zookeeper的使用：zookeeper面试足够用了

柔情只为你懂 2022-04-12 03:19 139阅读 0赞

1.zookeeper的概述

Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。

Zookeeper从设计模式角度来理解：是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生变化，Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应，从而实现集群中类似Master/Slave管理模式

**Zookeeper=文件系统+通知机制**

2.应用场景

提供的服务包括：分布式消息同步和协调机制、服务器节点动态上下线、统一配置管理、负载均衡、集群管理，分布式锁

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 2][]

3.实战

1）安装前准备：

（1）安装jdk

（2）通过filezilla工具拷贝zookeeper到到linux系统下

（3）修改tar包权限

chmod u+x zookeeper-3.4.10.tar.gz

（4）解压到指定目录

\[atguigu@hadoop102 software\]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

2）配置修改

将/opt/module/zookeeper-3.4.10/conf这个路径下的zoo\_sample.cfg修改为zoo.cfg；

进入zoo.cfg文件：vim zoo.cfg

修改dataDir路径为

dataDir=/opt/module/zookeeper-3.4.10/data/zkData

在/opt/module/zookeeper-3.4.10/这个目录上创建data/zkData文件夹

mkdir -p data/zkData

3）操作zookeeper

（1）启动zookeeper

\[atguigu@hadoop102 zookeeper-3.4.10\]$ bin/zkServer.sh start

（2）查看进程是否启动

\[atguigu@hadoop102 zookeeper-3.4.10\]$ jps

4020 Jps

4001 QuorumPeerMain

（3）查看状态：

\[atguigu@hadoop102 zookeeper-3.4.10\]$ bin/zkServer.sh status

ZooKeeper JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: standalone

（4）启动客户端：

\[atguigu@hadoop102 zookeeper-3.4.10\]$ bin/zkCli.sh

（5）退出客户端：

\[zk: localhost:2181(CONNECTED) 0\] quit

（6）停止zookeeper

\[atguigu@hadoop102 zookeeper-3.4.10\]$ bin/zkServer.sh stop

2.2 配置参数解读

解读zoo.cfg 文件中参数含义

1）tickTime：通信心跳数，Zookeeper服务器心跳时间，单位毫秒

Zookeeper使用的基本时间，服务器之间或客户端与服务器之间维持心跳的时间间隔，也就是每个tickTime时间就会发送一个心跳，时间单位为毫秒。

它用于心跳机制，并且设置最小的session超时时间为两倍心跳时间。(session的最小超时时间是2\*tickTime)

2）initLimit：LF初始通信时限

集群中的follower跟随者服务器(F)与leader领导者服务器(L)之间初始连接时能容忍的最多心跳数（tickTime的数量），用它来限定集群中的Zookeeper服务器连接到Leader的时限。

投票选举新leader的初始化时间

Follower在启动过程中，会从Leader同步所有最新数据，然后确定自己能够对外服务的起始状态。

Leader允许F在initLimit时间内完成这个工作。

3）syncLimit：LF同步通信时限

集群中Leader与Follower之间的最大响应时间单位，假如响应超过syncLimit \* tickTime，

Leader认为Follwer死掉，从服务器列表中删除Follwer。

在运行过程中，Leader负责与ZK集群中所有机器进行通信，例如通过一些心跳检测机制，来检测机器的存活状态。

如果L发出心跳包在syncLimit之后，还没有从F那收到响应，那么就认为这个F已经不在线了。

4）dataDir：数据文件目录+数据持久化路径保存内存数据库快照信息的位置，如果没有其他说明，更新的事务日志也保存到数据库。

5）clientPort：客户端连接端口

监听客户端连接的端口

## **3.1 数据结构** ##

ZooKeeper数据模型的结构与Unix文件系统很类似，整体上可以看作是一棵树，每个节点称做一个ZNode。

很显然zookeeper集群自身维护了一套数据结构。这个存储结构是一个树形结构，其上的每一个节点，我们称之为"znode"，每一个znode默认能够存储1MB的数据，每个ZNode都可以通过其路径唯一标识

