Zookeeper-Zookeeper应用场景实战

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。
2.会话超时之后没有实现重连机制。
3.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。
6.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

java 复制代码

<!-- zookeeper client -->
 <dependency>
 <groupId>org.apache.zookeeper</groupId>
 <artifactId>zookeeper</artifactId>
 <version>3.8.0</version>
</dependency>

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

java 复制代码

ZooKeeper (connectString, sessionTimeout, watcher)

1.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connectString 中的一个节点建立连接。
2.sessionTimeout : session timeout时间。
3.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

java 复制代码

public class ZkClientDemo {

 private static final String CONNECT_STR="localhost:2181";
 private final static String
CLUSTER_CONNECT_STR="192.168.65.156:2181,192.168.65.190:2181,192.168.65.200:2181";

 public static void main(String[] args) throws Exception {

 final CountDownLatch countDownLatch=new CountDownLatch(1);
 ZooKeeper zooKeeper = new ZooKeeper(CLUSTER_CONNECT_STR,
 4000, new Watcher() {
 @Override
 public void process(WatchedEvent event) {
 if(Event.KeeperState.SyncConnected==event.getState()
 && event.getType()== Event.EventType.None){
 //如果收到了服务端的响应事件，连接成功
 countDownLatch.countDown();
 System.out.println("连接建立");
 }
 }
 });
 System.out.printf("连接中");
 countDownLatch.await();
 //CONNECTED

System.out.println(zooKeeper.getState());

//创建持久节点
 zooKeeper.create("/user","fox".getBytes(),
 ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);

 }

}

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：

java 复制代码

@Test
public void createTest() throws KeeperException, InterruptedException {
String path = zooKeeper.create(ZK_NODE, "data".getBytes(),
ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
 log.info("created path: {}",path);
 }

异步创建节点：

java 复制代码

@Test
 public void createAsycTest() throws InterruptedException {
 zooKeeper.create(ZK_NODE, "data".getBytes(), ZooDefs.Ids.OPEN_ACL_UNSAFE,
        CreateMode.PERSISTENT,
        (rc, path, ctx, name) -> log.info("rc {},path {},ctx {},name
{}",rc,path,ctx,name),"context");
    TimeUnit.SECONDS.sleep(Integer.MAX_VALUE);
 }

修改节点数据：

java 复制代码

@Test
 public void setTest() throws KeeperException, InterruptedException {

 Stat stat = new Stat();
 byte[] data = zooKeeper.getData(ZK_NODE, false, stat);
 log.info("修改前: {}",new String(data));
 zooKeeper.setData(ZK_NODE, "changed!".getBytes(), stat.getVersion());
 byte[] dataAfter = zooKeeper.getData(ZK_NODE, false, stat);
 log.info("修改后: {}",new String(dataAfter));
 }

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。
Guava is to Java that Curator to ZooKeeper
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。
官网： https://curator.apache.org/

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。

java 复制代码

<!-- zookeeper client -->
 <dependency>
     <groupId>org.apache.zookeeper</groupId>
     <artifactId>zookeeper</artifactId>
     <version>3.8.0</version>
 </dependency>

 <!--curator-->
 <dependency>
     <groupId>org.apache.curator</groupId>
         <artifactId>curator-recipes</artifactId>
             <version>5.1.0</version>
             <exclusions>
                 <exclusion>
                     <groupId>org.apache.zookeeper</groupId>
                     <artifactId>zookeeper</artifactId>
                 </exclusion>
             </exclusions>
  </dependency>

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。

java 复制代码

// 重试策略
 RetryPolicy retryPolicy = new ExponentialBackoffRetry(1000, 3)
 //创建客户端实例
CuratorFramework client = CuratorFrameworkFactory.newClient(zookeeperConnectionString,
retryPolicy);

 //启动客户端
 client.start();

使用工厂类CuratorFrameworkFactory的静态builder构造者方法。

java 复制代码

RetryPolicy retryPolicy = new ExponentialBackoffRetry(1000, 3);
 CuratorFramework client = CuratorFrameworkFactory.builder()
 .connectString("192.168.128.129:2181")
 .sessionTimeoutMs(5000) // 会话超时时间
 .connectionTimeoutMs(5000) // 连接超时时间
 .retryPolicy(retryPolicy)
 .namespace("base") // 包含隔离名称
 .build();
 client.start();

