HDFS：是解决存的问题
Hbase：解决大表的问题，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统
Hive：是包装MapReducer的功能。基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能
而zookeeper没有具体的功能，它在大数据区块中的位置比较特殊，好似一个润滑油，实际上它是协调大数据其他框架/组件之间的合作的。
2、Zookeeper介绍Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目
所谓协调：即对变化或作业做及时、适当的反应、处理。
两个要点：存数据、通知
Zookeeper在大数据中是一个“潜在“”的角色，主要应用于HA、Kafka、Hbase。为何是“潜在”的角色？ 因为实际上在使用时我们只需要把zookeeper打开启动就行了，一般并不需要有其他的 *** 作，在大数据中好比一个幕后管理者，就是不懂zookeeper，能用就行。 但是原理我们还是要懂的。
简单来说就是：Zookeeper=文件系统+通知机制
zookeeper的特点1、集群最大的特点是：主次同放。譬如：Redis、hadoop、yarn都有master和slave。 同样，zookeeper也有。
zookeeper中的主称为leader，从称为follower。
2、半数以上节点存活即可正常工作：zookeeper不需要节点全部存活，只需要有半数以上节点存活，它就能正常工作。譬如5台集群的zookeeper，挂了一台两台follower，它依然可以正常提供服务。
3、全局数据一致：zookeeper存的是数据。与HDFS的区别在于，HDFS所有节点存的数据是不一样的，zookeeper所有节点存的数据是一样的，即全局数据一致
4、更新请求顺序进行
例子：假设某个Client向集群发送了两条请求1和2，交给了follower。因为全局数据一致，所以不管是什么数据，最终会发给每个Server一份（人手一份！）。 但是如果由于网络原因，Server5先收到1后收到2，Server4、Server3先收到2后收到1。 那会怎样呢？ 即使它们先收到2在收到1，也会先写1再写2。
5、数据更新原子性：假设client发送数据到集群，这几台机器都往里面写数据，但是这5个好兄弟共进退：要么都成功，要么都失败！（咋一看有点像mysql中的事务哈，都成功或都失败）
6、实时性：这个是有一定的时效范围的，一个client刚写完另一个client就读是读不到的
其中：3、4、5这三个特点是最重要的！！！
3、zookeeper的数据结构上面有提到：zookeeper是可以可以存数据的！
其路径也是以‘/’作为根目录。 这和Linux有点像，但是不同的地方在于：zookeeper的节点，没有目录和文件的区别。
Linux中如果能存数据的，一定是个文件，只能存数据的文件，下面一定没有子节点（子文件或子文件夹）；如果有子节点，那么它就不能存数据。
而zookeeper中并不分文件和文件夹，它只有一种东西称为：ZNode。zookeeper就是由无数个ZNode组成的。每个ZNode既可以有子节点，又可以存放数据。 默认存1，所以zookeeper不是拿来当“硬盘”用的。
4、应用场景提供的服务包括：统一命名服务、统一配置管理、统一集群管理、服务结点动态上下线、软负载均衡等。
5、关于zookeeper配置参数zookeeper中的配置文件zoo.cfg中参数含义解读如下：
1、tickTime=2000：通信心跳数，zookeeper服务器与客户端心跳时间，单位毫秒
zookeeper使用的基本时间，服务器之间或服务器与客户端之间维持心跳的时间间隔，也就是每个tickTime时间就会发送一个心跳。
应用于心跳机制，并且设置了最小的session，超时时间为两倍心跳时间。（session的最小超时时间=2*tickTime）
2、initLimit=10：LF初始通信时限
集群中的Follower跟随者服务器与Leader领导者服务器之间初始连接是能容忍的最多心跳数（tickTime的数量），用它来限定集群中的zookeeper服务器连接到Leader的时限。
3、syncLimit=5：LF同步通信时限
集群中Leader与Follower之间的最大响应时间单位，假如响应超过sybcLimit*tickTime，则Leader认为Follower“死掉”，从服务器列表中删除此Follower。
上面三个参数不需要修改
4、dataDir：数据文件目录+数据持久化路径
主要用于保存zookeeper中的数据
5、clientPort=2181：客户端连接端口
