zookeeper项目使用几点小结
背景
??前段时间学习了zookeeper后，在新的项目中刚好派上了用场，我在项目中主要负责分布式任务调度模块的开发，对我自己来说是个不小的挑战。
??分布式的任务调度，技术上我们选择了zookeeper，具体的整个分布式任务调度的架构选择会另起一篇文章进行介绍。
?
??本文主要是介绍自己在项目中zookeeper的一些扩展使用，希望可以对大家有所帮助。
??项目中使用的zookeeper版本3.3.3，对应的文档地址：?http://zookeeper.apache.org/doc/trunk/
zookeeper学习记录?zookeeper学习记录(二)?扩展一：优先集群
先来点背景知识：
1.zookeeper中的server机器之间会组成leader/follower集群，1:n的关系。采用了paxos一致性算法保证了数据的一致性，就是leader/follower会采用通讯的方式进行投票来实现paxns。
2.zookeeper还支持一种observer模式，提供只读服务不参与投票，提升系统，对应文档：?http://zookeeper.apache.org/doc/trunk/zookeeperObservers.html
?
我们项目特性的决定了我们需要进行跨机房操作，比如杭州，美国，香港，青岛等多个机房之间进行数据交互。
跨机房之间对应的网络延迟都比较大，比如中美机房走海底光缆有ping操作200ms的延迟，杭州和青岛机房有70ms的延迟。?
?
为了提升系统的网络性能，我们在部署zookeeper网络时会在每个机房部署节点，多个机房之间再组成一个大的网络保证数据一致性。(zookeeper千万别再搞多个集群)
?
最后的部署结构就会是：
杭州机房 ?>=3台 (构建leader/follower的zk集群)青岛机房 ?>=1台 (构建observer的zk集群)美国机房 ?>=1台?(构建observer的zk集群)香港机房 ?>=1台?(构建observer的zk集群)
?一句话概括就是： 在单个机房内组成一个投票集群，外围的机房都会是一个observer集群和投票集群进行数据交互。 这样部署的一些好处，大家可以细细体会一下
针对这样的部署结构，我们会引入一个优先集群问题： 比如在美国机房的机器需要优先去访问本机房的zk集群，访问不到后才去访问杭州机房。?默认在zookeeper3.3.3的实现中，认为所有的节点都是对等的。并没有对应的优先集群的概念，单个机器也没有对应的优先级的概念。
扩展代码：(比较暴力，采用反射的方式改变了zk client的集群列表)先使用美国机房的集群ip初始化一次zk client通过反射方式，强制在初始化后的zk client中的server列表中又加入杭州机房的机器列表
ZooKeeper zk = null; try { zk = new ZooKeeper(cluster1, sessionTimeout, new AsyncWatcher() { public void asyncProcess(WatchedEvent event) { //do nothing } }); if (serveraddrs.size() > 1) { // 强制的声明accessible ReflectionUtils.makeAccessible(clientCnxnField); ReflectionUtils.makeAccessible(serverAddrsField); // 添加第二组集群列表 for (int i = 1; i < serveraddrs.size(); i++) { String cluster = serveraddrs.get(i); // 强制获取zk中的地址信息 ClientCnxn cnxn = (ClientCnxn) ReflectionUtils.getField(clientCnxnField, zk); List<InetSocketAddress> serverAddrs = (List<InetSocketAddress>) ReflectionUtils .getField(serverAddrsField, cnxn); // 添加第二组集群列表 serverAddrs.addAll(buildServerAddrs(cluster)); } } }扩展二：异步Watcher处理
??最早在看zookeeper的代码时，一直对它的watcher处理比较满意，使用watcher推送数据可以很方便的实现分布式锁的功能。
zookeeper的watcher实现原理也挺简单的，就是在zookeeper client和zookeeper server上都保存一份对应的watcher对象。每个zookeeper机器都会有一份完整的node tree数据和watcher数据，每次leader通知follower/observer数据发生变更后，每个zookeeper server会根据自己节点中的watcher事件推送给响应的zookeeper client，每个zk client收到后再根据内存中的watcher引用，进行回调。
?
这里会有个问题，就是zk client在处理watcher时，回凋的过程是一个串行的执行过程，所以单个watcher的处理慢会影响整个列表的响应。?
可以看一下ClientCnxn类中的EventThread处理，该线程会定时消费一个queue的数据，挨个调用processEvent(Object event) 进行回调处理。
?
