ZooKeeper 典型应用

1. 数据发布与订阅（配置中心）

发布与订阅模型，即所谓的配置中心，顾名思义就是**发布者将数据发布到 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。

应用在启动的时候会主动来获取一次配置，同时，在节点上注册一个 Watcher，这样一来，以后每次配置有更新的时候，都会实时通知到订阅的客户端，从来达到获取最新配置信息的目的。比如：
分布式搜索服务中，索引的元信息和服务器集群机器的节点状态存放在 ZK的一些指定节点，供各个客户端订阅使用。
注意：适合数据量很小的场景，这样数据更新可能会比较快。

所有订阅者初次启动时都要去zookeeper上指定的节点获取相关的信息
获取数据的同时还要设置监听，监听节点数据的变化
一旦节点数据发生改变，监听就会被触发，所有订阅者（相对于zookeeper而言就是客户端）就会收到事件的通知，从而再去获取最新的数据
获取完之后需要在设置监听

举例：

例如同一个应用系统需要多台 PC Server 运行，但是它们运行的应用系统的某些配置项是相同的，如果要修改这些相同的配置项，那么就必须同时修改每台运行这个应用系统的 PC Server，这样非常麻烦而且容易出错。

像这样的配置信息完全可以交给 Zookeeper 来管理，将配置信息保存在 Zookeeper 的某个目录节点中，然后将所有需要修改的应用机器监控配置信息的状态，一旦配置信息发生变化，每台应用机器就会收到 Zookeeper 的通知，然后从 Zookeeper 获取新的配置信息应用到系统中。

应用中的具体使用

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。
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。
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。
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。
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。

2. 命名服务(Naming Service)

在分布式系统中，**通过使用命名服务，客户端应用能够根据指定名字来获取资源或服务的地址，提供者等信息。**被命名的实体通常可以是集群中的机器，提供的服务地址，远程对象等等——这些我们都可以统称他们为名字（Name）。其中较为常见的就是一些分布式服务框架中的服务地址列表。通过调用 ZK 提供的创建节点的 API，能够很容易创建一个全局唯一的 path，这个 path 就可以作为一个名称。
阿里巴巴集团开源的分布式服务框架 Dubbo 中使用 ZooKeeper 来作为其命名服务，维护全局的服务地址列表。

3. 分布式锁

分布式锁，这个主要得益于 ZooKeeper 保证了数据的强一致性。锁服务可以分为两类，一个是保持独占，另一个是控制时序。
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。

控制时序，就是所有试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。

注意：

1. 控制时序需要注意避免羊群效应：大量客户端收到同一事件的通知，但是只有很少一部分需要处理这一事件。

如果之前的客户端释放了锁，然后触发了其余所有监听的客户端，这就会对zookeeper服务器造成压力。

解决方案： 优化发送条件，关键在于仅当前一个顺序号的子节点消失时才通知下一个客户端，而不是删除时通知所有子节点。

2. 因连接丢失而导致create 操作失败时不清楚节点是否创建成功

这是一个非幂等的问题，所以不能再次尝试创建。

解决方案： 在znode 的名称中嵌入一个ID，如果客户端出现连接对视的情况，重新连接后对锁节点的所有子节点进行检索，看看时候有子节点的名称包含其ID。

3. zookeeper带有一个Java与西安写的生产级别的所实现，名为writelock。

4. 队列管理

一种是常规的先进先出队列，另一种是要等到队列成员聚齐之后的才统一按序执行。
对于第一种先进先出队列，和分布式锁服务中的控制时序场景基本原理一致，这里不再赘述。
第二种队列其实是在FIFO队列的基础上作了一个增强。通常可以在 /queue 这个znode下预先建立一个/queue/num 节点，并且赋值为n（或者直接给/queue赋值n），表示队列大小，之后每次有队列成员加入后，就判断下是否已经到达队列大小，决定是否可以开始执行了。这种用法的典型场景是，分布式环境中，一个大任务Task A，需要在很多子任务完成（或条件就绪）情况下才能进行。这个时候，凡是其中一个子任务完成（就绪），那么就去 /taskList 下建立自己的临时时序节点（CreateMode.EPHEMERAL_SEQUENTIAL），当 /taskList 发现自己下面的子节点满足指定个数，就可以进行下一步按序进行处理了。

Zookeeper 可以处理两种类型的队列：

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。
队列按照 FIFO 方式进行入队和出队操作，例如实现生产者和消费者模型。

关键代码. 同步队列

`void addQueue() throws KeeperException, InterruptedException{ ``       ``zk.exists(root + "/start",true); ``       ``zk.create(root + "/" + name, new byte[0], Ids.OPEN_ACL_UNSAFE, ``       ``CreateMode.EPHEMERAL_SEQUENTIAL); ``       ``synchronized (mutex) { ``           ``List<``String``> list = zk.getChildren(root, false); ``           ``if (list.size() < size) { ``               ``mutex.wait(); ``           ``} else { ``               ``zk.create(root + "/start", new byte[0], Ids.OPEN_ACL_UNSAFE,``                ``CreateMode.PERSISTENT); ``           ``} ``       ``} ``}`

当队列没满是进入 wait()，然后会一直等待 Watch 的通知，Watch 的代码如下：

`public void process(WatchedEvent event) { ``       ``if(event.getPath().equals(root + "/start") &&``        ``event.getType() == Event.EventType.NodeCreated){ ``           ``System.out.println("得到通知"); ``           ``super.process(event); ``           ``doAction(); ``       ``} ``   ``}`

5. 集群管理

一个集群可以在zookeeper的某个父节点下创建对应的子节点，用于代表集群中的每个节点，然后leader节点在它们创建目录节点的父目录节点上调用 getChildren(String path, boolean watch)方法并设置 watch 为 true，由于设置的位置是父节点，当集群中某个子节点死去，这个目录节点也随之被删除，所以 Children 将会变化，这时getChildren上的 Watch 监听将会被触发，所以leader节点就知道已经有某台 Server 死去了。新增 Server 也是同样的原理。

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。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：
  - 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。
  - 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。例如，监控系统在 /clusterServers 节点上注册一个Watcher，以后每动态加机器，那么就往 /clusterServers 下创建一个 EPHEMERAL类型的节点：/clusterServers/{hostname}. 这样，监控系统就能够实时知道机器的增减情况，至于后续处理就是监控系统的业务了。
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。利用这个特性，就能很轻易的在分布式环境中进行集群选取了。另外，这种场景演化一下，就是动态Master选举。这就要用到 EPHEMERAL_SEQUENTIAL类型节点的特性了。上文中提到，所有客户端创建请求，最终只有一个能够创建成功。在这里稍微变化下，就是允许所有请求都能够创建成功，但是得有个创建顺序，于是所有的请求最终在ZK上创建结果的一种可能情况是这样： /currentMaster/{sessionId}-1 , /currentMaster/{sessionId}-2 , /currentMaster/{sessionId}-3 …… 每次选取序列号最小的那个机器作为Master，如果这个机器挂了，由于他创建的节点会马上小时，那么之后最小的那个机器就是Master了。

应用中的具体使用

在搜索系统中，如果集群中每个机器都生成一份全量索引，不仅耗时，而且不能保证彼此之间索引数据一致。因此让集群中的Master来进行全量索引的生成，然后同步到集群中其它机器。
另外，Master选举的容灾措施是，可以随时进行手动指定master，就是说应用在zk在无法获取master信息时，可以通过比如http方式，向一个地方获取master。

6. 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。

应用中的具体使用

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。
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。
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。

ZooKeeper 典型应用