hadoop系列：zookeeper（2）——zookeeper核心原理（选举）

1、前述

上篇文章《hadoop系列：zookeeper（1）——zookeeper单点和集群安装》（http://blog.csdn.net/yinwenjie/article/details/47361419）我们介绍了zookeeper的两种安装方式。相信您的測试机或者VM上面已经有了一个可用的zookeeper环境了。

本文是zookeeper解说的第二篇文章。我们主要介绍zk中的重要基本原理。为后文给大家解说zk的java api使用打下基础。

不管您在工作中实际的角色是什么。假设您准备在实际工作中使用zookeeper技术，那么这篇文章介绍的基本原理您都应该了解。

2、zk的数据组织方式

首先我们在您的zk环境上使用zkCli.sh连接上去：

[root@vm2 ~]# zkCli.sh
Connecting to localhost:2181
2015-08-12 23:43:53,624 [myid:] - INFO  [main:Environment@100] - Client environment:zookeeper.version=3.4.6-1569965, built on 02/20/2014 09:09 GMT
2015-08-12 23:43:53,639 [myid:] - INFO  [main:Environment@100] - Client environment:host.name=vm2
2015-08-12 23:43:53,639 [myid:] - INFO  [main:Environment@100] - Client environment:java.version=1.7.0_71
2015-08-12 23:43:53,642 [myid:] - INFO  [main:Environment@100] - Client environment:java.vendor=Oracle Corporation
。。

。。。

。
。。

。。

。。
。。。。。

。
。

。。。。。
[zk: localhost:2181(CONNECTED) 0]

然后我们使用ls命令，查看zookeeperserver上的数据存储信息：

[zk: localhost:2181(CONNECTED) 1] ls /
[filesq, zookeeper]

当然您还能够使用非常多命令，例如以下：

connect host:port
get path [watch]
ls path [watch]
set path data [version]
rmr path
delquota [-n|-b] path
quit
printwatches on|off
create [-s] [-e] path data acl
stat path [watch]
close
ls2 path [watch]
history
listquota path
setAcl path acl
getAcl path
sync path
redo cmdno
addauth scheme auth
delete path [version]
setquota -n|-b val path

假设您对以上命令感兴趣，能够查询zookeeper的官方文档去了解。

本文的内容我们将从ls命令得到的zookeeper中的数据结构讲开。

2.1、znode

依据本小结第一部分的描写叙述，非常显然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。其上的每个节点，我们称之为“znode”。

例如以下如所看到的：



每个znode默认能够存储1MB的数据（对于记录状态性质的数据来说。够了）

能够使用zkCli命令。登录到zookeeper上。并通过ls、create、delete、sync等命令操作这些znode节点

znode除了名称、数据以外，另一套属性：zxid。这套zid与时间戳相应，记录zid不同的状态（兴许我们将用到）

那么每个znode结构又是什么样的呢？例如以下图所看到的：



此外，znode还有操作权限。假设我们把以上几类属性细化。又能够得到下面属性的细节：

czxid：创建节点的事务的zxid

mzxid：对znode近期改动的zxid

ctime：以距离时间原点(epoch)的毫秒数表示的znode创建时间

mtime：以距离时间原点(epoch)的毫秒数表示的znode近期改动时间

version：znode数据的改动次数

cversion：znode子节点改动次数

aversion：znode的ACL改动次数

ephemeralOwner：假设znode是暂时节点。则指示节点全部者的会话ID；假设不是暂时节点。则为零。

dataLength：znode数据长度。

numChildren：znode子节点个数。

2.2、znode中的存在类型

我们知道了zookeeper内部维护了一套数据结构：由znode构成的集合。znode的集合又是一个树形结构。每个znode又有非常多属性进行描写叙述。而且znode的存在性还分为四类，例如以下如所看到的：



znode是由client创建的。它和创建它的client的内在联系，决定了它的存在性：

PERSISTENT-持久化节点：创建这个节点的client在与zookeeper服务的连接断开后，这个节点也不会被删除（除非您使用API强制删除）。

PERSISTENT_SEQUENTIAL-持久化顺序编号节点：当client请求创建这个节点A后，zookeeper会依据parent-znode的zxid状态。为这个A节点编写一个全文件夹唯一的编号（这个编号仅仅会一直增长）。当client与zookeeper服务的连接断开后。这个节点也不会被删除。

