Zookeeper学习笔记(中)
Zookeeper的基本原理和基本实现
深入了解ZK的基本原理
ZK的一致性:
-
ZAB 协议: Zookeeper 原子消息广播协议
ZK通过选举保证 leader 的高可用, 三个阶段: * 发现:选举 leader * 同步:Follower 或者 Observer 从 leader 中同步最新数据 * 广播: 服务器角色: * Leader:领导者, 所有更新操作通过 leader 进行 * Follower:跟随者, 有投票权, leader挂了之后有权作为竞选者 * Observer:只能读取数据, 没有投票权, 不能参与竞选 leader 服务器状态: * LOOKING * FOLLOWING * OBSERVING * LEADING 集群通讯: id大的向小的发起连接 -
Leader的选举
选举算法: 通过FastLeaderElection, tcp协议 触发时机: 1) 集群启动 2) Leader宕机 成为leader的因素 : zxid 和 myid 思考: 有3个全新节点组成一个集群,依次启动1,2,3, 哪个节点会成为 leader ? 选举过程: 1) 每个节点状态为 LOOKING 2) 每一个server发出一个投自己的投票(myid+zxid) 3) 处理投票:将收到投票和自己投票相比(比较zxid,比较myid),有些节点修改投票,再次发送 比较zxid的意义:过半数即认为OK, 只要半数中的机器有一个在新的选举中, 即它会成为新leader将数据同步给其他人 4) 统计投票, 确定 5) 修改服务器状态 -
各个节点数据的同步:
leader选举之后, leader同其他节点进行同步,同步完成, leader才真正变为leader leader同超过一半follower同步结束才OK follower选举完成后尝试连接leader,带上自己最大的 zxid, 来确定数据同步的过程 * 同步算法(DIFF): 适用于 follower 的最大事务id, 在 min , max 之间 1. 发送同步请求 2. 发送同步数据 3. 一旦过半follower完成同步,leader发送信号结束同步流程,即可以对外服务 * 同步算法(TUNC): 适用于 leader 宕机, 恢复后作为 follower 加入, 其上有已经 proposal 的新事务, 其id > max 宕机之后如果 TRUNC 之后, 新集群已经有数据修改, 则需要通过 DIFF 将新修改发送给加入节点 简单说明步骤: 1) 新节点加入后收到 trunc 命令, 将只存在于新节点上的数据回滚 2) 确定是否新leader有新的提交,如有进行DIFF, 完成整个过程 * 同步算法(SNAP):全量 适合宕机多时后恢复, 其id < min , 集群的事务日志文件已经有更新多个了 * 获取同步后的数据 读取前条用 sync 方法进行数据同步, 确保数据为最新 -
以下为我在思考ZK选举原理过程中产生的一些问题, 有些还未完全获取到正确答案, 暂时提供出来供大家一起讨论
1. zxid在一个主周期中是否肯定一致连续? 是 2. 无 leader 的状态时, 是否可以接受消息更新? 只有leader选举完毕才能再继续对外服务(读写)? 无 leader 状态不可接受, 需要等待到 leader 选举完毕 3. 如果某zxid被废弃后, 客户端如何得知? 此种情况不会让客户端得知消息已接收确认的消息 ? 客户端只有在消息被commit之后才会收到更新成功的确认 4. 只经过proposal, 没有commit的数据不会返回给客户端?(前leader宕机,可能有些自己写入提交,但是别的节点还未获取的数据)这些数据会被认为是客户端正常提交的数据? 5. 投票中每个节点都发给其他节点? 投票何时结束? 何时出发统计投票? 6. 同步: observer 需要如何同步? 7. 同步是否有可能失败,导致重新选举 leader? 有可能 8. 个别follower无法连接leader导致无法完成同步, 重新回到选举状态, 之后如何? 会真正再次进行选举? 会再次选举 9. 最大,最小事务id:需要理解存储机制, min 不在快照文件中的最小id, max :事务日志中的最大id, 只要在事务日志中,即都是已经在集群中commit(个别节点上没有) 10. 修改的proposal 是发给所有节点? 为何 diff 同步还得再发一份 ?
ZK的具体实现
-
客户端连接:
多个地址会随机排序,从前往后继续 查看类 : org.apache.zookeeper.client.StaticHostProvider -
会话:
客户端和服务端的一个连接是TCP连接 会话实现类 : SessionImpl Ticktime : 会话下次超时时间 会话状态: CONNECTING CONNECTED RECONNECTING RECONNECTED CLOSED 会话的维护 * 服务器通过 SessionTracker 维护会话 * 会话检查和清理都在 Leader 节点处理 * 通过三个维度管理会话: sessionId , session 失效时间, sessionSet sessionId, 失效时间 分桶策略: 用于会话失效检查和清除 分桶策略的说明:根据失效时间划分不同的session 把时间按照标准时间单位进行分割 某会话由于操作(心跳也是一个操作)导致超时时间变化, 从一个桶移到下一个桶 sessionTracker 中一个线程, 某次检查分桶中还有会话, 则说明超时 会话清理的步骤 1. 状态设为 CLOSED 2. 所有节点发送会话关闭 3. 删除临时节点 4. 会话列表中移出 5. 网络断开 会话重连 CONNECTION_LOSS SESSION_EXPIRED SESSION_MOVE 待解决: 清除之后, 还是否可以通过设置 sessionId , 连接上一个session ? 连接时设置 sessionId 如何使用 ? -
数据和存储:
基本结构: ZKDatabase 存储管理所有会话, datatree 的存储和事务日志 定期向磁盘写入快照数据 节点启动恢复内存数据 DataTree 维护数据/目录/权限 数据的领域模型 DataNode 树形中每个节点,包括父节点,子节点,节点数据 事务日志: 日志文件: datalog 或者配置的目录 vsersion-2 代表日志格式的版本号 大小64MB 文件名为后缀16进制格式,其中包含了本日志文件第一个 zxid 日志格式: 日志文件可以通过工具解析出: LogFormatter 日志格式内容解析: 各类会话,事件和内容都存储 日志写入: 通过 FileTxnLog 实现日志写入, 使用 append 方式 写入过程: 1. 确定事务日志文件,确定是否需要扩容(新增文件会用0填满64MB) 2. 事务序列化 3. 生成checknum 4. 写入文件流 5. fsync, 写入磁盘 数据快照: ZK中某个时刻的完整数据,和事务日志是不同的文件 文件后缀为快照中所包含的最新的zxid 通过SnapshotFormatter可以查看内容 快照流程: 1. 确定是否需要快照: 默认 snapCount 100000, 算法避免集群节点同时进行快照 2. 切换事务日志文件 3. 创建快照异步线程 4. 生成快照数据文件 5. 数据刷入快照文件 事务日志和数据快照的联系和异同: 快照存储: 当时内存中的数据模型 一旦快照存储之后,会新开事务日志文件 事务日志: 所有 commit 提交的数据都会记录在事务日志中 事务日志文件 恢复使用: 取最新的快照文件, 恢复到内存数据结构中 最新的事务日志中有些数据未反应在快照中, 需要根据事务日志中的记录, 也恢复到数据结构中