色

首先介绍下 Zookeeper 集群，一个 Zookeeper 集群通常由一组机器组成，一般3~5台集群就可以组成一个 Zookeeper 集群。 集群拓扑图基本如下：

Zookeeper 集群中每一个节点都会在内存中维护当前的节点状态，并且彼此之间保持着通信。这里说明一点，只要集群中存在过半的节点正常工作，整个集群就能够对外提供服务。

如上图，在 Zookeeper 集群中，有 Leader、F ollower 和 Observer 三种类型的角色。

Leader

Leader 节点整个 Zookeeper 集群工作机制中的核心，主要工作是 处理客户端的读写请求，及集群内部各服务的调度。 注意只有 leader 能够处理写请求。

Follower

处理客户端的读请求，将写请求转发给 leader。参与 leader 选举投票等 。

Observer

这是自 Zookeeper 3.3.0 版本引入的一个新的角色，主要是为了解决大规模 Server 场景下因 leader 选举投票成本增加导致写性能下降的问题。Observer 的工作原理和 follower 基本一致。处理 客 户 端的 读 请 求 ，将 写 请 求 转发给leader。 和 follower 唯一的区别在于，Observer 不参与任何形式的选举，包括 leader 选举 。

一般而言，中小型规模的 Zookeeper 集群中只包含 leader 和 follower 两个角色，这容易让我们忽略 observer 角色的存在。配置一个节点为 observer 也很简单，只需如下两步：

# 在observer节点的配置文件中添加如下配置
peerType=observer

# 在每个节点的配置文件中，给observer节点添加:observer标识
# 例如：
server.1:localhost:2181:3181:observer

至此，相信你对 Zookeeper 的集群架构与相关角色有了一定认识。

2. Zookeeper 数据模型

Zookeeper 的数据模型是一棵类似 Unix 文件系统的 ZNode Tree 即 ZNode 树，但是没有引入传统文件系统的目录或者文件等概念，而是使用了称为 “数据节点” 的概念，术语叫做 ZNode。ZNode 是 Zookeeper 存储数据的最小单元，每个 ZNode 可以保存数据，也可以挂载子节点，其中根节点是 /。示意图 如下：

使用过 Zookeeper 的同学应该都知道，Zookeeper 主要提供了两个核心功能：

• 管理（存储、读取）客户端提交的数据；

• 为客户端提供数据节点的监听服务；

这里就涉及到 Zookeeper 的两个重要特性，就是它的 ZNode 模型与 Watcher 机制 。

ZNode 模型

前面讲到 Zookeeper 是由数据节点 ZNode 构成的，Zookeeper 中的每个数据节点都是有生命周期的，其生命周期的长短取决于 ZNode 的节点类型。ZNode 根据其生命周期和特点可分为 4 类。

分别是：

• 持久性节点（ PERSISTENT ）： 客户端与 Zookeeper 断开会话后，该节点依旧存在，直到执行删除操作才会清除节点。

• 持久性顺序节点（ PERSISTENT_SEQUENTIAL ）：另一种持久节点，Zookeeper 会给该节点名称加上一个数字后缀，进行顺序编号。

• 临 时 节点 （EPHEMERAL ） ：节点的 生命周期和客户端的会话 绑定在一起，客户端与 Zookeeper 断开会话后，该节点就会被自动删除 。各个场景中很多都是利用 Zookeeper 临时节点这个特性的。

• 临时顺序节点（EPHEMERAL_SEQUENTIAL）： 概念和上面类似，Zookeeper 也会给该节点进行顺序编号。

前面提及了 ZNode 是存储数据的最小单元，除了存储用户数据外，ZNode 还有以下特点：

• 包含 ZNode 修改/访问的时间、事务id(zxid)， ACL 权限、版本 等状态信息；

• 所有的事务请求在 ZNode 端都是顺序和原子性的；

• 数据主要存储在 内存中，磁盘中保存事务日志、快照数据等；

Watcher 机制

Watcher 机制也称监听机制，它是 Zookeeper 的关键特性， 是通过  ZooKeeper 实现分布式发布/订阅 、分布式锁、集群管理等功能的基础。

如上图所示，Zookeeper 允许客户端向服务端注册一个 Watcher 监听器，当服务端的一些指定事件触发了该监听 ，比如节点创建、删除，节点数据变更等事件，Zookeeper 就会向注册了监听器的客户端发送相应的事件通知 。

3. 代码演示 Zookeeper 监听器

接下来我们看一下通过 Zookeeper 原生的客户端 API，创建 ZNode 数据节点，然后演示下 Zookeeper 监听器的基本使用。

引入依赖

首先，当前有一个包含3个节点的 Zookeeper 集群，我们根据 Zookeeper 版本引入了相应依赖，如下

<dependency>
   <groupId>org.apache.zookeeper</groupId>
   <artifactId>zookeeper</artifactId>
   <version>3.4.5</version>
</dependency>

演示代码

• 创建 ZNode

private final String ZK_ADDRS = "server01:2181,server02:2181,server03:2181";
private final int SESSION_TIMEOUT = 5000;

private String znodePath = "/my_node";

@Test
public void createZNode() throws IOException, KeeperException, InterruptedException {
    //创建zookeeper客户端
    ZooKeeper zkClient = new ZooKeeper(ZK_ADDRS, SESSION_TIMEOUT, watchedEvent -> {});

    //判断节点是否存在
    Stat exist = zkClient.exists(znodePath, false);

    if (exist == null){
        //创建一个持久节点并写入数据，完全放开acl权限
        zkClient.create(znodePath, "123".getBytes(), ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
    }

