Java教程

java大数据组件Zookeeper

本文主要是介绍java大数据组件Zookeeper,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

zookeeper的作用:

Zookeeper是针对大型分布式系统的高可靠的协调系统,如dubbo里面的注册中心、分布式锁等,主要应用于分布式系统中。

分布式应用的优点:

  1. 可靠性- 单个或几个系统的故障不会使整个系统出现故障。
  2. 可扩展性- 可以在需要时增加性能,通过添加更多机器,在应用程序配置中进行微小的更改,而不会有停机时间。
  3. 透明性- 隐藏系统的复杂性,并将其显示为单个实体/应用程序。

分布式应用的挑战:

  1. 竞争条件- 两个或多个机器尝试执行特定任务,实际上只需在任意给定时间由单个机器完成。例如,共享资源只能在任意给定时间由单个机器修改。
  2. 死锁- 两个或多个操作等待彼此无限期完成。
  3. 服务发现 -client如何发现server,检测server存活性。
  4. 不一致- 数据的部分失败。

概念:

  1. 观察者模式:zk的核心功能,监听数据的变化
  2. 服务管理框架:zk的重要性就体现在对绝大部分分布式架构的服务治理

提供的常见服务:

  1. 命名服务- 按名称标识集群中的节点。它类似于DNS,但仅对于节点。
  2. 配置管理- 加入节点的最近的和最新的系统配置信息。
  3. 集群管理- 实时地在集群和节点状态中加入/离开节点。
  4. 选举算法- 选举一个节点作为协调目的的leader。
  5. 锁定和同步服务- 在修改数据的同时锁定数据。此机制可帮助你在连接其他分布式应用程序(如Apache HBase)时进行自动故障恢复。
  6. 高度可靠的数据注册表- 即使在一个或几个节点关闭时也可以获得数据。

架构:

组件描述
Client(客户端)客户端,我们的分布式应用集群中的一个节点,从服务器访问信息。对于特定的时间间隔,每个客户端向服务器发送消息以使服务器知道客户端是活跃的。 类似地,当客户端连接时,服务器发送确认码。如果连接的服务器没有响应,客户端会自动将消息重定向到另一个服务器。
Server(服务器)服务器,我们的ZooKeeper总体中的一个节点,为客户端提供所有的服务。向客户端发送确认码以告知服务器是活跃的。
EnsembleZooKeeper服务器组。形成ensemble所需的最小节点数为3。
Leader服务器节点,如果任何连接的节点失败,则执行自动恢复。Leader在服务启动时被选举。
Follower跟随leader指令的服务器节点。

ZooKeeper的层次命名空间:

  1. ZooKeeper节点称为 znode :每个znode都维护着一个stat结构。一个stat仅提供一个znode的元数据。它由版本号,操作控制列表(ACL),时间戳和数据长度组成。
  2. Znode的类型:
    1. 持久节点:即使在创建该特定znode的客户端断开连接后,持久节点仍然存在。默认情况下,除非另有说明,否则所有znode都是持久的。
    2. 临时节点- 客户端活跃时,临时节点就是有效的。当客户端与ZooKeeper集合断开连接时,临时节点会自动删除。因此,只有临时节点不允许有子节点。如果临时节点被删除,则下一个合适的节点将填充其位置。临时节点在leader选举中起着重要作用。
    3. 顺序节点- 顺序节点可以是持久的或临时的。当一个新的znode被创建为一个顺序节点时,ZooKeeper通过将10位的序列号附加到原始名称来设置znode的路径。例如,如果将具有路径/myapp的znode创建为顺序节点,则ZooKeeper会将路径更改为/myapp0000000001,并将下一个序列号设置为0000000002。如果两个顺序节点是同时创建的,那么ZooKeeper不会对每个znode使用相同的数字。顺序节点在锁定和同步中起重要作用。

Watches(观察模式):

