1. Zookeeper Java客户端实战
ZooKeeper应用的开发主要通过Java客户端API去连接和操作ZooKeeper集群。 可供选择的Java客户端API有：
· ZooKeeper官方的Java客户端API。
· 第三方的Java客户端API，比如Curator。
ZooKeeper官方的客户端API提供了基本的操作。例如，创建会话、创建节点、读取节点、更新数据、删除节点和检查节点是否存在等。不过，对于实际开发来说，ZooKeeper官方API有一些不足之处，具体如下：
· ZooKeeper的Watcher监测是一次性的，每次触发之后都需要重新进行注册。
· 会话超时之后没有实现重连机制。
· 异常处理烦琐，ZooKeeper提供了很多异常，对于开发人员来说可能根本不知道应该如何处理这些抛出的异常。
· 仅提供了简单的byte[]数组类型的接口，没有提供Java POJO级别的序列化数据处理接口。
· 创建节点时如果抛出异常，需要自行检查节点是否存在。
· 无法实现级联删除。
总之， ZooKeeper官方API功能比较简单，在实际开发过程中比较笨重，一般不推荐使用。
1.1 Zookeeper 原生Java客户端使用
引入zookeeper client依赖
注意：保持与服务端版本一致，不然会有很多兼容性的问题
ZooKeeper原生客户端主要使用org.apache.zookeeper.ZooKeeper这个类来使用ZooKeeper服务。
ZooKeeper常用构造器
· connectString:使用逗号分隔的列表，每个ZooKeeper节点是一个host.port对，host 是机器名或者IP地址，port是ZooKeeper节点对客户端提供服务的端口号。客户端会任意选取connectString 中的一个节点建立连接。
· sessionTimeout : session timeout时间。
· watcher:用于接收到来自ZooKeeper集群的事件。
使用 zookeeper 原生 API,连接zookeeper集群
Zookeeper主要方法
· create(path, data, acl,createMode): 创建一个给定路径的 znode，并在 znode 保存 data[]的数据，createMode指定 znode 的类型。
· delete(path, version):如果给定 path 上的 znode 的版本和给定的 version 匹配， 删除 znode。
· exists(path, watch):判断给定 path 上的 znode 是否存在，并在 znode 设置一个 watch。
· getData(path, watch):返回给定 path 上的 znode 数据，并在 znode 设置一个 watch。
· setData(path, data, version):如果给定 path 上的 znode 的版本和给定的 version 匹配，设置 znode数据。
· getChildren(path, watch):返回给定 path 上的 znode 的孩子 znode 名字，并在 znode 设置一个 watch。
· sync(path):把客户端 session 连接节点和 leader 节点进行同步。
方法特点：
· 所有获取 znode 数据的 API 都可以设置一个 watch 用来监控 znode 的变化。
· 所有更新 znode 数据的 API 都有两个版本: 无条件更新版本和条件更新版本。 如果 version 为 -1，更新为无条件更新。否则只有给定的 version 和 znode 当前的 version 一样，才会进行更新，这样的更新是条件更新。
· 所有的方法都有同步和异步两个版本。 同步版本的方法发送请求给 ZooKeeper 并等待服务器的响 应。异步版本把请求放入客户端的请求队列，然后马上返回。异步版本通过 callback 来接受来 自服务端的响应。
同步创建节点：
异步创建节点：
修改节点数据
1.2 Curator开源客户端使用
Curator是Netflix公司开源的一套ZooKeeper客户端框架，和ZkClient一样它解决了非常底层的细节
开发工作，包括连接、重连、反复注册Watcher的问题以及NodeExistsException异常等。