EPHEMERAL-暂时文件夹节点：创建这个节点的client在与zookeeper服务的连接断开后，这个节点（还有涉及到的子节点）就会被删除。

EPHEMERAL_SEQUENTIAL-暂时顺序编号文件夹节点：当client请求创建这个节点A后。zookeeper会依据parent-znode的zxid状态，为这个A节点编写一个全文件夹唯一的编号（这个编号仅仅会一直增长）。当创建这个节点的client与zookeeper服务的连接断开后，这个节点被删除。

另外，不管是EPHEMERAL还是EPHEMERAL_SEQUENTIAL节点类型，在zookeeper的client异常终止后，节点也会被删除。

3、zk中的选举FastLeaderELection

在上篇文章中，我们已经知道了一个zookeeper集群中。有一个处于leader身份的节点，其他的节点都是flower状态。

那么一个leader是怎么产生的呢？这就是zookeeper中的选举规则，默认的选举规则称为：FastLeaderELection（网上的资料还有提到另外的选举算法，实际上它们的核心思想都是一样的）

3.1、选举算法的中心思想

网上的资料有使用纯文字进行算法描写叙述的，也有使用流程图进行算法描写叙述的，可是假设读者不细致看，还是easy昏头转向，这里我们使用一张过程图和文字相结合的方式对FastLeaderELection选举算法进行描写叙述。

实际上FastLeaderELection说的中心思想无外乎下面几个关键点：

全天下我最牛，在我没有发现比我牛的推荐人的情况下，我就一直推举我当leader。第一次投票那必须推举我自己当leader。

每当我接收到其他的被推举者。我都要回馈一个信息。表明我还是不是推举我自己。

假设被推举者没我大，我就一直推举我当leader，是我是我还是我！

我有一个票箱， 和我属于同一轮的投票情况都在这个票箱里面。一人一票 反复的或者过期的票，我都不接受。

一旦我不再推举我自己了（这时我发现别人推举的人比我推荐的更牛），我就把我的票箱清空。又一次发起一轮投票（这时我的票箱一定有两票了。都是选的我觉得最牛的人）。

一旦我发现收到的推举信息中投票轮要高于我的投票轮，我也要清空我的票箱。而且还是投当初我觉得最牛的那个人（除非当前的人比我最初的推荐牛，我就顺带更新我的推荐）。

不断的反复上面的过程，不断的告诉别人“我的投票是第几轮”、“我推举的人是谁”。直到我的票箱中“我推举的最牛的人”收到了不少于 N /2 + 1的推举投票。

这时我就能够决定我是flower还是leader了（假设至始至终都是我最牛，那我就是leader咯。其他情况就是follower咯）。而且不论随后收到谁的投票，都向它直接反馈“我的结果”。

3.2、一张理想的图

那么我们依照以上的原则，进行一次投票。这是一个比較理想的状态，我们不考虑当中的网络延迟，不考虑启动zookeeper节点时本身的时间差，我们假设发出包的先后顺序，就是目标节点接受这些包的先后顺序。这个理想的过程中，我们同一时候开启5个zookeeper节点，让他们进行选举：



在第一轮中，依照“我最牛逼，我怕谁”的原则，每个节点都推荐它自己为集群的leader节点。

依照我们假设的理想条件，节点S1首先收到了S2发送来的推荐者“2”。节点S1发现“2”要比它之前推荐的“1”（也就是它自己）牛。依据谁牛推荐谁的原则，“S1”清空自己的票箱，又一次选举“2”（注意。此时“S1”的新票箱中已经有两票选举“2”了。一票是它自己，另外一票是”S2”，而且全部节点都是Looking状态）

