ZooKeeper（一）为什么要学习ZooKeeper
2020-06-21 本文已影响0人
7ColorLotus
- 分布式系统基础知识
- 分布式系统：一个硬件或软件组件分布在不同的网络及计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统
- 特点：
1> 分布性
2> 对等性a, 服务的冗余 b, 数据的冗余
4> 缺乏全局时钟
5> 故障随时会发生- 分布式系统带来的问题
1> 通信异常：网络异常
2> 网络分区：
3> 三态：超时态
4> 节点故障
- 分布式系统协调“方法论”
- 什么是CAP:
1> C一致性：数据在分布式环境下的多个副本之间能否报纸一致性，这里的一致性更多的是指强一致性
2> A可用性：分布式系统一直处于可用状态，对于请求总是能在有限的时间内返回结果执行
3> P分区容错性：除非整个网络故障，分布式系统在任何网络或者单点故障时，仍能对外提供满足一致性和可用性的服务器 - CAP理论：一个分布式系统不可能同时满足一致性、可用性和分区容错性这三个基本需求，最多只能同时满足齐总的两项：
1> 放弃P(满足AC): 将数据和服务都放在一个节点上，避免因网络引起的负面隐形，充分保证系统的可用性和一致性。但放弃P意味着放弃了系统的可扩展性
2> 放弃A(满足PC): 当节点故障或者网络故障时，收到以你选哪个的服务需要等待一定的时间，一次能够在等待时间里，系统无法对外提供正常服务，因此是不可用的
3> 放弃C(满足AP): 系统无法保证数据的实时一致性，但是承诺数据最终会保持一致性。因此存在数据不一致的窗口期，至于窗口期的长短取决于系统的设计
Tips: 架构师的精力往往就花在怎么样根据业务场景在A和C之间寻求平衡 - BASE理论：即使无法做到强一致性，但分布式系统可以根据自己的业务特点，采用适当的方式来使系统达到最终的一致性；
1> Basiclly Avaliable 基本可用：当分布式系统出现不可预见的故障时，允许算是部分可用性，保障系统的“基本可以用”；体现在“时间上的损失”和“功能上的损失”； eg:部分用户双十一高峰期淘宝页面卡顿或降级处理
2> Soft state 软状态：允许系统中的数据存在中间状态，即系统的不同节点的数据副本之间的数据同步过程存在延时，并认为这种延时不会影响系统可用性； eg:12306网站卖火车票，请求会进入排队队列
3> Eventually consistent 最终一致性：所有的数据在经过一段时间的数据同步后，最终能够达到一个一致的状态；eg:理财产品首页充值总金额短时不一致
- 什么是CAP:
- 分布式一致性算法：2p,3p,paxos,zab
-
2pc/3pc：2p两阶段提交，数据库分布式事务经常使用的一种分布式算法，算法简单，但有出现阻塞，数据在某情况不一致的问题。3p对2p进行了完善，完善了阻塞以及可用性
2pc.png
3pc.png
-
paxos算法：分布式一致性算法，也分两个阶段，遵循少数服从多数的原则，并不需要所有参与者都同意某一协议
-
zab：借鉴paxos思路，是zookeeper解决分布式一致性所使用的算法
-
- Zookeeper简介：
- 概念：Zookeeper致力于提供一个高性能，高可用，且具备严格的顺序访问控制能力的分布式协调服务，是雅虎公司创建，是Google的Chubby一个开源的实现，也是Hadoop和Hbase的重要组件
- 设计目标
1> 简单的数据结构：共享的树形结构，类似文件系统，存储于内存
2> 可以勾践集群：避免单点故障，3-5台机器就可以组成集群，超过半数正常工作就能对外提供服务
3> 顺序访问：对于每个写请求，zk会分配一个全局唯一的递增编号，利用这个特性可以实现高级协调服务
4> 高性能：基于内存操作，服务于非事务请求，适用于读操作为主的业务场景。3台zk集群能达到13wQPS - 使用场景
1> 数据发布订阅
2> 负载均衡a，客户端负载 b，服务端负载
4> Master选举
5> 集群管理
6> 配置管理
7> 分布式队列
8> 分布式锁