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 3][]

3.2节点类型

1）Znode有两种类型：

短暂（ephemeral）：客户端和服务器端断开连接后，创建的节点自己删除

持久（persistent）：客户端和服务器端断开连接后，创建的节点不删除

2）Znode有四种形式的目录节点（默认是persistent ）

（1）持久化目录节点（PERSISTENT）

客户端与zookeeper断开连接后，该节点依旧存在

（2）持久化顺序编号目录节点（PERSISTENT\_SEQUENTIAL）

客户端与zookeeper断开连接后，该节点依旧存在，只是Zookeeper给该节点名称进行顺序编号

（3）临时目录节点（EPHEMERAL）

客户端与zookeeper断开连接后，该节点被删除

（4）临时顺序编号目录节点（EPHEMERAL\_SEQUENTIAL）

客户端与zookeeper断开连接后，该节点被删除，只是Zookeeper给该节点名称进行顺序编号

4.特点

1）Zookeeper：一个领导者（leader），多个跟随者（follower）组成的集群。

2）Leader负责进行投票的发起和决议，更新系统状态

3）Follower用于接收客户请求并向客户端返回结果，在选举Leader过程中参与投票

4）集群中只要有半数以上节点存活，Zookeeper集群就能正常服务。

5）全局数据一致：每个server保存一份相同的数据副本，client无论连接到哪个server，数据都是一致的。

6）更新请求顺序进行，来自同一个client的更新请求按其发送顺序依次执行。

7）数据更新原子性，一次数据更新要么成功，要么失败。

8）实时性，在一定时间范围内，client能读到最新数据。

选举机制

1）半数机制：集群中半数以上机器存活，集群可用。所以zookeeper适合装在**奇数**台机器上。

2）Zookeeper虽然在配置文件中并没有指定master和slave。但是，zookeeper工作时，是有一个节点为leader，其他则为follower，Leader是通过内部的选举机制临时产生的

3）以一个简单的例子来说明整个选举的过程。

假设有五台服务器组成的zookeeper集群，它们的id从1-5，同时它们都是最新启动的，也就是没有历史数据，在存放数据量这一点上，都是一样的。假设这些服务器依序启动，来看看会发生什么。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 4][]

（1）服务器1启动，此时只有它一台服务器启动了，它发出去的报没有任何响应，所以它的选举状态一直是LOOKING状态。

（2）服务器2启动，它与最开始启动的服务器1进行通信，互相交换自己的选举结果，由于两者都没有历史数据，所以id值较大的服务器2胜出，但是由于没有达到超过半数以上的服务器都同意选举它(这个例子中的半数以上是3)，所以服务器1、2还是继续保持LOOKING状态。

（3）服务器3启动，根据前面的理论分析，服务器3成为服务器1、2、3中的老大，而与上面不同的是，此时有三台服务器选举了它，所以它成为了这次选举的leader。

（4）服务器4启动，根据前面的分析，理论上服务器4应该是服务器1、2、3、4中最大的，但是由于前面已经有半数以上的服务器选举了服务器3，所以它只能接收当小弟的命了。

（5）服务器5启动，同4一样当小弟。

监听器原理

![20181130163231474.png][]

监听器是一个接口，我们的代码中可以实现Wather这个接口，实现其中的process方法，方法中即我们自己的业务逻辑

监听器的注册是在获取数据的操作中实现：

getData(path,watch?)监听的事件是：节点数据变化事件

getChildren(path,watch?)监听的事件是：节点下的子节点增减变化事件

分布式zookeeper的搭建

0）集群规划

在hadoop2、hadoop3和hadoop4三个节点上部署Zookeeper。

1）解压安装

（1）解压zookeeper安装包到/opt/module/目录下

\[atguigu@hadoop102 software\]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

