分布式之zk的应用场景
Posted 路之石
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分布式之zk的应用场景相关的知识,希望对你有一定的参考价值。
分布式应用系统中,经常会用到zk,比如dubbo注册中心,kafka分布式集群等都用到zk这一工具。除了这些用来做分布式集群外,zk还有那西应用场景事我们可以使用到该工具的呢?所以接下来就是我们要了解的重点了。
首先在使用zk的各种应用之前,我们需要了解zk 的相关功能模块,这样才能让我们更清晰的了解为什么可以这么去使用:
zookeeper以目录树的形式管理数据,提供znode监听、数据设置等接口,基于这些接口,我们可以实现Leader选举、配置管理、命名服务等功能,ZK提供了以下API,供client操作znode和znode中存储的数据:
- create(path, data, flags):创建路径为path的znode,在其中存储data[]数据,flags可设置为Regular或Ephemeral,并可选打上sequential标志。
- delete(path, version):删除相应path/version的znode
- exists(path,watch):如果存在path对应znode,则返回true;否则返回false,watch标志可设置监听事件
- getData(path, watch):返回对应znode的数据和元信息(如version等)
- setData(path, data, version):将data[]数据写入对应path/version的znode
- getChildren(path, watch):返回指定znode的子节点集合
1.统一服务器名称
命名服务器事一个比较常用的应用场景,客户端通过制定名字来获取服务器资源获或提供者信息等,被命名的可以服务器地址,远程对象。通过zk提供的创建节点的api,很容易创建一个全局唯一的path,这个path就可以做一个名称,
dubbo使用zk就是用来做服务器名称。维护全局的服务地址列表。
服务提供者在启动的时候,向ZK上的指定节点/dubbo/${serviceName}/providers目录下写入自己的URL地址,这个操作就完成了服务的发布。
服务消费者启动的时候,订阅/dubbo/${serviceName}/providers目录下的提供者URL地址, 并向/dubbo/${serviceName} /consumers目录下写入自己的URL地址。
注意,所有向ZK上注册的地址都是临时节点,这样就能够保证服务提供者和消费者能够自动感应资源的变化。 另外,Dubbo还有针对服务粒度的监控,方法是订阅/dubbo/${serviceName}目录下所有提供者和消费者的信息
2.统一配置管理
zk客户端api提供了操作znode数据的功能。再分布式环境中我们可以配置文件存放在znode上,不同的服务需要使用到哪些配置的时候可以直接从znode上去获取。而且通过zk 的心跳极值,我们的配置文件是可以做到动态配置的。一般的配置中心的做法是在系统启动之后加载我们的内存当中,一但配置文件需要做响应的调整的时候,需要重启服务进行load配置操作,但是很多的场景事我们只需要更改一点点的内容就去重启服务,代价不可谓不大。但zk就可以避免这问题的发生,当配置文件发生改变的时候,watch为通知到我们的服务对其修改操作。
3.分布式通知/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
1. 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。
2. 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。
3. 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
4.共享锁
分布式锁,这个主要得益于ZooKeeper为我们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。
1. 所谓保持独占,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。
2. 控制时序,就是所有视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。
5.队列管理
队列方面,简单地讲有两种,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。
6.master选举
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。
1. 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。
2. 在Hbase中,也是使用ZooKeeper来实现动态HMaster的选举。在Hbase实现中,会在ZK上存储一些ROOT表的地址和HMaster的地址,HRegionServer也会把自己以临时节点(Ephemeral)的方式注册到Zookeeper中,使得HMaster可以随时感知到各个HRegionServer的存活状态,同时,一旦HMaster出现问题,会重新选举出一个HMaster来运行,从而避免了HMaster的单点问题
附上zk负载均衡响应的实现代码
1.权重轮询模式
package com.samp.zk.balance; import java.math.BigInteger; import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; import java.util.Map.Entry; import java.util.concurrent.atomic.AtomicInteger; import com.alibaba.fastjson.JSONObject; public class RoundRobin { private int currentIndex = -1;// 当前位置 private int currentWeight = 0 ;//当前权重 private int maxGcd = 0 ; //最大权重数 private int maxWeight = 0;// 最大公约数 private int servetCount = 0 ;// 总服务器数量 private List<Server> serverLst; // 服务器列表 private int gcd (int a , int b){ BigInteger b1 = new BigInteger(String.valueOf(a)); BigInteger b2 = new BigInteger(String.valueOf(b)); BigInteger result = b1.gcd(b2); return result.intValue(); } private int getMaxCurrentGcd (List<Server> serverList){ int result = 0 ; for(int i = 0,len = serverLst.size();i< len -1 ;i++){ if(result == 0){ result = gcd(serverLst.get(i).weight, serverLst.get(i+1).weight); }else{ result = gcd (result,serverLst.get(i+1).weight); } } return result; } private int getMaxCurrentWeight(List<Server> serverList){ int result = 0 ; for(int i = 0,len = serverLst.size();i< len -1 ;i++){ if( result ==0 ){ result = Math.max(serverLst.get(i).weight, serverLst.get(i+1).weight); }else{ result= Math.max(result, serverLst.get(i).weight); } } return result ; } public static void main(String[] args){ RoundRobin obj =new RoundRobin(); obj.init(); Map<String,Integer> map = new HashMap<String,Integer>(); for(int i=0;i<100;i++){ Server ser = obj.getServer(); String ip = ser.getIp(); if(map.containsKey(ip)){ map.put(ip, map.get(ip)+1); }else{ map.put(ip, 1); } } for (Entry<String, Integer> m: map.entrySet()) { System.out.println("服务器 " + m.getKey() + " 请求次数: " + m.getValue()); } } /** * * @Title: getServer * @Description: 服务获取方式: * 1.