NingG +

ZooKeeper 技术内幕:典型应用场景

背景

分析了 ZK 的实现机制,以及运维配置的内容,现在到了关键的问题:

  1. 哪些应用场景,能够使用 ZK 呢?
  2. 这些应用场景下,如何使用 ZK 呢?
  3. 生产环境中,分布式系统,使用 ZK 的实例有哪些呢?

回顾一下之前的内容:

  1. ZK:提供分布式系统协作的基础设施,简化业务系统中涉及分布式协作的开发工作;
  2. ZK:依赖 ZAB 协议,保证了分布式系统的数据一致性;
  3. ZK:提供版本、监视点机制,分别解决:
    • 版本:解决并发更新问题,本质是乐观锁
    • 监视点:事件触发,通知机制,提升系统效率
  4. ZK:事务的顺序性,由 Leader 保证,Leader 上启用单线程执行事务,为每个事务生成唯一有序的 zxid;
  5. ZK:监视点,是单次触发事件,存在事件丢失现象,具体要看场景,大部分场景下,单次触发事件,有积极的意义
  6. ZK 数据都存储在内存中,快照和事务日志都是磁盘文件,用于恢复内存现场
  7. ZK 快照是异步线程生成的 Fuzzy 快照,但由于 ZK 的事务操作都是幂等的,重放事务操作并不会带来问题;

ZK 典型应用场景 & 实现

ZK 基于 Watcher 事件通知丰富的节点类型可以实现分布式应用的核心功能:

  1. 数据的发布、订阅:
  2. 命名服务
  3. Leader 选举
  4. 分布式锁:
  5. 分布式队列:

数据的发布订阅

数据的发布订阅(Publish/Subscribe)系统:就是配置中心

  1. 目标:配置信息的集中管理动态更新
  2. 过程:发布者,将数据发布到 ZK 的上,订阅者进行订阅数据,达到动态获取数据的目的;

具体过程参考:

发布订阅中,2 种典型模式的对比:

  1. Push 模式:
    • Server 端的消息队列:不考虑消息累积问题,维护简单,Server 只需维护一份消息队列即可
    • Subscriber 端的消息队列:需维护一个消息缓存队列,实现生产者-消费者模型,维护复杂
    • 实时性:消息的实时性好,Server 端无需在意 Subscriber 的消费速度
    • 可靠性:要求 Server & Subscriber 都要保证消息队列的可靠性
  2. Pull 模式:
    • Server 端的缓存队列:完整的生产者-消费者模型,可能出现消息累积,维护复杂
    • Subscriber 端的消息队列:不需要维护,根据自己消费速度,自己行读取消息
    • 实时性:消息实时性较弱,并且轮询会浪费 CPU 和网络资源
    • 可靠性:只需要保证 Server 端消息队列的可靠性即可

而 ZK,发布订阅模型,采用推拉结合方式:

  1. 设置订阅:Client 在 Server 上注册监视点
  2. Server push:Server 事件触发时,告知 Client 有时间发生,但未告知详细发生的内容
  3. Client pull:Client 主动 pull 一次,查询具体的变化

推拉结合的方式,主要优点:轻量级的 push,分 2 阶段,设计简单,同时,支持丰富的业务场景。

思考:

配置信息,存储方案:

  1. 方案一:存储在 ZK 上?(常用)
  2. 方案二:单独存储,只使用 ZK 作为监视点,触发事件?

典型场景:

  1. Nginx 的负载均衡:加权轮询,调整权值

命名服务

命名服务是分布式系统最基本的公共服务之一,被命名的实体,通常是:

  1. 集群中的机器
  2. 服务地址

命名服务的关键点:

  1. 全局唯一的名字

ZK 中,使用持久化的顺序节点,作为全局唯一 ID(全局唯一ID)。

Leader 选举

主要针对初始的 Leader 选举,不包含:崩溃恢复的 Leader 选举

初始的 Leader 选举,目标:选举出唯一的一个 Leader。

因此,只要有一个,能够保证数据唯一性的组件即可。

唯一性的组件:

  1. 关系型数据库:主键(ID),所有的 Server 都去插入一个数据,完全相同的主键 ID,插入成功的 Server ,成为 Leader;
    • 问题:Leader 崩溃之后,如何告知其他 Server?Leader 数据变更后,如何告知其他 Server?
  2. ZK:ZNode 是唯一的,创建临时节点,创建成功的,成为 Leader;其他节点 watch Leader 节点的数据更新状态和存活状态。

补充:针对 崩溃恢复的 Leader 选举,比较复杂,一般屏蔽在 ZK 内部,现实业务场景中,通常设定一个 Server 为 Leader 的 Backup,Leader 崩溃之后,自动切换为 Leader。

分布式锁

排它锁:临时节点的创建和删除,同时,考虑死锁的问题 * 获取锁:创建临时节点 * 释放锁:Client 的会话过期、宕机、Client 主动删除临时节点

分布式队列

分布式队列,2 种模型:

  1. FIFO:先入先出
    • 临时顺序节点:创建和释放
  2. Barrier:分布式屏障,所有的队列元素都聚集齐之后,才会进行处理,一般用于分布式并行计算的场景,合并多个子计算的结果。
    • 创建节点:其中记录需要等待的「子节点个数」
    • 监听:子节点列表的变动
    • 增加子节点:每一个子计算结束,就在节点下创建一个子节点

阶段小结

1.zookeeper是如何保证事务的顺序一致性的

zookeeper采用了递增的事务Id来标识,所有的proposal都在被提出的时候加上了zxid,zxid实际上是一个64位的数字,高32位是epoch用来标识leader是否发生改变,如果有新的leader产生出来,epoch会自增,低32位用来递增计数。

当新产生proposal的时候,会依据数据库的两阶段过程,首先会向其他的server发出事务执行请求,如果超过半数的机器都能执行并且能够成功,那么就会开始执行

2.zookeeper是如何选取主leader的?

当leader崩溃或者leader失去大多数的follower,这时zk进入恢复模式,通过节点间广播消息,推举出数据最新的节点,成为 Leader。

3.ZNode 的分类

zk中znode类型有四种:

4.zk的通知机制

client端会对某个znode建立一个watcher事件,当该znode发生变化时,这些client会收到zk的通知,然后client可以根据znode变化来做出业务上的改变等。

5.zk的配置管理

程序分布式的部署在不同的机器上,将程序的配置信息放在zk的znode下,当有配置发生改变时,也就是znode发生变化时,可以通过改变zk中某个目录节点的内容,利用water通知给各个客户端 从而更改配置。

6.zk的命名服务

命名服务是指通过指定的名字来获取资源或者服务的地址,利用zk创建一个全局的路径,这个路径就可以作为一个名字,指向集群中的集群,提供的服务的地址,或者一个远程的对象等等。

7.分布式通知和协调

对于系统调度来说:操作人员发送通知实际是通过控制台改变某个节点的状态,然后zk将这些变化发送给注册了这个节点的watcher的所有客户端。

对于执行情况汇报:每个工作进程都在某个目录下创建一个临时节点。并携带工作的进度数据,这样汇总的进程可以监控目录子节点的变化获得工作进度的实时的全局情况。

8.机器中为什么会有master

在分布式环境中,有些业务逻辑只需要集群中的某一台机器进行执行,其他的机器可以共享这个结果,这样可以大大减少重复计算,提高性能,于是就需要进行master选举。

ZK 使用示例

Kafka

todo

参考资料

Top