扩展代码：
?
public abstract class AsyncWatcher implements Watcher { private static final int DEFAULT_POOL_SIZE = 30; private static final int DEFAULT_ACCEPT_COUNT = 60; private static ExecutorService executor = new ThreadPoolExecutor( 1, DEFAULT_POOL_SIZE, 0L, TimeUnit.MILLISECONDS, new ArrayBlockingQueue( DEFAULT_ACCEPT_COUNT), new NamedThreadFactory( "Arbitrate-Async-Watcher"), new ThreadPoolExecutor.CallerRunsPolicy()); public void process(final WatchedEvent event) { executor.execute(new Runnable() {//提交异步处理 @Override public void run() { asyncProcess(event); } }); } public abstract void asyncProcess(WatchedEvent event);}?
说明：zookeeper针对watcher的调用是以单线程串行的方式进行处理，容易造成堵塞影响，monitor的数据同步及时性AsyncWatcher为采取的一种策略为当不超过acceptCount=60的任务时，会采用异步线程的方式处理。如果超过60任务，会变为原先的单线程串行的模式扩展三：重试处理
这个也不多说啥，看一下相关文档就清楚了
?
http://wiki.apache.org/hadoop/ZooKeeper/ErrorHandlinghttp://wiki.apache.org/hadoop/ZooKeeper/FAQ#A3需要特殊处理下ConnectionLoss的异常，一种可恢复的异常。
重试处理：
public interface ZooKeeperOperation<T> { public T execute() throws KeeperException, InterruptedException;}/** * 包装重试策略 */ public <T> T retryOperation(ZooKeeperOperation<T> operation) throws KeeperException, InterruptedException { KeeperException exception = null; for (int i = 0; i < maxRetry; i++) { try { return (T) operation.execute(); } catch (KeeperException.SessionExpiredException e) { logger.warn("Session expired for: " + this + " so reconnecting due to: " + e, e); throw e; } catch (KeeperException.ConnectionLossException e) { //特殊处理Connection Loss if (exception == null) { exception = e; } logger.warn("Attempt " + i + " failed with connection loss so " + "attempting to reconnect: " + e, e); retryDelay(i); } } throw exception; }注意点：Watcher原子性在使用zookeeper的过程中，需要特别注意一点就是注册对应watcher事件时，如果当前的节点已经满足了条件，比如exist的watcher，它不会触发你的watcher，而会等待下一次watcher条件的满足。
它的watcher是一个一次性的监听，而不是一个永久的订阅过程。所以在watcher响应和再次注册watcher过程并不是一个原子操作，编写多线程代码和锁时需要特别注意
总结??zookeepr是一个挺不错的产品，源代码写的也非常不错，大量使用了queue和异步Thread的处理模式，真是一个伟大的产品。
1 楼 AliKevin2011 2011-10-15 agapple,你好，感谢你分享zookeeper。1.你说的 paxns 应该是paxos吧？（不知道是不是我理解错误，当然这是吹毛求疵，我只是希望你的文字更精确，别介意哦。）
2.还有我个人了解zookeeper中确切的说应该使用的是zab(zookeeper automic broadcast)当然是paxos优化版本。比如消除了“羊群效应”，正如你前篇文字提到的当节点数据变化时候，不会按照paxos算法将消息发送到所有的client，而是只发送到序号为下一个序号的client，从而缓解服务压力。
我也是刚刚了解zookeeper，我理解不对之处多多指出。还是感谢你的分享。
2 楼 agapple 2011-10-16 AliKevin2011 写道agapple,你好，感谢你分享zookeeper。
1.你说的 paxns 应该是paxos吧？（不知道是不是我理解错误，当然这是吹毛求疵，我只是希望你的文字更精确，别介意哦。）
2.还有我个人了解zookeeper中确切的说应该使用的是zab(zookeeper automic broadcast)当然是paxos优化版本。比如消除了“羊群效应”，正如你前篇文字提到的当节点数据变化时候，不会按照paxos算法将消息发送到所有的client，而是只发送到序号为下一个序号的client，从而缓解服务压力。
我也是刚刚了解zookeeper，我理解不对之处多多指出。还是感谢你的分享。
恩，多谢你的建议。
1. 的确是paxos，是我的笔误，多谢指出。
2. 其实Watcher并不是paxos算法中的一部分。paxos中只包括提出决议和决议通过，这些都是发生在zookeeper内部过程。而Watcher只是在paxos算法完成后，是zookeeper提供的一些便利性工具，正因为这样的callback才允许我们实现了分布式锁机制提供了可能性
如果你看过上一篇分布式lock文章就知道，这里并没有一种百分百可靠&有效的lock方法，选择EPHEMERAL和PERSISTENT同样存在一些问题。基于EPHEMERAL的实现，通过heartbeat并不能100%确保(比如网络断了，jvm依然存在)