zookeeper系列(二) 节点讲解以及实际项目运用

前言:最近工作不是很忙,本应该乘着闲暇的时间看书的,之前每天晚上都要翻翻的,可是自己竟然迷恋上了王晓磊 写的 卑鄙的小人-曹操传  刚开始的时候还没啥 后面迷的无法自控,以前中午吃完饭的时候,都是趴着玩手机,现在是一吃完饭都是拿着kindle看上一会儿,弄的技术书好久都没翻过 连博客也不写了,实在不该,罪过罪过 ,一个技术狗 不搞技术,那不是坐着等死吗。话不多说,回归正题。

    前段时间 我给大家介绍了ZK的一些基础知识,让大家对ZK有了一个初步了解,但在实际的过程中 怎么将zk运用到实际的项目中去了 zk的节点有几种特点,以及如何调整好我们的zk配置 才能达到最优了 今天我给大家简单的介绍一下。

我们以我们的实际项目为例 给大家介绍一下。 场景:我们有两个直播房间服务yunva-room,用户登入房间,根据yunva-room-lvs服务将房间里的用户分部在不同的服务机器上,即不同的服务器有相同的房间,房间里有不同的用户。那么这时候问题就来了

1 分布在不同服务器上的相同房间怎么保证用户数负载均衡  ?

2  一台机器的房间服务挂掉后,另一台服务器怎么感知?

此时ZK的出现 可以很好的解决这两个问题。

解决方式: 1  将不同服务器上房间用户的数据都挂在ZK上,根据zk的数据的变化 动态的将用户分配在合适的机器上。

                  2  ZK的临时节点的变化,ZK是可以感知的,可以通知到其他的临时节点,这样就很好的解决一台服务挂掉后,很好的通知到另几台房间服务所在的服务器。将缓存在本地的可用房间服务列表清掉即可。

不同服务器上的房间服务启动后,向ZK注册自己的房间服务信息并建立节点 配置的信息写在配置文件上


服务启动后向zk注册 并订阅监听子节点时间,接受其他房间服务挂掉的通知:

RoomServerInfo 和 ServiceInfo 是我们房间服务 节点 的基本配置信息

yunva-room 服务启动后都会向zk注册,zk里的节点信息如下:

roomServer节点下面都是我们的不同的房间服务  房间里面的数据大家大家也是可以看得到的。

yunva-room-lvs 服务启动后  会向zk订阅所有的房间服务 进行用户的分配 达到负载均衡。订阅房间服务的时候,全部load到本地缓存中,如果子节点发生变化了,则从本地缓存中移除挂掉的服务数据。也就不进行用户的分配。

当我们的房间服务挂掉后 我们的节点也就发生了变化,在此之前,我们简单的介绍一下ZK的节点相关知识,

ZK的节点是有生命周期的,可以分为以下几种节点:

持久节点(PERSISTENT)

所谓持久节点,是指在节点创建后,就一直存在,直到有删除操作来主动清除这个节点——不会因为创建该节点的客户端会话失效而消失。

临时节点(EPHEMERAL)

和持久节点不同的是,临时节点的生命周期和客户端会话绑定。也就是说,如果客户端会话失效,那么这个节点就会自动被清除掉。注意,这里提到的是会话失效,而非连接断开。另外,在临时节点下面不能创建子节点。

我们创建的节点肯定是临时的,服务挂掉后,子节点也就消失了 ZK感知后 通知到订阅节点变化的服务yunva-room-lvs 从本地移除到没有用的服务。

回归到如何监听节点 我们用的zk 是用开源的curator框架来进行对zk操作,这个比较成熟,还有一些类似其他的vertx spring-clound 都有对zk的封装 ,大家如果有时间的话 可以看一下 挺有意思的。

那么curator 监听的节点三种方式:

1 PathChildrenCache  PathChildrenCacheListener 监听子节点变化

实现类似如下:

2 NodeCache NodeCacheListener 监听父节点变化 如下:

3 TreeCache TreeCacheListener 监听父节点和子节点的变化 如下:

在我们的项目中肯定用的是监听子节点变化 能感知服务是否可用

我们监听子节点的方式  订阅子节点变化的时候 我们用了java 的观察者模式  有变化 通知到实际的服务

上面我们讲到了 我们要实现不同服务器的房间用户负载均衡,房间人数是要挂到ZK服务上去的,并且要实现负载均衡算法。 由于yunva-room-lvs 监听节点了变化  每次用户登入房间 zk节点发生变化 并同步到yunva-room-lvs 即不同服务器上的房间人数也同步到了本地缓存  负载均衡 根据yunva-room-lvs 本地缓存的房间数据来进行分配房间的服务器分配即可。

用户登入房间 yunva-room感知后  向zk伪实时(2分钟同步一次)同步数据:


yunva-room-lvs 进行用户服务器的分配

    本想给大家继续介绍在ZK服务实际在生产环境的优化配置  使ZK达到最好的状态 今天就到这里吧 我都没吃饭 在公司默默的码字。 今天简单的介绍了zk在实际项目中的运用以及zk节点以及如何监听的基本知识,后面我给大家介绍ZK的生产环境优化我们的配置  以及其他的一些知识  比如分布式锁  分布式队列 我们这个项目已经在线上稳定运行。是一个很好的例子  而且我们的并发还很高。 

      不多说了  该回去吃狗粮了  不然猝死在办公桌上都没人收尸,我是小志码字,一个简单码代码的小人物。如果想了解这个项目和代码  加我微信  微信号:2B青年  欢迎交流 相互学习。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,542评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,596评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,021评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,682评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,792评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,985评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,107评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,845评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,299评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,612评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,747评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,441评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,072评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,828评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,069评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,545评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,658评论 2 350

推荐阅读更多精彩内容

  • 随着业务的发展,用户量日益上升,单一的系统越来越复杂,越来越庞大,单纯的提升服务器性能始终有顶天的一天,我们可以通...
    点融黑帮阅读 21,866评论 7 28
  • 引言 zookeeper(动物管理员)设计目标为分布式系统的任务执行提供协同支持,包括Hadoop,Storm,H...
    天颉九问阅读 849评论 0 1
  • 本文主要从应用的角度对ZooKeeper做了浅析,试图阐明ZooKeeper是什么、主要应用场景有哪些、常用场景可...
    菜鸟小玄阅读 3,417评论 0 6
  • 【摘要】 面对大量用户访问、高并发请求,海量数据,可以使用高性能的服务器、大型数据库,存储设备,高性能Web服务器...
    静修佛缘阅读 4,542评论 0 24
  • ZooKeeper是Hadoop Ecosystem中非常重要的组件,它的主要功能是为分布式系统提供一致性协调(C...
    把爱放下会走更远阅读 21,706评论 1 18