监视是一种简单的机制,使客户端收到关于ZooKeeper集合中的更改的通知。客户端可以在读取特定znode时设置Watches。Watches会向注册的客户端发送任何znode(客户端注册表)更改的通知。Znode更改是与znode相关的数据的修改或znode的子项中的更改。只触发一次watches。如果客户端想要再次通知,则必须通过另一个读取操作来完成。当连接会话过期时,客户端将与服务器断开连接,相关的watches也将被删除。

  1. keeperState:反应当前的节点状态,节点发生了什么样的变化
  2. eventType:反应当前的事件状态,对节点做了什么操作
  3. 可以监听的范围:
    1. 创建连接的时候
    2. 子节点操作
    3. 当前节点的数据操作
    4. 监听指定节点的存在情况
  4. 监听器默认情况下,只能监听到一次;如果需要让他一直生效,需要循环监听
  5. 由于监听者是由一个守护线程来维持的,所以当用户线程结束后,守护线程自动结束;由代理来调用该process方法

数据发布与订阅:

发布与订阅即所谓的配置管理,顾名思义就是将数据发布到zk节点上,供订阅者动态获取数据,实现配置信息的集中式管理和动态更新。例如全局的配置信息,地址列表等就非常适合使用。

  1. 索引信息和集群中机器节点状态存放在zk的一些指定节点,供各个客户端订阅使用。
  2. 系统日志(经过处理后的)存储,这些日志通常2-3天后被清除。
  3. 应用中用到的一些配置信息集中管理,在应用启动的时候主动来获取一次,并且在节点上注册一个Watcher,以后每次配置有更新,实时通知到应用,获取最新配置信息。
  4. 业务逻辑中需要用到的一些全局变量,比如一些消息中间件的消息队列通常有个offset,这个offset存放在zk上,这样集群中每个发送者都能知道当前的发送进度。
  5. 系统中有些信息需要动态获取,并且还会存在人工手动去修改这个信息。以前通常是暴露出接口,例如JMX接口,有了zk后,只要将这些信息存放到zk节点上即可。

分布通知/协调:

ZooKeeper 中特有watcher注册与异步通知机制,能够很好的实现分布式环境下不同系统之间的通知与协调,实现对数据变更的实时处理。使用方法通常是不同系统都对 ZK上同一个znode进行注册,监听znode的变化(包括znode本身内容及子节点的),其中一个系统update了znode,那么另一个系统能 够收到通知,并作出相应处理。

  1. 另一种心跳检测机制:检测系统和被检测系统之间并不直接关联起来,而是通过zk上某个节点关联,大大减少系统耦合。
  2. 另一种系统调度模式:某系统有控制台和推送系统两部分组成,控制台的职责是控制推送系统进行相应的推送工作。管理人员在控制台作的一些操作,实际上是修改 了ZK上某些节点的状态,而zk就把这些变化通知给他们注册Watcher的客户端,即推送系统,于是,作出相应的推送任务。
  3. 另一种工作汇报模式:一些类似于任务分发系统,子任务启动后,到zk来注册一个临时节点,并且定时将自己的进度进行汇报(将进度写回这个临时节点),这样任务管理者就能够实时知道任务进度。 总之,使用zookeeper来进行分布式通知和协调能够大大降低系统之间的耦合。

分布式锁:

分布式锁,这个主要得益于ZooKeeper为我们保证了数据的强一致性,即用户只要完全相信每时每刻,zk集群中任意节点(一个zk server)上的相同znode的数据是一定是相同的。锁服务可以分为两类,一个是保持独占,另一个是控制时序。

  1. 保持独占,就是所有试图来获取这个锁的客户端,最终只有一个可以成功获得这把锁。通常的做法是把zk上的一个znode看作是一把锁,通过create znode的方式来实现。所有客户端都去创建 /distribute_lock 节点,最终成功创建的那个客户端也即拥有了这把锁。
  2. 控制时序,就是所有视图来获取这个锁的客户端,最终都是会被安排执行,只是有个全局时序了。做法和上面基本类似,只是这里 /distribute_lock已经预先存在,客户端在它下面创建临时有序节点(这个可以通过节点的属性控制:CreateMode.EPHEMERAL_SEQUENTIAL来指定)。Zk的父节点(/distribute_lock)维持一份sequence,保证子节点创建的时序性,从而也形成了每个客户端的全局时序。