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。

java 复制代码

@Test
 public void testCreate() throws Exception {
 String path = curatorFramework.create().forPath("/curator-node");
 curatorFramework.create().withMode(CreateMode.PERSISTENT).forPath("/curatornode","some-data".getBytes())

 log.info("curator create node :{} successfully.",path);
 }

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。
一次性创建带层级结构的节点

java 复制代码

@Test
 public void testCreateWithParent() throws Exception {
 String pathWithParent="/node-parent/sub-node-1";
 String path =
curatorFramework.create().creatingParentsIfNeeded().forPath(pathWithParent);

 log.info("curator create node :{} successfully.",path);
 }

获取数据

java 复制代码

 @Test
 public void testGetData() throws Exception {
 byte[] bytes = curatorFramework.getData().forPath("/curator-node");
 log.info("get data from node :{} successfully.",new String(bytes));
 }

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。

java 复制代码

@Test
 public void testSetData() throws Exception {
 curatorFramework.setData().forPath("/curator-node","changed!".getBytes());
 byte[] bytes = curatorFramework.getData().forPath("/curator-node");
 log.info("get data from node /curator-node :{} successfully.",new String(bytes));
 }

删除节点

java 复制代码

 @Test
 public void testDelete() throws Exception {
 String pathWithParent="/node-parent";
 
curatorFramework.delete().guaranteed().deletingChildrenIfNeeded().forPath(pathWithParent);
}

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。

java 复制代码

public interface BackgroundCallback
 {
 /**
 * Called when the async background operation completes
 *
 * @param client the client
 * @param event operation result details
 * @throws Exception errors
 */
 public void processResult(CuratorFramework client, CuratorEvent event) throws Exception;
 }

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

java 复制代码

@Test
 public void test() throws Exception {
 curatorFramework.getData().inBackground((item1, item2) -> {
 log.info(" background: {}", item2);
 }).forPath(ZK_NODE);

 TimeUnit.SECONDS.sleep(Integer.MAX_VALUE);
 }

指定线程池

java 复制代码

@Test
 public void test() throws Exception {
 ExecutorService executorService = Executors.newSingleThreadExecutor();

 curatorFramework.getData().inBackground((item1, item2) -> {
 log.info(" background: {}", item2);
 },executorService).forPath(ZK_NODE);

 TimeUnit.SECONDS.sleep(Integer.MAX_VALUE);
 }

Curator 监听器

java 复制代码

/**
 * Receives notifications about errors and background events
 */
 public interface CuratorListener
 {
 /**
 * Called when a background task has completed or a watch has triggered
 *
 * @param client client
 * @param event the event
 * @throws Exception any errors
 */
 public void eventReceived(CuratorFramework client, CuratorEvent event) throws Exception;
}

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

CuratorCaches:

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

java 复制代码

public NodeCache(CuratorFramework client,
 String path)
 Parameters:
 client - the client
 path - path to cache

可以通过注册监听器来实现，对当前节点数据变化的处理

java 复制代码

public void addListener(NodeCacheListener listener)
 Add a change listener
 Parameters:
 listener - the listener
 @Slf4j
 public class NodeCacheTest extends AbstractCuratorTest{

 public static final String NODE_CACHE="/node-cache";

 @Test
 public void testNodeCacheTest() throws Exception {

 createIfNeed(NODE_CACHE);
 NodeCache nodeCache = new NodeCache(curatorFramework, NODE_CACHE);
 nodeCache.getListenable().addListener(new NodeCacheListener() {
 @Override
 public void nodeChanged() throws Exception {
 log.info("{} path nodeChanged: ",NODE_CACHE);
 printNodeData();
 }
 });

 nodeCache.start();
 }


public void printNodeData() throws Exception {
 byte[] bytes = curatorFramework.getData().forPath(NODE_CACHE);
 log.info("data: {}",new String(bytes));
 }
 }

