《每日五分钟搞定大数据》公众号：大叔据每周不定时更新
点击看《每日五分钟搞定大数据》完整思维导图
Zookeeper作为一个分布式协调系统提供了一项基本服务：分布式锁服务，分布式锁是分布式协调技术实现的核心内容。像配置管理、任务分发、组服务、分布式消息队列、分布式通知/协调等，这些应用实际上都是基于这项基础服务由用户自己摸索出来的。
1.Zookeeper在大数据系统中的常见应用
zookeeper作为分布式协调系统在大数据领域非常常用，它是一个很好的中心化管理工具。下面举几个常见的应用场景。
1.1.HDFS/YARN
- HA(分布式锁的应用)：Master挂掉之后迅速切换到slave节点。
1.2.hbase
- HA ：同上。
- 配置管理 ：client需要读写hbase的数据首先都是连到ZK读取root表，获得meta表所在的region，最后找到数据所在位置。
- 任务发布：regionserver挂了一台，master需要重新分配region，会把任务放在zookeeper等regionserver来获取
1.3.kafka
- 配置管理：broker会在zookeeper注册并保持相关的元数据（topic，partition信息等）更新
- 任务分配：给topic分配partitions和replication
2.Zookeeper有哪些操作特性
2.1.数据结构
zknamespace
ZooKeeper命名空间中的Znode，兼具文件和目录两种特点。既像文件一样维护着数据、元信息、ACL、时间戳等数据结构，又像目录一样可以作为路径标识的一部分。 每个Znode由3部分组成:
- stat状态信息：描述该Znode的版本, 权限等信息
- data：与该Znode关联的数据(配置文件信息、状态信息、汇集位置)，数据大小至多1M
- children：该Znode下的子节点
ZooKeeper中的每个节点存储的数据要被原子性的操作。也就是说读操作将获取与节点相关的所有数据，写操作也将替换掉节点的所有数据。另外，每一个节点都拥有自己的ACL(访问控制列表)，这个列表规定了用户的权限，即限定了特定用户对目标节点可以执行的操作。
2.2.watch机制
ZooKeeper可以为所有的读操作设置watch，包括：exists()、getChildren()及getData()。当节点状态发生改变时(Znode的增、删、改)将会触发watch所对应的操作。当watch被触发时，ZooKeeper将会向客户端发送且仅发送一条通知，因为watch只能被触发一次，这样可以减少网络流量。
- 数据watch(data watches)：getData和exists负责设置数据watch
- 孩子watch(child watches)：getChildren负责设置孩子watch
2.3.节点类型
ZooKeeper中的节点有两种，分别为临时节点和永久节点(还可再分为有序无序)。节点的类型在创建时即被确定，并且不能改变。
- 临时节点：该节点的生命周期依赖于创建它们的会话。一旦会话(Session)结束，临时节点将被自动删除，当然可以也可以手动删除。虽然每个临时的Znode都会绑定到一个客户端会话，但他们对所有的客户端还是可见的。另外，ZooKeeper的临时节点不允许拥有子节点。（分布式队列）
- 永久节点：该节点的生命周期不依赖于会话，并且只有在客户端显示执行删除操作的时候，他们才能被删除。
3.这些应用是如何通过这些特性实现的
3.1.HA:
两种方式：
- 创建两个或多个有序临时节点，永远把最小值当做master
- 创建临时节点的为master，多个slave会watch这个节点
3.2.配置管理：
存储集群元数据提供给client使用，体现在比如需要对HBase和Kafka操作时，都会直接连到zookeeper，zookeeper记录了数据存储的位置，存活的节点等元数据信息。
3.3.任务发布：
Master要监视/works和/tasks两个永久节点，以便能感知到由哪些slave当前可用，当前有新任务需要分配。
分配过程：在/assign下创建当前可用的workA，找到需要分配的taskA，创建/assign/workA/taskA
zookeeper还有很多类似的应用大多都是基于上面的特性。总的来说，zk只是一个提供了一些特性的系统，用户根据这些特性自己定义了它的用法。熟悉了zk的操作以及应用场景，下一篇说下zk的架构设计与角色分工。
公众号：大叔据 。
评论不能及时回复可直接加公众号提问或交流，知无不答，谢谢 。
欢迎关注大叔
网友评论