（2）在/opt/module/zookeeper-3.4.10/这个目录下创建data/zkData

mkdir -p data/zkData

（3）重命名/opt/module/zookeeper-3.4.10/conf这个目录下的zoo\_sample.cfg为zoo.cfg

mv zoo\_sample.cfg zoo.cfg

2）配置zoo.cfg文件

（1）具体配置

dataDir=/opt/module/zookeeper-3.4.10/data/zkData

增加如下配置

\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#cluster\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#

server.2=hadoop102:2888:3888

server.3=hadoop103:2888:3888

server.4=hadoop104:2888:3888

（2）配置参数解读

Server.A=B:C:D。

A是一个数字，表示这个是第几号服务器；

B是这个服务器的ip地址；

C是这个服务器与集群中的Leader服务器交换信息的端口；

D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

集群模式下配置一个文件myid，这个文件在dataDir目录下，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。

3）集群操作

（1）在/opt/module/zookeeper-3.4.10/data/zkData目录下创建一个myid的文件

touch myid

添加myid文件，注意一定要在linux里面创建，在notepad++里面很可能乱码

（2）编辑myid文件

vi myid

在文件中添加与server对应的编号：如2

（3）拷贝配置好的zookeeper到其他机器上

scp -r zookeeper-3.4.10/ [root@hadoop3.atguigu.com:/opt/app/][root_hadoop3.atguigu.com_opt_app]

scp -r zookeeper-3.4.10/ [root@hadoop4.atguigu.com:/opt/app/][root_hadoop4.atguigu.com_opt_app]

并分别修改myid文件中内容为3、4

（4）分别启动zookeeper

\[root@hadoop2 zookeeper-3.4.10\]\# bin/zkServer.sh start

\[root@hadoop3 zookeeper-3.4.10\]\# bin/zkServer.sh start

\[root@hadoop4 zookeeper-3.4.10\]\# bin/zkServer.sh start

（5）查看状态

\[root@hadoop2 zookeeper-3.4.10\]\# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: follower

\[root@hadoop3 zookeeper-3.4.10\]\# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: leader

\[root@hadoop4 zookeeper-3.4.5\]\# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: follower

客户端命令行操作

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 5][]

1）启动客户端

\[atguigu@hadoop103 zookeeper-3.4.10\]$ bin/zkCli.sh

2）显示所有操作命令

\[zk: localhost:2181(CONNECTED) 1\] help

3）查看当前znode中所包含的内容

\[zk: localhost:2181(CONNECTED) 0\] ls /

\[zookeeper\]

4）查看当前节点数据并能看到更新次数等数据

\[zk: localhost:2181(CONNECTED) 1\] ls2 /

\[zookeeper\]

cZxid = 0x0

ctime = Thu Jan 01 08:00:00 CST 1970

mZxid = 0x0

mtime = Thu Jan 01 08:00:00 CST 1970

pZxid = 0x0

cversion = -1

dataVersion = 0

aclVersion = 0

ephemeralOwner = 0x0

dataLength = 0

numChildren = 1

5）创建普通节点

\[zk: localhost:2181(CONNECTED) 2\] create /app1 "hello app1"

Created /app1

\[zk: localhost:2181(CONNECTED) 4\] create /app1/server101 "192.168.1.101"

Created /app1/server101

6）获得节点的值

\[zk: localhost:2181(CONNECTED) 6\] get /app1

hello app1

cZxid = 0x20000000a

ctime = Mon Jul 17 16:08:35 CST 2017

mZxid = 0x20000000a

mtime = Mon Jul 17 16:08:35 CST 2017

pZxid = 0x20000000b

cversion = 1

dataVersion = 0

aclVersion = 0

ephemeralOwner = 0x0

dataLength = 10

numChildren = 1

\[zk: localhost:2181(CONNECTED) 8\] get /app1/server101

192.168.1.101

cZxid = 0x20000000b

ctime = Mon Jul 17 16:11:04 CST 2017

mZxid = 0x20000000b

mtime = Mon Jul 17 16:11:04 CST 2017

pZxid = 0x20000000b

cversion = 0

dataVersion = 0

aclVersion = 0

ephemeralOwner = 0x0

dataLength = 13

numChildren = 0

7）创建短暂节点

\[zk: localhost:2181(CONNECTED) 9\] create -e /app-emphemeral 8888

（1）在当前客户端是能查看到的

\[zk: localhost:2181(CONNECTED) 10\] ls /

\[app1, app-emphemeral, zookeeper\]

