本篇的内容主要包含以下几点：
- Zookeeper 集群架构
- Zookeeper 读写机制
- ZAB协议
- 关于Zookeeper 集群的一些其他讨论
- Zookeeper（读性能）可伸缩性 和 Observer节点
- Zookeeper 与 CAP 理论
- Zookeeper 作为 服务注册中心的局限性
一、Zookeeper 集群架构
接下来我们来说一说Zookeeper的集群架构。
Zookeeper 集群中的角色
第一章提过，Zookeeper中，能改变ZooKeeper服务器状态的操作称为事务操作。一般包括数据节点创建与删除、数据内容更新和客户端会话创建与失效等操作。
- Leader 领导者 ：Leader 节点负责Zookeeper集群内部投票的发起和决议（一次事务操作），更新系统的状态；同时它也能接收并且响应Client端发送的请求。
- Learner 学习者
- Follower 跟随者 ： Follower 节点用于接收并且响应Client端的请求，如果是事务操作，会将请求转发给Leader节点，发起投票，参与集群的内部投票，
- Observer 观察者：Observer 节点功能和Follower相同，只是Observer 节点不参与投票过程，只会同步Leader节点的状态。
- Client 客户端
Zookeeper 通过复制来实现高可用。在上一章提到的集群模式（replicated mode）下，以Leader节点为准，Zookeeper的ZNode树上面的每一个修改都会被同步（复制）到其他的Server 节点上面。
上面实际上只是一个概念性的简单叙述，在看完下文的读写机制和ZAB协议的两种模式之后，你就会对这几种角色有一个更加深刻的认识。
二、Zookeeper 读写机制
读写流程
下图就是集群模式下一个Zookeeper Server节点提供读写服务的一个流程。
如上图所示，每个Zookeeper Server节点除了包含一个请求处理器来处理请求以外，都会有一个**内存数据库(ReplicatedDatabase)**用于持久化数据。ReplicatedDatabase 包含了整个Data Tree。
来自于Client的读服务（Read Requst），是直接由对应Server的本地副本来进行服务的。
至于来自于Client的写服务（Write Requst），因为Zookeeper要保证每台Server的本地副本是一致的（单一系统映像），需要通过一致性协议（后文提到的ZAB协议）来处理，成功处理的写请求（数据更新）会先序列化到每个Server节点的本地磁盘（为了再次启动的数据恢复）再保存到内存数据库中。
集群模式下，Zookeeper使用简单的同步策略，通过以下三条基本保证来实现数据的一致性：
- 全局串行化所有的写操作
串行化可以把变量包括对象,转化成连续bytes数据. 你可以将串行化后的变量存在一个文件里或在网络上传输. 然后再反串行化还原为原来的数据。
- 保证同一客户端的指令被FIFO执行（以及消息通知的FIFO）
FIFO -先入先出
- 自定义的原子性消息协议
简单来说，对数据的写请求，都会被转发到Leader节点来处理，Leader节点会对这次的更新发起投票，并且发送提议消息给集群中的其他节点，当半数以上的Follower节点将本次修改持久化之后，Leader 节点会认为这次写请求处理成功了，提交本次的事务。
乐观锁
Zookeeper 的核心思想就是，提供一个非锁机制的Wait Free 的用于分布式系统同步的核心服务。其核心对于文件、数据的读写服务，并不提供加锁互斥的服务。
但是由于Zookeeper的每次更新操作都会更新ZNode的版本（详见第一章），也就是客户端可以自己基于版本的对比，来实现更新数据时的加锁逻辑。例如下图。
就像我们更新数据库时，会新增一个version字段，通过更新前后的版本对比来实现乐观锁。
三、ZAB协议
终于到了ZAB协议，讲述完ZAB协议，大家对Zookeeper的一些特性会有更深的体会，对本文的其他内容也会有更透彻的理解。
ZAB 协议是为分布式协调服务ZooKeeper专门设计的一种支持崩溃恢复的一致性协议，这个机制保证了各个server之间的同步。全称 Zookeeper Atomic Broadcast Protocol - Zookeeper 原子广播协议。
两种模式
Zab协议有两种模式，它们分别是恢复模式和广播模式。
广播模式
广播模式类似于分布式事务中的 Two-phase commit （两阶段式提交），因为Zookeeper中一次写操作就是被当做一个事务，所以这实际上本质是相同的。