监听客户端连接的端口。（这个可以随心改变，任君发挥！）
6、客户端命令行 *** 作help：显示所有 *** 作命令
ls path [watch]：使用ls命令来查看当前znode中所包含的内容（加上watch表示监听一次此节点变化）
ls2 path [watch]：查看当前节点数据并能看到更新次数等数据
create：普通创建节点（-s含有序列的节点，-e创建临时节点，重启或超时消失）
get path [watch]：获得节点的值
set：设置节点的具体值
stat：查看节点的状态
delete：删除节点
rmr：递归删除节点
总结就是：增删改查（CURD永远滴神！！）
7、zookeeper的重要原理、机制（面试重点）1、监听器原理
zookeeper有个重要的功能叫通知。通知的原理大致是：
zookeeper对于每个节点都存在watcher list。 所有人，如果观察这个节点，就告诉zookeeper要watch它，这样zookeeper就把你放进watcher list。假设出现了变化，就遍历这个watcher list，逐个通知，通知完了，就把你从watcher list中删除。
zookeeper是怎样保证高并发情况下，全局数据一致，且读写顺序一定？主要是通过ZAB（Zookeeper Atomic Broadcast）协议。这个也是Zookeeper原理中最重要的一部分内容。
ZAB协议主要内容是两个部分：
一是：没有leader选leader
二是：有了leader就干活！（简单直接有内涵！）
Zookeeper刚建立集群的时候没有leader，因此进入第一个阶段。选举出leader，选举完进入第二个阶段：干活！ 以后Zookeeper就在这两个状态之间不停的切换。
follower挂了没事。假设leader挂了，就重新回到第一阶段，选举leader。然后再回到第二阶段。
所以Zookeeper是如何进行选举的呢？ 下面我们来谈谈：选举机制。
2、zookeeper的选举机制（重点）
当集群刚启动的时候，便要进入第一阶段的选举流程：
1）半数机制：集群中半数以上机器存活，集群可用。所以zookeeper适合安装奇数台服务器
2）zookeeper虽然在配置文件中没有指定Master和Slave。但是，zookeeper工作时，是有一个节点为Leader，其他节点则为Follower，Leader是通过内部的选举机制临时产生的。选举机制如下：
首先要知道zookeeper有四个状态：
Looking（在集群中寻找leader），Leading、Following、Observing。
其中：Looking状态的机器是不能向外提供服务的，其他三个状态则可以。
假设有五个服务器：
（1）服务器1启动，状态为Looking，发起一次选举。服务器1给自己投了一票。此时服务器1票数为1，不够半数以上（3票），选举无法完成，服务器1状态保持为Looking；
（2）服务器2启动，状态也为Looking，发起一次选举。服务器1和服务器2分别投自己一票并且交换选票信息；此时服务器1发现服务器2的ID比自己目前推举的（服务器1）大，“欺软怕硬”的服务器1便更改选票为推举服务器2。此时服务器1票数为0，服务器2票数为2，均未达到半数以上（3票）。选举无法完成，服务器1、2保持Looking；
（3）服务器3启动，状态为Looking，发起一次选举并且投给自己（服务器3）一票。此时服务器1和服务器2都会更改选票为推举服务器3（同上“欺软怕硬”）。此次投票结果：服务器1为0票、服务器2为0票、服务器3为3票。服务器3票数已超半数，当选leader。 服务器1、2更改状态为Follower，服务器3更改状态为Leading；
（4）服务器4启动，发起一次选举并且投给自己（服务器4）一票。此时服务器1、2、3都不是Looking状态，不会更改选票信息。 交换投票信息结果：服务器3为3票，服务器4为1票。 此时服务器4遵从少数服从多数，更改选票信息为服务器3，并更改状态为Following；
（5）服务器5启动，同4一样当小弟。 自此选举完成
注意：交换选票信息，进行比较的时候先比较zxid，再比较myid。
zxid：事务编号，就是目前数据的版本，zxid越大，表示数据越新。zookeeper需要选举一个数据较新的作为leader。 如果是一个新集群，则zxid都一样，则是myid大的胜出。 如果是5个一起启动，因为服务器5的myid最大，因此就会使服务器5当选leader了。
3、zookeeper的部署方式？集群中的角色有哪些？集群最少需要几台机器？
部署方式：单机模式、集群模式
集群角色：Leader和Follwer
集群最少需要的机器数：3
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）