初始化开始位置为-1,权重是0, * 2.第1次轮询获取服务器未当前服务器权重最高的 * 3.第2次轮询权重递减1,获取有大于等于该权限的服务器 * 4.重复第3步,直到权重为最小值0时,从第1步开始从新轮询 * @return 参数说明 * @return Server 返回类型 */ public Server getServer(){ while (true){ currentIndex = (currentIndex + 1) % servetCount; if(currentIndex ==0 ){ currentWeight = currentWeight - maxGcd; if(currentWeight <= 0 ){ currentWeight = maxWeight ; if(currentWeight == 0 ) return null; } } if(serverLst.get(currentIndex).weight >= currentWeight ){ return serverLst.get(currentIndex); } } } public Server getServerBy(){ return null; } public Server getServerFromDubbo(){ AtomicInteger sequence = new AtomicInteger(1); int maxWeight = 0; // 最大权重 int minWeight = Integer.MAX_VALUE; // 最小权重 int weightSum = 0; Map<String,Integer> map = new HashMap<String,Integer>(); for (int i = 0; i < serverLst.size(); i++) { int weight = serverLst.get(i).weight; String ip = serverLst.get(i).getIp(); maxWeight = Math.max(maxWeight, weight); // 累计最大权重 minWeight = Math.min(minWeight, weight); // 累计最小权重 if (weight > 0) { map.put(ip, weight); weightSum += weight; } } System.out.println("============"+JSONObject.toJSON(map)+"======"+weightSum); int currentSequence = sequence.getAndIncrement(); if (maxWeight > 0 && minWeight < maxWeight) { // 权重不一样 int mod = currentSequence % weightSum; for (int i = 0; i < maxWeight; i++) { for (Map.Entry<String,Integer> each : map.entrySet()) { final String ip = each.getKey(); final Integer v = each.getValue(); if (mod == 0 && v > 0) { return new Server(ip, v); } if (v > 0) { mod--; } } } } return null; } public void getServer2(){ List<String> lst = new ArrayList<String>(); for (int i = 0; i < maxWeight; i++) { for (Server ser :serverLst) { final String ip = ser.getIp(); int num = ser.getWeight(); if((num -1 )>0){ continue; } lst.add(ip); } } } private List<Server> getNewList(List<Server> sers){ List<Server> l = new ArrayList<Server>(); for(Server ser:sers){ String ip = ser.getIp(); int weight = ser.getWeight()-1; Server s = new Server(ip, weight); l.add(s); } return l; } public void init2(){ Server s11 = new Server("127.0.0.1", 1); Server s12 = new Server("127.0.0.1", 1); Server s13 = new Server("127.0.0.1", 1); Server s21 = new Server("127.0.0.2", 1); Server s31 = new Server("127.0.0.3", 1); Server s32 = new Server("127.0.0.3", 1); Server s41 = new Server("127.0.0.4", 1); Server s42 = new Server("127.0.0.4", 1); Server s51 = new Server("127.0.0.5", 1); Server s52 = new Server("127.0.0.5", 1); Server s53 = new Server("127.0.0.5", 1); Server s54 = new Server("127.0.0.5", 1); serverLst = new ArrayList<Server>(); serverLst.add(s11); serverLst.add(s12); serverLst.add(s13); serverLst.add(s21); serverLst.add(s31); serverLst.add(s32); serverLst.add(s41); serverLst.add(s42); serverLst.add(s53); serverLst.add(s54); serverLst.add(s51); serverLst.add(s52); maxWeight = getMaxCurrentWeight(serverLst); } public void init(){ Server s1 = new Server("127.0.0.1", 3); Server s2 = new Server("127.0.0.2", 1); Server s3 = new Server("127.0.0.3", 2); Server s4 = new Server("127.0.0.4", 2); Server s5 = new Server("127.0.0.5", 4); serverLst = new ArrayList<Server>(); serverLst.add(s1); serverLst.add(s2); serverLst.add(s3); serverLst.add(s4); serverLst.add(s5); maxGcd = getMaxCurrentGcd(serverLst); maxWeight = getMaxCurrentWeight(serverLst); currentIndex = -1 ; currentWeight = 0 ; servetCount = serverLst.size(); } public int getCurrentIndex() { return currentIndex; } public void setCurrentIndex(int currentIndex) { this.currentIndex = currentIndex; } public int getCurrentWeight() { return currentWeight; } public void setCurrentWeight(int currentWeight) { this.currentWeight = currentWeight; } public int getMaxGcd() { return maxGcd; } public void setMaxGcd(int maxGcd) { this.maxGcd = maxGcd; } public int getMaxWeight() { return maxWeight; } public void setMaxWeight(int maxWeight) { this.maxWeight = maxWeight; } public int getServetCount() { return servetCount; } public void setServetCount(int servetCount) { this.servetCount = servetCount; } class Server { private String ip; private int weight; public Server(String ip, int weight) { super(); this.ip = ip; this.weight = weight; } public String getIp() { return ip; } public void setIp(String ip) { this.ip = ip; } public int getWeight() { return weight; } public void setWeight(int weight) { this.weight = weight; } } }
