作者简介：大家好，我是smart哥，前中兴通讯、美团架构师，现某互联网公司CTO
联系qq：184480602，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬
学习必须往深处挖，挖的越深，基础越扎实！
阶段1、深入多线程
阶段2、深入多线程设计模式
阶段3、深入juc源码解析
阶段4、深入jdk其余源码解析
阶段5、深入jvm源码解析
码哥源码部分
码哥讲源码-原理源码篇【2024年最新大厂关于线程池使用的场景题】
码哥讲源码【炸雷啦！炸雷啦！黄光头他终于跑路啦！】
码哥讲源码-【jvm课程前置知识及c/c++调试环境搭建】
码哥讲源码-原理源码篇【揭秘join方法的唤醒本质上决定于jvm的底层析构函数】
码哥源码-原理源码篇【Doug Lea为什么要将成员变量赋值给局部变量后再操作？】
码哥讲源码【你水不是你的错,但是你胡说八道就是你不对了！】
码哥讲源码【谁再说Spring不支持多线程事务，你给我抽他！】
终结B站没人能讲清楚红黑树的历史，不服等你来踢馆！
打脸系列【020-3小时讲解MESI协议和volatile之间的关系，那些将x86下的验证结果当作最终结果的水货们请闭嘴】
Zookeeper是Apache开源的一款分布式协调框架，它提供了一种多层级的节点命名空间，可以提供诸如数据发布/订阅、分布式协调/通知、集群管理、Master 选举、配置管理、分布式锁等各种分布式协调服务。
Zookeeper的核心是它底层的ZAB协议。ZAB协议是分布式CAP理论的典型实践，我已经在分布式理论篇中详细讲解过了，感兴趣的读者可以看一看，本文不再赘述。
本章，我也不会介绍Zookeeper的各种语法，这些东西大家可以参考Apache官方文档。我主要简单介绍下Zookeeper的系统模型，然后重点讲一讲Zookeeper的几种典型使用场景，特别是作为注册中心时与Eureka的对比。
一、数据模型
ZooKeeper拥有一个多层级的节点命名空间，和标准的文件系统非常相似，采用树形层次结构。ZooKeeper树中的每个节点被称为Znode，每个节点也可以拥有子节点：
Zookeeper为了保证高吞吐和低延迟， 在内存中维护 了这个树状的目录结构，这种特性使得Zookeeper 不能用于存放大量的数据 ，每个节点的存放数据上限为 1M 。
在Zookeeper中一共有4种类型的节点：PERSISTENT（持久节点）、EPHEMERAL（临时节点）、PERSISTENT_SEQUENTIAL（持久顺序节点）、EPHEMERAL_SEQUENTIAL（临时顺序节点）。
1.1 节点类型
PERSISTENT
持久节点，是指数据节点被创建后，就会一直存在于ZooKeeper服务器上，除非有删除操作主动清除该节点。
EPHEMERAL
临时节点，是指节点的生命周期和客户端会话是绑定的，如果客户端会话失效，那么这个节点就会被自动清理掉。
PERSISTENT_SEQUENTIAL
持久顺序节点，是指持久节点具备了额外的顺序性。在ZooKeeper中，每个父节点都会为它的第一级子节点维护一份顺序，用于记录每个顺序子节点创建的先后顺序。（ZooKeeper会自动给节点加上一个数字后缀，以表明顺序）
EPHEMERAL_SEQUENTIAL
临时顺序节点，是指临时节点具备了额外的顺序性。
1.2 节点状态
每个数据节点除了存储数据内容外，还会存储节点本身的一些状态信息：
属性描述czxid节点被创建的zxidmzxid节点被修改的zxidctime节点被创建的时间mtime节点被修改的时间version节点被创建的版本号cversion节点所拥有的子结点被修改的版本号aversion节点的ACL被修改的版本号ephemeralOwner如果此节点为临时节点，那么该值为此节点拥有者的会话ID；否则为0dataLength节点数长度numChildren该节点的子节点数量
在Zookeeper中，对节点的每一次修改操作，都会导致该节点的版本号增加，每个节点维护着三个版本号，他们分别为：
- version ：节点数据版本号
- cversion ：子节点版本号
- aversion ：节点所拥有的ACL版本号