相同的事情发生在“S2”身上：”S2”收到了”S3”发过来的推荐信息，发现“3”这个被推举者比之前自己推举的“2”要牛，于是也清空自己的票箱，发起一轮新的投票，此时“S2”选举“3”。

依次类推”S3”、”S4”。

这里要注意S5这个节点，在第一轮接受到了来源于“S1”——“S4”的推举者（一定注意，每一次接受信息，都会广播一次“我坚持推举的人”），发现“还是推荐的5最牛”。于是“我继续推举S5吧”。

以上这个过程在整个理想的网络环境上一直持续。

到了第四轮，“S1”收到了“S2”发送来的推举者“5”，发现“5”要比当前“S1”推荐的“4”要牛。

所以“S1”清空了自己的票箱。又一次推举“5”（发送给其他全部节点）。

关键的第五轮来了，我们再反复一下。经过之前的选举，如今“S2”——“S5”都已经推举“5”为Leader了，而且都处于第四轮。这时他们收到了”S1”发来的新的“第五轮”投票，于是都和之前一样，做相同的一件事：清空自己的票箱，又一次向其他全部节点广播自己的第五轮投票“5”。

于是，节点X，收到了大于N / 2 +１的选举“5”的投票。且都是第五轮投票。这样每个节点就都知道了自己的角色。。选举结束。全部将成为Follower状态的节点，向将要成为Leader的节点发起最后一次“工作是否正常”的询问。得到肯定的ack后。整个集群的工作状态就确认了。

3.3、实际上没有那么理想

关于上节的算法或者关于上上节的白话描写叙述，假设您一边没有看懂。请多看几遍。假设您看晕了，请歇息一下，清空脑袋。再看。选举算法的整个流程第一次是不好理解，可是一旦理解了当中的关键点，它就变得非常easy。

我们在上文中介绍的选举流程是基于一个主要的考虑：理想的网络环节，理想的节点处理能力。但其实。没有这种环境。网络情况的多变导致了我们须要让选举算法兼容各种的情况。

下面我们假设在选举的过程中，“S1”,“S2”两个节点出现了宕机的情况（或者是网络延迟，或者是网络物理层断开，不管您怎么想吧，反正其他节点再也收到”S1”，”S2”的投票信息了）。例如以下图所看到的：



上图所看到的。在第三轮的选举过程后，“S1”,“S2”两个节点就断开了，他们的投票信息根本没有发送出去。

这样一来。“S3”收到了“S4”,“S5”发来的投票信息。这时“S3”的票箱处于第3轮，而且发现了占大多数的投票结果：大家选举“S5”为Leader节点。

相同的事情也发生在“S4”身上。

这样“S3”,“S4”两个节点领先知道了投票结果，在最后一次询问Leader节点能否正常工作，并得到了肯定的ACK之后，“S3”,“S4”两个节点变成了Follower状态。

之后，不管“S3”,“S4”两个节点收到了不论什么节点的投票信息，都直接向源节点反馈投票结果，不会再进行投票了。

这样一来，在投票完毕后，“S1”,“S2”又一次连入后，尽管他们发起了投票，可是不会再收到投票反馈了。

直接依据“S3”或者“S4”发来的结果状态。变成Follower状态。

3.4、网上的资料

上图是网络上的一张选举过程图。步骤是怎么样的，笔者我就不再多说了，仅仅希望这个能辅助大家更好的理解选举过程。

哦，如今您知道为什么zookeeper在少于 N / 2 + 1的节点处于工作状态的情况下会崩溃了吧。由于。不管怎么选也没有不论什么节点能够获得 N / 2 + 1 的票数。

4、后文介绍

本来，我是希望这篇文章向大家说明包含zookeeper选举原理和zookeeper中的事件监听watcher原理在内的两个核心原理。

奈何。内容量已经超出了我的想象。这种话同一时候介绍两种原理不利于大家对知识点的吸收消化。

所以我决定zookeeper事件监听的watcher原理，在下一篇文章中再具体介绍，当然会包含演示样例代码。

敬请期待。