    //关闭zookeeper连接
    zkClient.close();
}

（可左右滑动）

执行完这个单元测试后，我们通过命令行在服务端查看一下该数据节点：

[zk: localhost:2181(CONNECTED) 48] get /my_node
123
cZxid = 0xdb6439ef2
ctime = Fri Feb 27 21:08:09 CST 2020
mZxid = 0xdb6439ef2
mtime = Fri Feb 27 21:08:09 CST 2020
pZxid = 0xdb6439ef2
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x0
dataLength = 3
numChildren = 0

• 删除 ZNode 节点，并监听该节点的删除动作

@Test
public void TestWatcher() throws IOException, KeeperException, InterruptedException {
    //创建zookeeper客户端，并注册一个监听器
    ZooKeeper zkClient = new ZooKeeper(ZK_ADDRS, SESSION_TIMEOUT, new Watcher() {
        @Override
        public void process(WatchedEvent watchedEvent) {
            //监听指定节点删除事件
            if (watchedEvent.getType() == Event.EventType.NodeDeleted &&
                    watchedEvent.getPath().equals(znodePath)){
                log.info(String.format("注意：ZNode '%s' is deleted !", znodePath));
            }
        }
    });

    //判断节点是否存在，同时注册了一个 watcher
    Stat exist = zkClient.exists(znodePath, true);

    if (exist != null){
        //删除节点
        zkClient.delete(znodePath, -1);
    }

    //关闭zookeeper连接
    zkClient.close();
}

（可左右滑动）

代码执行后，可以看到控制台打印出了我们的日志：

21:41:07.870 [main-EventThread] INFO xxx - 注意：ZNode '/my_node' is deleted !

服务端查看该节点也已经不存在了：

[zk: localhost:2181(CONNECTED) 50] get /my_node
Node does not exist: /my_node

这里我们简单演示了下 Zookeeper 原始 API、监听器的使用，希望通过这个简单的demo，我们能对 Zookeeper 监听器有一个比较直观的认识。

4. Zookeeper 应用场景

Zookeeper 在分布式系统、大数据领域里应用广泛，这里总结了 8 个典型的应用场景：

数据发布/订阅

即所谓的配置管理或配置中心，拓扑图如下：

通常在分布式系统或集群中，所以节点的配置应该一致，比如Hadoop集群，要求对配置的修改，能够快速同步到各个节点中，可以通过 Zookeeper 实现：

• 将配置信息写入 ZooKeeper 的一个 ZNode 中；

• 各个节点在启动阶段从 Zookeeper 中获取配置，并注册一个数据变更的 Watcher 监听器；

• 当 ZNode 中的数据被修改，ZooKeeper 将通知各个客户端节点，节点收到通知后进行配置更新；

负载均衡

负载均衡通常是一种动态的服务配置，拓扑图：

通常包含两部分：

• 服务注册，服务提供者启动时会在某一个根 ZNode 节点下创建属于自己的子节点，并写入一些服务信息 比如IP:Port信息；

• 服务解析，服务使用者在请求服务时会先获取根 ZNode 节点的子节点列表，即服务列表，然后通过一定的负载均衡算法 比如hash选取一个服务访问；

命名服务

又称 nameservice，这是比较常见的场景，Zookeeper 的命令服务主要有两个方向的应用：

• 提供类似 JNDI 的功能：就是把各种服务的名称，地址及其他信息放到 Zookeeper 中，使用时去读取，实现资源的定位和使用；

• 利用 Zookeeper  顺序节点的特性，生成 分布式的全局唯一 ID；

分布式协调/通知

主要是利用了 Zookeeper Watcher 的注册与异步通知机制，通常的做法是不同客户端都对 Zookeeper 的一个数据节点进行 Watcher 注册，监听数据的变化，当数据节点发生变化时，所有订阅的客户端都能接到通知并做相应处理 。常见场景比如：

• Master 节点定期检测 Slave 节点的状态，类似于心跳检测机制；

• 信息推送，相当于一个发布订阅系统，和第一个场景类似；

集群管理

主要包括两部分功能

• 记录当前集群中有多少个节点在工作，以及节点的运行状态；

• 对集群中的节点进行上下线方面的操作；

Master 选举

Master 选举是一个分布式系统中非常常见的场景，这里是利用 Zookeeper 的强一致性，保证只有一个客户端能够创建节点成功。

分布式锁

不同节点上的服务，可能需要同时访问一个资源，这事可能需要一把分布式锁。 使用 Zoo keeper 实现分布式锁主要基于以下特性：

• ZooKeeper 的强一致性，保证只有一个客户端能够创建锁成功。

• 锁的独占性，创建 ZNode 成功的客户端才能得到锁，其他客户端只能等待，当客 户端用完释放锁时，其他客户端再次尝试创建 ZNode，获取分布式锁。

分布式队列

利用 Zookeeper 主要能够实现两种分布式队列：

• 当一个队列的成员都聚齐时，这个队列才可用，否则一直等待所有成员到达，这种是同步队列。  比如 一个 job 由多个 task 组成，只有所有 task 完成后，job 才运行完成，可为  job 创建一个 /job 目录，然后在该目录下，为每个完成的 ta sk 创建一个临时的 ZNode，一旦临时节点数目达到 task 总数，则表明 job 运行完成。 

• 利用 Zookeeper 的临时顺序节点特性，实现 FIFO 即先进先出的队列 。

5. 总结

本文介绍了 Zookeeper 的集群架构，ZNode 数据模型，Watcher 监听机制，以及 Zookeeper 的典型应用场景。Zookeeper 在分布式系统应用非常广泛，主流的大数据组件比如HDFS、HBase、Kafka等也依靠 Zookeeper 做协调服务。通过本文的介绍， 相信 我们对 Zookeeper 有了进一步的掌握。