集群管理:

  1. 集群机器监控:这通常用于那种对集群中机器状态,机器在线率有较高要求的场景,能够快速对集群中机器变化作出响应。这样的场景中,往往有一个监控系统,实时检测集群机器是否存活。过去的做法通常是:监控系统通过某种手段(比如ping)定时检测每个机器,或者每个机器自己定时向监控系统汇报“我还活着”。这种做法可行,但是存在两个比较明显的问题:1. 集群中机器有变动的时候,牵连修改的东西比较多。2. 有一定的延时。
  2. 利用ZooKeeper有两个特性,就可以实时另一种集群机器存活性监控系统:a. 客户端在节点 x 上注册一个Watcher,那么如果 x的子节点变化了,会通知该客户端。b. 创建EPHEMERAL类型的节点,一旦客户端和服务器的会话结束或过期,那么该节点就会消失。
  3. Master选举则是zookeeper中最为经典的使用场景了。 在分布式环境中,相同的业务应用分布在不同的机器上,有些业务逻辑(例如一些耗时的计算,网络I/O处理),往往只需要让整个集群中的某一台机器进行执行, 其余机器可以共享这个结果,这样可以大大减少重复劳动,提高性能,于是这个master选举便是这种场景下的碰到的主要问题。 利用ZooKeeper的强一致性,能够保证在分布式高并发情况下节点创建的全局唯一性,即:同时有多个客户端请求创建 /currentMaster 节点,最终一定只有一个客户端请求能够创建成功。

节点状态

1. czxid 创建该节点的事务ID 
2. ctime 创建该节点的时间
3. mZxid 更新该节点的事务ID 
4. mtime 更新该节点的时间 
5. pZxid 操作当前节点的子节点列表的事物ID(包含增加子节点,删除子节点) 
6. cversion 当前节点的子节点版本号 
7. dataVersion 当前节点的数据版本号 aclVersion 当前节点的acl权限版本号 
8. ephemeralowner 当前节点的如果是临时节点,该属性是临时节点的事物ID 
9. dataLength 当前节点的数据长度 
10. numchildren 当前节点的子节点个数

基本api:

    //创建节点
    public static void createNode() throws Exception {
        ZooKeeper zk = new ZooKeeper("192.168.10.12:2181", 100000, null);
        String str = "真帅";
        String result = zk.create("/testNode/test1", //路径
                                  str.getBytes(), //获取数据的字节码
                                  ZooDefs.Ids.OPEN_ACL_UNSAFE, //任何人都拥有所有权限
                                  CreateMode.PERSISTENT);//永久节点
        System.out.println(result);//返回当前已经创建的路径
        zk.close();
    }
    //获取节点
    public static void getNode() throws Exception {
        ZooKeeper zk = new ZooKeeper("192.168.10.12:2181", 100000, null);
        //    	States stats =  zk.getState();//获取状态-运行状态
        //    	System.out.println(stats);
        //数据节点状态
        Stat stat = new Stat();
        byte[] data = zk.getData("/testNode/test1", null, stat);
        System.out.println(new String(data));//节点数据
        System.out.println(stat.toString());//节点状态
        zk.close();
    }
    //修改节点
    public static void setNode() throws Exception {
        ZooKeeper zk = new ZooKeeper("192.168.10.12:2181", 100000, null);
        Stat stat = zk.setData("/testNode/test1", "杨斌斌真帅!!!!".getBytes(), -1);
        System.out.println(stat.toString());//节点状态
        zk.close();
    }
    //删除节点
    public static void removeNode() throws Exception {
        ZooKeeper zk = new ZooKeeper("192.168.10.12:2181", 100000, null);
        zk.delete("/testNode/test1", -1);
        zk.close();
    }

