zookeeper集群

zookeeper集群+Kafka集群：

kafka3.0之前依赖于zookeeper

zookeeper开源，分布式架构，提供协调服务（Apache项目）

基于观察者模式涉及的分布式服务管理架构。

主要功能就是存储和管理数据。分布式节点上的服务接受观察者的注册。一旦分布式节点上的数据发生变化，由zookeeper来负责通知分布式节点上的服务。

zookeeper:分为领导者 追随者 leader follower组成的集群

特点

只要有一半以上的集群存活，zookeeper集群就可以正常工作，适用于安装奇数台的服务集群

全局数据一致，每个zookeeper每个节点都保存相同的数据。维护监控服务的数据一致

数据更新与数据库一样 原子性 要么都成功要么都失败

实时性，只要有变化立刻同步

应用场景

1、统一命名服务 （在分布式环境下，对所有的应用和服务进行统一命名）

2、统一配置管理 （配置文件要求同步，比如kafaka的配置文件被修改，可以快速被同步到其他节点）

3、统一集群管理 （可以实时掌握所有节点的状态）

4、服务器动态上下线

5、可以实现负载均衡 （把访问服务器的数据发送到访问最少的服务器处理客户端的请求）

领导者和追随者： zookeeper的选举机制

比如有三台服务器 A B C

• A先启动 发起第一次选举，投票投给自己 明明是三台，但是只有一票不满足半数 这时A的状态是looking
• B 启动 再发起一次选举，A和B分别投自己一票，交换选票信息，myid A发现B的myid比A的大 那么A的这一票会转而投给B
• 这时候A 0票 B 2票 没有半数以上的结果 这是A和B进入looking状态
• C启动 比myid 如果C的myid最大 那么服务器A B 都会把票投给C 再加上C自己的一票 在这里B是有可能会成为leader的，而这个时候C会直接成为follower
• C-3 A-0 B-0
• 这个时候C的状态变为leader, A与B 变为follower

---

只要leader确定，后续的服务器都是追随者

只有两种情况会开启选举机制

1、初始化的情况下会产生选举投票

2、服务器之间和leader丢失了连接状态

如果leader已经存在，建立连接即可

leader不存在

1、服务器ID大的会胜出

2、EPOCH大，直接胜出

3、EPOCH相同，事务ID大的胜出

EPOCH每个leader任期的代号，没有leader，大家的逻辑地位是相同的，每投完一次之后，数据是递增的。

事务id，表示服务器的每一次变更，每变更一次事务ID变化一次

服务器ID，zookeeper集群当中都有一个ID，每台机器不重复，和myid保持一致。

zookeeper+kafuka（2.7.0）

kafuka (3.4.1)

zookeeper+kafuka实现过程：

1、zookeeper集群

192.168.211.51 zookeeper+kafuka

192.168.211.52 zookeeper+kafuka

192.168.211.53 zookeeper+kafuka

机器配置2核4G

server.1=192.168.211.51:3188:3288

每个zookeeper集群的初始myid

192.168.211.51：服务器IP的地址

3188：领导者和追随者之间交换信息的端口（内部通信的端口）

3288：一旦leader丢失响应，开启选举，3288就是用来执行选举时的服务器之间通信端口

消息队列：kafka

为什么要引入消息队列（MQ）他也是一个中间件。在高并发环境下，同步请求来不及处理。来不及处理的请求会形成阻塞。

比方说数据库就会形成行锁或者表锁。请求线程满了，超标了，too many connection 整个系统血崩

消息队列的作用：异步处理请求。流量削峰

解藕：

藕和：在软件系统当中，修改一个组件需要修改所有其他组件，高度耦合

低度耦合：修改其中一个组件，对其他组件影响不大，无需修改所有

A B C

只要通信保证，其他的修改不影响整个集群，每个组件可以独立的扩展，修改，降低组件之间的依赖性

依赖点就是接口约束，通过不同的端口，保证集群通信

可恢复性：系统当中的有一部分组件消失，不影响整个系统。也就是说在消息队列当中。即使有一个处理消息的进程失败，一旦恢复还可以重写加入到队列当中，继续处理消息

缓冲：可以控制和优化数据经过系统的时间和速度。解决生产消息和消费消息处理速度不一致的问题

峰值的处理能力：消息队列在峰值的情况之下，能够顶住突发的访问压力，避免专门为了突发情况而对系统进行修改

异步通信：允许用户把一个消息放入队列，但是不是立即处理，等用户想处理的时候在处理

消息队列的模式：

点对点一对一：消息的生产者发送消息到队列中，消费者从队列中提取消息，队列中被提取的消息将会被移除，后续消费者不能再消费队列当中的消息 。消息队列可以有多个消费者但是一个消息，只能由一个消费者提取

RABBITMQ

发布/订阅模式：一对多，观察者模式，消费者提取数据之后，队列当中的消息不会被清除

生产者发布一个消息到主题，所有消费者都是通过主题获得消息。

主题：topic topic类似一个数据流的管道，生产者把消息发布到主题，消费者从主题当中订阅数据，主题可以分区，每个分区都有自己的偏移量

分区：partition 每个主题都可以分成多个分区。每个分区是数据的有序子集，分区可以允许kafka进行水平扩展，以处理大量数据

消息在分区中按照偏移量存储，消费者可以独立读取每个分区的数据

偏移量：是每个消息在分区当中的唯一的标识。消费者可以通过偏移量来跟踪获取已读或者未读消息的位置。也可以提交偏移量来记录已处理的信息

生产者：producer 生产者把数据发送kafka的主题当中，负责写入消息

消费者：从主题当中读取数据，消费者可以是一个也可以是多个。每个消费者都有一个唯一的消费者组ID，kafka通过消费者实现负载均衡和容错性

经纪人：Broker 每个kafka节点都有一个Broker，每个Broker负责一台kafka服务器，ID唯一 ，存储主题分区当中的数据，处理生产和消费者的请求

维护元数据（zookeeper）

zookeeper:zookeeper负责保存元数据。元数据就是topic的相关信息（发布在哪台主机上，指定了多少分区，以及副本数，偏移量）

zookeeper自建一个主题：__consumer_offsets

3.0之后不依赖zookeeper的核心就是因为元数据由kafka自己管理。

kafka的工作流程：

kafka-topics.sh --create --zookeeper 192.168.211.51:2181,192.168.211.52:2181 --replication-factor 2 --partitions 3 --topic test1

创建主题：

1、在kafka的bin目录下，是所有的kafka可执行命令文件

2、--zookeeper 指定的是zookeeper的地址和端口，保存kafa的元数据

3、--replication-factor 2 定义每个分区的副本数

4、partitions 3 指定主题的分区数

5、--topic test1 指定主题的名称

Partition：分区编号

Leader：每个分区都有一个领导者（Leader），领导者负责处理分区的读写操作。

在上述输出中，领导者的编号分别为 3、1、3。

Replicas：每个分区可以有多个副本（Replicas），用于提供冗余和容错性。

在上述输出中，Replica 3、1、2 分别对应不同的 Kafka broker。

Isr：ISR（In-Sync Replicas）表示当前与领导者保持同步的副本。

ISR 3、1分别表示与领导者同步的副本。

1、zookeeper：主要是分布式，观察者模式，统一各个服务器节点的数据

在kafka当中，收集保存kafka大的元数据

2、kafka消息队列 订阅发布模式

RABBIT MQ（实现rabbit mq 消息队列）