2.随机分配
package com.samp.zk.balance; import java.util.List; import java.util.Random; import org.I0Itec.zkclient.ZkClient; /** * @ClassName RandomLoadBalance * @Description 随机方式实现负载均衡 * @author hezc * @date 2017年2月14日 * */ public class RandomLoadBalance implements LoadBalance { @Override public String select(String zkServer) { ZkClient zkClient = new ZkClient(zkServer); List<String> serverList = zkClient.getChildren(Constant.root); zkClient.close(); Random r=new Random(); if(serverList.size()>=1){ String server=serverList.get(r.nextInt(serverList.size())); return server; }else{ return null; } } }
3.一致hash
package com.samp.zk.balance; import java.io.UnsupportedEncodingException; import java.security.MessageDigest; import java.security.NoSuchAlgorithmException; import java.util.List; import org.I0Itec.zkclient.ZkClient; /** * @ClassName ConsistentHashLoadBalance * @Description 一致hash实现zk负载均衡 * @author hezc * @date 2017年2月13日 * */ public class ConsistentHashLoadBalance implements LoadBalance { private String client; public void SetClient(String client){ this.client=client; } @Override public String select(String zkServer) { ZkClient zkClient = new ZkClient(zkServer); List<String> serverList = zkClient.getChildren(Constant.root); ConsistentHashSelector selector=new ConsistentHashSelector(client,serverList); return selector.select(); } private static final class ConsistentHashSelector { public ConsistentHashSelector(String client,List<String> appServer){ this.client=client; this.appServer=appServer; } private String client; private List<String> appServer; public String select() { String key =client ; byte[] digest = md5(key); String server =appServer.get((int) hash(digest, 0)); return server; } private long hash(byte[] digest, int number) { return (((long) (digest[3 + number * 4] & 0xFF) << 24) | ((long) (digest[2 + number * 4] & 0xFF) << 16) | ((long) (digest[1 + number * 4] & 0xFF) << 8) | (digest[0 + number * 4] & 0xFF)) & 0xFFFFFFFFL; } private byte[] md5(String value) { MessageDigest md5; try { md5 = MessageDigest.getInstance("MD5"); } catch (NoSuchAlgorithmException e) { throw new IllegalStateException(e.getMessage(), e); } md5.reset(); byte[] bytes = null; try { bytes = value.getBytes("UTF-8"); } catch (UnsupportedEncodingException e) { throw new IllegalStateException(e.getMessage(), e); } md5.update(bytes); return md5.digest(); } } }
4.最小活动优先
package com.samp.zk.balance; import java.util.List; import org.I0Itec.zkclient.ZkClient; /** * @ClassName LeastActiveLoadBalance * @Description TODO * @author hezc * @date 2017年2月14日 * */ public class LeastActiveLoadBalance implements LoadBalance { @Override public String select(String zkServer) { ZkClient zkClient = new ZkClient(zkServer); List<String> serverList = zkClient.getChildren(Constant.root); String tempServer = null; int tempConn = -1; for (int i = 0; i < serverList.size(); i++) { String server = serverList.get(i); if (zkClient.readData(Constant.root + "/" + server) != null) { int connNum = zkClient.readData(Constant.root + "/" + server); if (tempConn == -1) { tempServer = server; tempConn = connNum; } if (connNum < tempConn) { tempServer = server; tempConn = connNum; } }else{ zkClient.close(); return server; } } zkClient.close(); if (tempServer != null && !tempServer.equals("")) { return tempServer; } return null; } }
以上是关于分布式之zk的应用场景的主要内容,如果未能解决你的问题,请参考以下文章