以version为例，节点首次被创建时，version为0，每次对节点的数据内容进行修改，都会导致version自增1。通过版本号机制，可以很容易的利用Zookeeper实现CAS操作：
ZooKeeper在处理节点的内容更新时，会首先比较客户端上送的version与服务端该节点的版本号是否相同，如果相同则允许修改，否则抛出BadVersionException。
如果客户端上送version为-1，则表示忽略版本号校验，强制更新数据。
二、使用场景
接下来，我们来重点看看Zookeeper的几种典型使用场景。
2.1 分布式协调
这个其实是Zookeeper很经典的一个用法。比如A系统发送一个消息到MQ，然后B系统消费到了该消息。那么A系统如何知道B系统的处理结果呢？
用Zookeeper就可以实现分布式系统之间的这种协调工作。A系统发送消息之后，可以在ZK上对该消息对应的node注册一个监听器，B系统处理完消息后就修改ZK上该节点的值，那么A系统就会立马收到通知。
很多开源框架都利用了Zookeeper来实现分布式协调，比如Kafka其实就整合了Zookeeper。
2.2 分布式锁
前面我们讲过Redis分布式锁，Zookeeper也可以实现分布式锁，而且生产中更常用。
比如：系统A和系统B同时尝试对某个数据值进行修改，那么可以先让其中一个系统获取到Zookeeper上的一把分布式锁（本质是创建一个临时顺序节点），接着执行操作；然后另外一个系统也尝试去创建同名znode，结果发现自己创建不了，因为被别人创建了，那只能等着，等第一个系统执行完释放锁后自己再执行。
关于如何利用Zookeeper实现一个分布式锁，我会在下一章专门讲解。
2.3 配置管理
Zookeeper还可以用作很多系统的配置管理，比如Kafka、Storm等很多分布式系统都会选用ZK来做一些元数据、配置信息的管理，包括Dubbo的注册中心也支持ZK，下图是Zookeeper作为注册中心时的基本原理：
Leader节点负责服务注册，它可以把数据同步给Follower，读的时候Leader/Follower都可以读。一旦Leader挂了，要重新选举Leader，选举过程中为了保证强一致性（C），不接受服务注册，知道选举完成。
对比Eureka
我之前也介绍过Eureka注册中心，这里就进行下对比：
Eureka是peer-to-peer模式，每个节点都是对等的，如果数据还没同步到其它Eureka Server，当前节点就挂掉了的话，Client还可以继续从别的Server节点上拉取注册表。所以Eureka其实是保证了可用性（A），但牺牲了强一致性（A）：
最后总结下，Zookeeper作为注册中心时，与Eureka的区别：
Zookeeper
设计原则：CP，数据强一致
优点：
- 时效性高，注册信息的变更可以秒级感知；
缺点：
- 网络分区会影响Leader选举，可能导致整个集群不可用 ；
- 很难支撑大规模的服务实例，服务上下线的时候，Leader节点会瞬间推送数据到所有的其他服务实例，所以一旦服务规模太大，到了几千个服务实例的时候，会导致网络带宽被大量占用；
适合场景：
单机房集群，对数据一致性要求较高的场景。
Eureka
设计原则： AP，服务高可用
优点：
- 集群的可用性较高；
缺点：
- 默认配置下，数据时效性非常差，服务发现/注册的感知可能要几十秒甚至几分钟；
- 也很难支撑大规模的服务实例，因为每个Eureka Server都要接受大量心跳请求，同时还要与其它Eureka Server进行P2P通信，服务实例太多后对集群的压力会非常大，很难抗住几千个服务实例；
适合场景：
云机房集群，跨越多机房部署，对注册中心服务可用性要求较高。
2.4 高可用
分布式系统采用Zookeeper来实现高可用还是很常见的，比如Hadoop HDFS就是基于Zookeer来开发HA高可用机制的。一般我们的系统都会采用主备架构，那么可以在Zookeeper上注册一个node，node的值就是当前活跃的主节点的名称。如果主节点挂了，那么Zookeeper会立马感知到，从而进行主备切换：
三、总结
本章，我介绍了Zookeeper的数据模型和最典型的几种使用场景，并在作为注册中心时，对Zookeeper和Eureka进行了比较。
版权归原作者 smart哥 所有， 如有侵权，请联系我们删除。