Curator是Apache基金会的顶级项目之一，Curator具有更加完善的文档，另外还提供了一套易用性和可读性更强的Fluent风格的客户端API框架。
Curator还为ZooKeeper客户端框架提供了一些比较普遍的、开箱即用的、分布式开发用的解决方案，例如Recipe、共享锁服务、Master选举机制和分布式计算器等，帮助开发者避免了“重复造轮子”的无效开发工作。
在实际的开发场景中，使用Curator客户端就足以应付日常的ZooKeeper集群操作的需求。
引入依赖
Curator 包含了几个包：
· curator-framework是对ZooKeeper的底层API的一些封装。
· curator-client提供了一些客户端的操作，例如重试策略等。
· curator-recipes封装了一些高级特性，如：Cache事件监听、选举、分布式锁、分布式计数器、分布式Barrier等。
创建一个客户端实例
在使用curator-framework包操作ZooKeeper前，首先要创建一个客户端实例。这是一个CuratorFramework类型的对象，有两种方法：
· 使用工厂类CuratorFrameworkFactory的静态newClient()方法。
· 使用工厂类CuratorFrameworkFactory的静态builder构造者方法。
· connectionString：服务器地址列表 ，在指定服务器地址列表的时候可以是一个地址，也可以是多个地址。如果是多个地址，那么每个服务器地址列表用逗号分隔, 如host1:port1,host2:port2,host3；port3 。
· retryPolicy：重试策略 ，当客户端异常退出或者与服务端失去连接的时候，可以通过设置客户端重新连接ZooKeeper 服务端。而 Curator 提供了 一次重试、多次重试等不同种类的实现方式。在 Curator 内部，可以通过判断服务器返回的 keeperException 的状态代码来判断是否进行重试处理，如果返回的是 OK 表示一切操作都没有问题，而 SYSTEMERROR 表示系统或服务端错误。
· 超时时间：Curator 客户端创建过程中，有两个超时时间的设置。一个是 sessionTimeoutMs 会话超时时间 ，用来设置该条会话在 ZooKeeper 服务端的失效时间。另一个是 connectionTimeoutMs 客户端创建会话的超时时间 ，用来限制客户端发起一个会话连接到接收 ZooKeeper 服务端应答的时间。sessionTimeoutMs 作用在服务端，而 connectionTimeoutMs 作用在客户端。
创建节点
创建节点的方式如下面的代码所示，回顾我们之前课程中讲到的内容，描述一个节点要包括节点的类型，即临时节点还是持久节点、节点的数据信息、节点是否是有序节点等属性和性质。
在 Curator 中，可以使用 create 函数创建数据节点，并通过 withMode 函数指定节点类型（持久化
节点，临时节点，顺序节点，临时顺序节点，持久化顺序节点等），默认是持久化节点，之后调用
forPath 函数来指定节点的路径和数据信息。
创建节点
一次性创建带层级结构的节点
获取数据
更新节点
我们通过客户端实例的 setData() 方法更新 ZooKeeper 服务上的数据节点，在setData 方法的后边，通过 forPath 函数来指定更新的数据节点路径以及要更新的数据。
删除节点
guaranteed：该函数的功能如字面意思一样，主要起到一个保障删除成功的作用，其底层工作方式
是：只要该客户端的会话有效，就会在后台持续发起删除请求，直到该数据节点在 ZooKeeper 服务端被删除。
deletingChildrenIfNeeded：指定了该函数后，系统在删除该数据节点的时候会以递归的方式直接删除其子节点，以及子节点的子节点。
异步接口
Curator 引入了BackgroundCallback 接口，用来处理服务器端返回来的信息，这个处理过程是在异
步线程中调用，默认在 EventThread 中调用，也可以自定义线程池。
如上接口，主要参数为 client 客户端， 和服务端事件 event。
inBackground 异步处理默认在EventThread中执行
指定线程池
Curator 监听器