监听服务器的变化:

    private Semaphore sp = new Semaphore(1);
    //监听时,服务器要保证客户端一定能收到消息,反复不断的向客户端发送状态
    private boolean flag = true;//加一个状态防止虚假提交
    public synchronized void test() throws Exception {
        ZooKeeper zk = new ZooKeeper("192.168.10.102:21811", 100000, null);
        //信号量
        while(true) {
            zk.getData("/testNode/test1", new Watcher() {
                public void process(WatchedEvent event) {
                    if(!flag) {//每次注册之后,只接收一次数据
                        return;
                    }
                    System.out.println(event.getState().name());//节点状态
                    System.out.println(event.getType().name());//操作类型
                    System.out.println(event.getPath());//那个节点发生了变化
                    sp.release(1);//清空信号量
                    flag = false;
                }
            }, new Stat());
            sp.acquire(1);//信号量加满,线程也就停下来了
            flag = true;
        }
    }

watcher注册api:

API说明
getChildrenNodeChildrenChanged新建子节点【激活】
删除子节点【激活】
修改子节点【不激活】
getDataNodeDataChanged修改该节点
NodeDeleted删除该节点
existsNodeCreated新建该节点
NodeDataChanged修改该节点
NodeDeleted删除该节点

验证模式(scheme):

权限说明
digestClient端由用户名和密码验证,譬如user:password,digest的密码生成方式是Sha1摘要的base64形式
auth不使用任何id,代表任何已确认用户。
ipClient端由IP地址验证,譬如172.2.0.0/24
world固定用户为anyone,为所有Client端开放权限
super在这种scheme情况下,对应的id拥有超级权限,可以做任何事情(cdrwa)

注意: exists操作和getAcl操作并不受ACL许可控制,因此任何客户端可以查询节点的状态和节点的ACL。

节点的权限(perms)

权限说明
Create允许对子节点Create操作
Read允许对本节点GetChildren和GetData操作
Write允许对本节点SetData操作
Delete允许对子节点Delete操作
Admin允许对本节点setAcl操作

Paxos算法的目的:

为了解决分布式环境下一致性的问题。多个节点并发操纵数据,如何保证在读写过程中数据的一致性,并且解决方案要能适应分布式环境下的不可靠性(系统如何就一个值达到统一)

Paxos有两个原则:

1. 安全原则---保证不能做错的事:针对某个实例的表决只能有一个值被批准,不能出现一个被批准的值被另一个值覆盖的情况;(假设有一个值被多数Acceptor批准了,那么这个值就只能被学习)。每个节点只能学习到已经被批准的值,不能学习没有被批准的值。
2. 存活原则---只要有多数服务器存活并且彼此间可以通信,最终都要做到的下列事情:
   最终会批准某个被提议的值;一个值被批准了,其他服务器最终会学习到这个值。

三军问题场景:

  1. 先后提议的场景

    image-20210510215319029

  2. 交叉场景

    image-20210510221731729

CAP原则

又称CAP定理,指的是在一个分布式系统中,一致性(Consistency)、可用性(Availability)、分区容错性(Partition tolerance)。这三个要素最多只能同时实现两点,不可能三者兼顾。

zookeeper中节点分四种状态:

  1. looking:选举Leader的状态(集群刚启动时或崩溃恢复状态下,也就是需要选举的时候)
  2. following:跟随者(follower)的状态,服从Leader命令
  3. leading:当前节点是Leader,负责协调工作。
  4. observing:observer(观察者),不参与选举,只读节点。

zookeeper选举过程:leader挂了,需要选举新的leader

image-20210510222723425

  1. 阶段一:崩溃恢复
  2. 阶段二:消息广播
  3. 阶段三:数据同步

选举过程:

  1. 找到新的leader(myid:zxid)
  2. 新的leader广播信息,告诉所有的follower我要进行数据同步
  3. follower接受到信息准备好之后会告诉leader我准备好了
  4. leader判断是否有半数以上follower准备好了
  5. 如果超过半数则再次广播同意写入,follower接受到同意的信息后,完成写入工作
  6. 如果有新节点加入或者有数据要写入,过程参照上面数据同步的流程(2-5)
这篇关于java大数据组件Zookeeper的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!