在广播模式，一次写请求要经历以下的步骤
- ZooKeeper Server接受到Client的写请求
- 写请求都被转发给
Leader节点 Leader节点先将更新持久化到本地Leader节点将此次更新提议(propose)给Followers，进入收集选票的流程Follower节点接收请求，成功将修改持久化到本地，发送一个ACK给LeaderLeader接收到半数以上的ACK时，Leader将广播commit消息并在本地deliver该消息。- 当收到
Leader发来的commit消息时，Follower也会deliver该消息。
广播协议在所有的通讯过程中使用TCP的FIFO信道，通过使用该信道，使保持有序性变得非常的容易。通过FIFO信道，消息被有序的deliver。只要收到的消息一被处理，其顺序就会被保存下来。
但是这种模式下，如果Leader自身发生了故障，Zookeeper的集群不就提供不了写服务了吗？这就引入了下面的恢复模式。
恢复模式
简单点来说，当集群中的Leader故障或者服务启动的时候，ZAB就会进入恢复模式，其中包括Leader选举和完成其他Server和Leader之间的状态同步。
NOTE：选主是ZAB协议中最为重要和复杂的过程。这里面的概念知识较多，放在本章一起讲反而不利于理解本章的知识，所以我打算在下一章单独介绍，同学们可以选择性地食用。
关于Zookeeper 集群的一些其他讨论
1. Zookeeper（读性能）可伸缩性 和 Observer节点
一个集群的可伸缩性即可以引入更多的集群节点，来提升某种性能。Zookeeper实际上就是提供读服务和写服务。在最早的时候，Zookeeper是通过引入Follower节点来提升读服务的性能。但是根据我们之前学习过的读写机制和ZAB协议的内容，引入新的Follower节点，会造成Zookeeper 写服务的下降，因为Leader发起的投票是要半数以上的Follower节点响应才会成功，你Follower多了，就增加了协议中投票过程的压力，可能会拖慢整个投票响应的速度。结果就是，Follower节点增加，集群的写操作吞吐会下降。
在这种情况下，Zookeeper 在3.3.3版本之后，在集群架构中引入了Observer角色，和Follower唯一的区别的就是不参与投票不参与选主。这样既提升了读性能，又不会影响写性能。
另外提一句，Zookeeper的写性能是不能被扩展的，这也是他不适合当做服务注册发现中心的一个原因之一，在服务发现和健康监测场景下，随着服务规模的增大，无论是应用频繁发布时的服务注册带来的写请求，还是刷毫秒级的服务健康状态带来的写请求，都会Zookeeper带来很大的写压力，因为它本身的写性能是无法扩展的。后文引的文章会详细介绍。
2. Zookeeper 与 CAP 理论
分布式领域中存在CAP理论：
- C：Consistency，一致性，数据一致更新，所有数据变动都是同步的。
- A：Availability，可用性，系统具有好的响应性能。
- P：Partition tolerance，分区容错性。以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择，也就是说无论任何消息丢失，系统都可用。
该理论已被证明：任何分布式系统只可同时满足两点，无法三者兼顾。 因此，将精力浪费在思考如何设计能满足三者的完美系统上是愚钝的，应该根据应用场景进行适当取舍。
根据我们前面学习过的读写机制和ZAB协议的内容，Zookeeper本质应该是一个偏向CP的分布式系统。因为广播协议本质上是牺牲了系统的响应性能的。另外从它的以下几个特点也可以看出。也就是在第一章最后提出的几个特点。
① 顺序一致性 从同一个客户端发起的事务请求，最终将会严格按照其发起顺序被应用到ZooKeeper中。
② 原子性 所有事务请求的结果在集群中所有机器上的应用情况是一致的，也就是说要么整个集群所有集群都成功应用了某一个事务，要么都没有应用，一定不会出现集群中部分机器应用了该事务，而另外一部分没有应用的情况。
③ 单一视图 无论客户端连接的是哪个ZooKeeper服务器，其看到的服务端数据模型都是一致的。
④ 可靠性 一旦服务端成功地应用了一个事务，并完成对客户端的响应，那么该事务所引起的服务端状态变更将会被一直保留下来，除非有另一个事务又对其进行了变更。
3. Zookeeper 作为 服务注册中心的局限性
直接引一篇阿里中间件的文章吧，讲的比我好。实际在生产情况下，大多数公司没有达到像大公司那样的微服务量级，Zookeeper是完全能满足服务注册中心的需求的。