针对 background 通知和错误通知。使用此监听器之后，调用inBackground 方法会异步获得监听
Curator Caches:
Curator 引入了 Cache 来实现对 Zookeeper 服务端事件监听，Cache 事件监听可以理解为一个本地缓存视图与远程 Zookeeper 视图的对比过程。 Cache 提供了反复注册的功能。 Cache 分为两类注册类型：节点监听和子节点监听。
node cache:
NodeCache 对某一个节点进行监听
可以通过注册监听器来实现，对当前节点数据变化的处理
path cache:
PathChildrenCache 会对子节点进行监听，但是不会对二级子节点进行监听，
可以通过注册监听器来实现，对当前节点的子节点数据变化的处理
tree cache:
TreeCache 使用一个内部类TreeNode来维护这个一个树结构。并将这个树结构与ZK节点进行了映
射。所以TreeCache 可以监听当前节点下所有节点的事件。
可以通过注册监听器来实现，对当前节点的子节点，及递归子节点数据变化的处理
2. Zookeeper在分布式命名服务中的实战
命名服务是为系统中的资源提供标识能力。 ZooKeeper的命名服务主要是利用ZooKeeper节点的树形分层结构和子节点的顺序维护能力，来为分布式系统中的资源命名。
哪些应用场景需要用到分布式命名服务呢？典型的有：
· 分布式API目录
· 分布式节点命名
· 分布式ID生成器
2.1 分布式API目录
为分布式系统中各种API接口服务的名称、链接地址，提供类似JNDI（Java命名和目录接口）中的文件系统的功能。借助于ZooKeeper的树形分层结构就能提供分布式的API调用功能。
著名的Dubbo分布式框架就是应用了ZooKeeper的分布式的JNDI功能。在Dubbo中，使用
ZooKeeper维护的全局服务接口API的地址列表。大致的思路为：
· 服务提供者（Service Provider）在启动的时候，向ZooKeeper上的指定节
点/dubbo/${serviceName}/providers写入自己的API地址，这个操作就相当于服务的公开。
· 服务消费者（Consumer）启动的时候，订阅节点/dubbo/{serviceName}/providers下的服务提供者的URL地址，获得所有服务提供者的API。
2.2 分布式节点的命名
一个分布式系统通常会由很多的节点组成，节点的数量不是固定的，而是不断动态变化的。比如说，当业务不断膨胀和流量洪峰到来时，大量的节点可能会动态加入到集群中。而一旦流量洪峰过去了，就需要下线大量的节点。再比如说，由于机器或者网络的原因，一些节点会主动离开集群。
如何为大量的动态节点命名呢？ 一种简单的办法是可以通过配置文件，手动为每一个节点命名。但
是，如果节点数据量太大，或者说变动频繁，手动命名则是不现实的，这就需要用到分布式节点的命名服务。
可用于生成集群节点的编号的方案：
（1）使用数据库的自增ID特性，用数据表存储机器的MAC地址或者IP来维护。
（2）使用ZooKeeper持久顺序节点的顺序特性来维护节点的NodeId编号。
在第2种方案中，集群节点命名服务的基本流程是：
· 启动节点服务，连接ZooKeeper，检查命名服务根节点是否存在，如果不存在，就创建系统的根节点。
· 在根节点下创建一个临时顺序ZNode节点，取回ZNode的编号把它作为分布式系统中节点的NODEID。
· [[如果临时节点太多，可以根据需要删除临时顺序ZNode节点。
2.3 分布式的ID生成器
在分布式系统中，分布式ID生成器的使用场景非常之多：
· 大量的数据记录，需要分布式ID。
· 大量的系统消息，需要分布式ID。
· 大量的请求日志，如restful的操作记录，需要唯一标识，以便进行后续的用户行为分析和调用链路分析。
· 分布式节点的命名服务，往往也需要分布式ID。
· 。。。
传统的数据库自增主键已经不能满足需求。在分布式系统环境中，迫切需要一种全新的唯一ID系统，这种系统需要满足以下需求：
（1）全局唯一：不能出现重复ID。
（2）高可用：ID生成系统是基础系统，被许多关键系统调用，一旦宕机，就会造成严重影响。
有哪些分布式的ID生成器方案呢？ 大致如下：
1. Java的UUID。
2. 分布式缓存Redis生成ID：利用Redis的原子操作INCR和INCRBY，生成全局唯一的ID。
