zookeeper的典型应用场景

一、数据发布/订阅

数据的发布、订阅即所谓的配置中心，将数据发布到zookeeper一个或一系列节点上，供订阅者订阅，达到动态获取数据的目的

发布、订阅有两种设计，分别是推模式和拉模式

推模式：服务端主动发送更新数据到订阅的客户端

拉模式：客户端主动发起请求来获取最新的数据，通常是定时轮询

zookeeper采用推拉结合的方式：客户端向服务端注册需要关注的节点，当节点数据变化时，服务端发送watcher事件，客户端收到消息后再主动获取最新的数据

全局配置信息的特性：

数据量小
数据运行时动态变化
集群中各机器共享，配置一致

例子：数据配置

用一个节点存放数据库配置信息，每台机器启动时获取配置信息，并注册watcher，当数据变化时客户端再获取数据

二、负载均衡

定义：对计算机、网络连接、CPU、磁盘驱动或其他资源进行分配负载，以达到优化资源利用、最大化吞吐率、最小化响应时间和避免过载的目的

通常分为硬件和软件负载均衡两类

一种动态的DNS服务 DNS是域名系统的缩写（Domain Name System）可以看做是超大规模的分布式映射表，用于将域名和IP进行一一映射，方便通过域名访问互联网站点

三、命名服务

通过使用命名服务，客户端应用能够根据指定的名字获取资源实体、服务地址和提供者信息等

JNDI就是一种典型的命名服务，JNDI是java命名与目录接口的缩写（java Naming and Directory Interface）

全局唯一id，最易想到uuid，uuid是通用唯一识别码的缩写（universally Unique Identifier），最典型的实现就是GUID（Globally Unique Identifier，全局唯一标识符）

一个标准的UUid包含32位字符和4个短线的字符串

uuid的缺点：

长度过长，意味着需要更多空间存储
含义不明，字面上看不出任何其表达的含义，影响调试效率
利用zookeeper API接口可以创建顺序节点，并返回节点的完整名字的特性，可以生成全局唯一id

四、分布式协调/通知

通过注册watcher，监听节点数据变化实现

五、集群管理

集群管理包括集群监控和集群控制

分布式日志收集系统

在线云主机管理

六、Master选举

在分布式式系统中，master用来协调集群中的其它系统单元，具有对分布式系统状态变更的决定权

广告投放系统后台

七、分布式锁

以前可以依赖关系型数据库固有的排他性实现不同的进程互斥，如行锁、表锁

排他锁

又称为写锁和独占锁，在加锁期间，其它事务不能对这个数据对象进行任何其它类型的操作

定义锁，java中是synchronized机制和ReentrantLock，zookeeper使用节点代表一个锁

获取锁，调用create接口，创建临时节点，最终只有一个客户端创建成功，就认为该客户端获取了锁，没获取锁的客户端注册watcher监听

释放锁，获取到锁的客户端宕机或客户端主动删除临时节点都会释放锁

共享锁

又称为读锁，若给数据加了共享锁，当前事务只能对数据进行读操作，其它事务也只能对数据进行加共享锁，直到该数据的所有共享锁被释放

定义锁，同样创建临时节点代表锁，但应该是临时顺序的节点

获取锁，直接在锁下创建临时顺序节点，如果是读请求，加读的标志，写请求则加写标志

判断读写顺序

1. 创建完节点后，获取锁下的所有子节点，并对该节点注册子节点变更的watcher监听

2. 确定自己的节点序号在所有子节点中的顺序

3. 对于读请求：

    如果没有比自己序号小的节点，或是所有比自己序号小的子节点都是读请求，那么表明自己已经成功获取到共享锁，开始执行读逻辑

    对于写请求：如果自己不是最小的子节点，进入等待

4. 接收到watcher通知后，重复步骤1

释放锁，与排他锁一致

羊群效应

集群规模较大时，服务端会产生大量的watcher通知，改进后的分布式锁实现

1. 客户端create临时顺序节点

2. 客户端调用getChildren获取已创建的子节点列表，但不注册watcher

3. 如无法获取共享锁，那么调用exist对比自己小的那个节点注册watcher

    读请求：向比自己序号小的最后一个写请求节点注册watcher

    写请求：向比自己序号小的最后一个节点注册watcher

4. 等待watcher，继续进入步骤2

八、分布式队列

FIFO：先进先出

getChildren获取队列的所有节点

确定自己的节点序号在所有子节点的顺序

如果不是序号最小，进入等待，同时向比自己序号小的最后一个节点注册watcher

接收watcher通知，重复步骤1

Barrier：分布式屏障

应用于大规模并行计算：最终的合并计算需要基于多个并行计算的子结果来进行