（2）退出当前客户端然后再重启启动客户端

\[zk: localhost:2181(CONNECTED) 12\] quit

\[atguigu@hadoop104 zookeeper-3.4.10\]$ bin/zkCli.sh

（3）再次查看根目录下短暂节点已经删除

\[zk: localhost:2181(CONNECTED) 0\] ls /

\[app1, zookeeper\]

8）创建带序号的节点

（1）先创建一个普通的根节点app2

\[zk: localhost:2181(CONNECTED) 11\] create /app2 "app2"

（2）创建带序号的节点

\[zk: localhost:2181(CONNECTED) 13\] create -s /app2/aa 888

Created /app2/aa0000000000

\[zk: localhost:2181(CONNECTED) 14\] create -s /app2/bb 888

Created /app2/bb0000000001

\[zk: localhost:2181(CONNECTED) 15\] create -s /app2/cc 888

Created /app2/cc0000000002

如果原节点下有1个节点，则再排序时从1开始，以此类推。

\[zk: localhost:2181(CONNECTED) 16\] create -s /app1/aa 888

Created /app1/aa0000000001

9）修改节点数据值

\[zk: localhost:2181(CONNECTED) 2\] set /app1 999

10）节点的值变化监听

（1）在104主机上注册监听/app1节点数据变化

\[zk: localhost:2181(CONNECTED) 26\] get /app1 watch

（2）在103主机上修改/app1节点的数据

\[zk: localhost:2181(CONNECTED) 5\] set /app1  777

（3）观察104主机收到数据变化的监听

WATCHER::

WatchedEvent state:SyncConnected type:NodeDataChanged path:/app1

11）节点的子节点变化监听（路径变化）

（1）在104主机上注册监听/app1节点的子节点变化

\[zk: localhost:2181(CONNECTED) 1\] ls /app1 watch

\[aa0000000001, server101\]

（2）在103主机/app1节点上创建子节点

\[zk: localhost:2181(CONNECTED) 6\] create /app1/bb 666

Created /app1/bb

（3）观察104主机收到子节点变化的监听

WATCHER::

WatchedEvent state:SyncConnected type:NodeChildrenChanged path:/app1

12）删除节点

\[zk: localhost:2181(CONNECTED) 4\] delete /app1/bb

13）递归删除节点

\[zk: localhost:2181(CONNECTED) 7\] rmr /app2

14）查看节点状态

\[zk: localhost:2181(CONNECTED) 12\] stat /app1

cZxid = 0x20000000a

ctime = Mon Jul 17 16:08:35 CST 2017

mZxid = 0x200000018

mtime = Mon Jul 17 16:54:38 CST 2017

pZxid = 0x20000001c

cversion = 4

dataVersion = 2

aclVersion = 0

ephemeralOwner = 0x0

dataLength = 3

numChildren = 2

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70]: /images/20220412/93f1cefab87d4dc2a256b8f4be9fabf5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 1]: /images/20220412/e5c56e5d45fc4c54ba5570be745d5049.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 2]: /images/20220412/674e382721974ded9adb4e43078035a9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 3]: /images/20220412/8f812e40106942fd8a3e96c76264b6d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 4]: /images/20220412/18ba356290a44b6da944f02cf0acdf1a.png
[20181130163231474.png]: /images/20220412/22688c3323444727acf39dd92e5041b9.png
[root_hadoop3.atguigu.com_opt_app]: mailto:root@hadoop3.atguigu.com:/opt/app/
[root_hadoop4.atguigu.com_opt_app]: mailto:root@hadoop4.atguigu.com:/opt/app/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29sZHNoYXVp_size_16_color_FFFFFF_t_70 5]: /images/20220412/0a02ef6845b04fbfb05e7d1975faf22b.png