3. Twitter的SnowFlake算法。
4. ZooKeeper生成ID：利用ZooKeeper的顺序节点，生成全局唯一的ID。
5. MongoDb的ObjectId:MongoDB是一个分布式的非结构化NoSQL数据库，每插入一条记录会自动生成全局唯一的一个“_id”字段值，它是一个12字节的字符串，可以作为分布式系统中全局唯一的ID。
基于Zookeeper实现分布式ID生成器
在ZooKeeper节点的四种类型中，其中有以下两种类型具备自动编号的能力
· PERSISTENT_SEQUENTIAL持久化顺序节点。
· EPHEMERAL_SEQUENTIAL临时顺序节点。
ZooKeeper的每一个节点都会为它的第一级子节点维护一份顺序编号，会记录每个子节点创建的先后顺序，这个顺序编号是分布式同步的，也是全局唯一的。
可以通过创建ZooKeeper的临时顺序节点的方法，生成全局唯一的ID
测试
测试结果
基于Zookeeper实现SnowFlakeID算法
Twitter（推特）的SnowFlake算法是一种著名的分布式服务器用户ID生成算法。SnowFlake算法所生成的ID是一个64bit的长整型数字，如图10-2所示。这个64bit被划分成四个部分，其中后面三个部分分别表示时间戳、工作机器ID、序列号。
SnowFlakeID的四个部分，具体介绍如下：
（1）第一位 占用1 bit，其值始终是0，没有实际作用。
（2）时间戳 占用41 bit，精确到毫秒，总共可以容纳约69年的时间。
（3）工作机器id占用10 bit，最多可以容纳1024个节点。
（4）序列号 占用12 bit。这个值在同一毫秒同一节点上从0开始不断累加，最多可以累加到4095。
在工作节点达到1024顶配的场景下，SnowFlake算法在同一毫秒最多可以生成的ID数量为： 1024 *
4096 =4194304，在绝大多数并发场景下都是够用的。
SnowFlake算法的优点：
· 生成ID时不依赖于数据库，完全在内存生成，高性能和高可用性。
· 容量大，每秒可生成几百万个ID。
· ID呈趋势递增，后续插入数据库的索引树时，性能较高。
SnowFlake算法的缺点：
· 依赖于系统时钟的一致性，如果某台机器的系统时钟回拨了，有可能造成ID冲突，或者ID乱序。
· 在启动之前，如果这台机器的系统时间回拨过，那么有可能出现ID重复的危险。
基于zookeeper实现雪花算法：
3. zookeeper实现分布式队列
常见的消息队列有:RabbitMQ，RocketMQ，Kafka等。Zookeeper作为一个分布式的小文件管理系
统，同样能实现简单的队列功能。 Zookeeper不适合大数据量存储，官方并不推荐作为队列使用，但由于实现简单，集群搭建较为便利，因此在一些吞吐量不高的小型系统中还是比较好用的。
3.1 设计思路
1. 创建队列根节点：在Zookeeper中创建一个持久节点，用作队列的根节点。所有队列元素的节点将放在这个根节点下。
2. 实现入队操作：当需要将一个元素添加到队列时，可以在队列的根节点下创建一个临时有序节点。节点的数据可以包含队列元素的信息。
3. 实现出队操作：当需要从队列中取出一个元素时，可以执行以下操作： 获取根节点下的所有子节点。
。找到具有最小序号的子节点。
。获取该节点的数据。
。删除该节点。
。返回节点的数据。
3.2 使用Apache Curator实现分布式队列
Apache Curator是一个ZooKeeper客户端的封装库，提供了许多高级功能，包括分布式队列。
3.3 注意事项
使用Curator的DistributedQueue时，默认情况下不使用锁。当调用QueueBuilder的lockPath()方法
并指定一个锁节点路径时，才会启用锁。如果不指定锁节点路径，那么队列操作可能会受到并发问题的影响。
在创建分布式队列时，指定一个锁节点路径可以帮助确保队列操作的原子性和顺序性。 分布式环境
中，多个消费者可能同时尝试消费队列中的消息。如果不使用锁来同步这些操作，可能会导致消息被多次处理或者处理顺序出现混乱。当然，并非所有场景都需要指定锁节点路径。如果您的应用场景允许消息被多次处理，或者处理顺序不是关键问题，那么可以不使用锁。这样可以提高队列操作的性能，因为不再需要等待获取锁。
