在kafka中，同个topic下的partition分布在多个broker中，topic下的partitions使用zookeeper进行分布式协调，可以说kafka与zk是牢牢联系在一起的。但其中，都存在leader选举、主从复制、同步有效个数（zk是超过一半，kafka则是在isr列表中个数），在学习的初始造成一些混淆与困惑。
认清zookeeper的leader选举的内与外
内
一般书籍或者网络上提到zk的leader选举，指是的zk集群内部多台zk机器的选举。zk集群中多台机器都会存在全量数据，有且只有一台机器是zk集群的leader，负责zk集群的写入，事务提交等工作。但leader宕机时候，zk切换到leader选举模式（平时是数据同步，即进行数据复制模式），每台机器都根据zxid和serverId投票出新的leader。zk在cap理论模型中，支持的是ap，也即会存在不可用的风险，这也是被诟病作为服务治理配置中心的缺点。且客户端在连接的zk节点（客户端可以连接zk集群中任何一台机器，读的时候在连接的机器上进行，写的时候由连接的机器转发到leader进行）断开时候，客户端重连新的zk机器，也只会选择zxid不小于当前客户端缓存的机器。
外
集群管理是zk输出给外部的能力，如kafka的partitions副本使用zk提供的集群管理功能，达到多个partition副本间能进行leader选举。外部的机器在kafka中的体现就是一个目录下的多个znode节点，如下图所示
而上图所示的数据，在每个zk的集群节点机器上，都会冗余存储。kafka使用的leader选举并非是zk自身用于选举zk leader节点的方法（这是zk集群内部的能力，对于框架使用者不需要了解），而是使用类似zk提供的分布式锁能力，kafka各个副本节点只会有一个当选leader，当leader释放或者宕机，其他副本节点再重新当选leader。
zk与kafka数据同步的作用对象
zab协议是在zk集群节点上用于同步节点数据，所以同步的是同一个znode节点上的数据，比如将上图值为的“leader”的节点数据同步到集群中其他机器上的，同个目录结构上的”leader",使用类似两阶段提交的方式，由leader推行推送控制。
而kafka的主从同步是副本之间的，在zk中即是上图的“leader”节点将数据复制到“follower1”节点，不同的节点中复制不受zk管控，而且数据也不会存在zk中。kafka使用follower主动拉取leader的方式，定义isr列表进行同步，所以针对的是不同的znode之间的数据同步。
cursor提供的leader选举的两种方式
实际应用开发中使用cursor框架作为zk的客户端，提供了两种方式的leader选举
- leaderLatch
类似于java的countDownLatch，只有一个节点选中为leader，其他的节点处于await方法的阻塞中，当调用close或者失效时候断开给其他节点 - leaderElection
每个节点都能当选leader，当选后调用节点的takeLeadership方法，方法调用完后就会释放leader角色，如果希望能继续持有leader角色，就要写个死循环。该方法能对于领导权进行控制，在适当时候可以进行释放，相对于前者有更大的领导控制权（前者是当选后通知，其他一直处于阻塞）