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，

java 复制代码

public PathChildrenCache(CuratorFramework client,
 String path,
 boolean cacheData)
 Parameters:
 client - the client
 path - path to watch
 cacheData - if true, node contents are cached in addition to the stat

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

java 复制代码

public void addListener(PathChildrenCacheListener listener)
 Add a change listener
 Parameters:
 listener - the listener
 @Slf4j
 public class PathCacheTest extends AbstractCuratorTest{

 public static final String PATH="/path-cache";

 @Test
 public void testPathCache() throws Exception {

 createIfNeed(PATH);
 PathChildrenCache pathChildrenCache = new PathChildrenCache(curatorFramework,
PATH, true);
 pathChildrenCache.getListenable().addListener(new PathChildrenCacheListener() {
 @Override
 public void childEvent(CuratorFramework client, PathChildrenCacheEvent
event) throws Exception {
 log.info("event: {}",event);
 }
 });

 // 如果设置为true则在首次启动时就会缓存节点内容到Cache中
 pathChildrenCache.start(true);
 }
 }

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。

java 复制代码

public TreeCache(CuratorFramework client,
 String path,
 boolean cacheData)
 Parameters:
 client - the client
 path - path to watch
 cacheData - if true, node contents are cached in addition to the stat

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

java 复制代码

public void addListener(TreeCacheListener listener)
 Add a change listener
 Parameters:
 listener - the listener
 @Slf4j
 public class TreeCacheTest extends AbstractCuratorTest{

 public static final String TREE_CACHE="/tree-path";

 @Test
 public void testTreeCache() throws Exception {
 createIfNeed(TREE_CACHE);
 TreeCache treeCache = new TreeCache(curatorFramework, TREE_CACHE);
 treeCache.getListenable().addListener(new TreeCacheListener() {
 @Override
 public void childEvent(CuratorFramework client, TreeCacheEvent event)
throws Exception {
 log.info(" tree cache: {}",event);
 }
 });
 treeCache.start();
 }
 }

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：

Java的UUID。
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。
Twitter的SnowFlake算法。
ZooKeeper生成ID：利用ZooKeeper的顺序节点，生成全局唯一的ID。
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

java 复制代码

@Slf4j
 public class IDMaker extends CuratorBaseOperations {

 private String createSeqNode(String pathPefix) throws Exception {
 CuratorFramework curatorFramework = getCuratorFramework();
 //创建一个临时顺序节点
 String destPath = curatorFramework.create()
 .creatingParentsIfNeeded()
 .withMode(CreateMode.EPHEMERAL_SEQUENTIAL)
 .forPath(pathPefix);
 return destPath;
 }

 public String makeId(String path) throws Exception {
 String str = createSeqNode(path);
 if(null != str){
 //获取末尾的序号
 int index = str.lastIndexOf(path);
 if(index>=0){
 index+=path.length();
 return index<=str.length() ? str.substring(index):"";
 }
 }
 return str;
 }
 }

测试

java 复制代码

 @Test
 public void testMarkId() throws Exception {
 IDMaker idMaker = new IDMaker();
 idMaker.init();
 String pathPrefix = "/idmarker/id-";

 for(int i=0;i<5;i++){
 new Thread(()->{
 for (int j=0;j<10;j++){
 String id = null;
 try {
 id = idMaker.makeId(pathPrefix);
 log.info("{}线程第{}个创建的id为
{}",Thread.currentThread().getName(),
 j,id);
 } catch (Exception e) {
 e.printStackTrace();
 }
 }
 },"thread"+i).start();
 }

 Thread.sleep(Integer.MAX_VALUE);

 }

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：

java 复制代码

public class SnowflakeIdGenerator {

 /**
 * 单例
 */
 public static SnowflakeIdGenerator instance =
 new SnowflakeIdGenerator();


 /**
 * 初始化单例
 *
 * @param workerId 节点Id,最大8091
 * @return the 单例
 */
 public synchronized void init(long workerId) {
 if (workerId > MAX_WORKER_ID) {
 // zk分配的workerId过大
 throw new IllegalArgumentException("woker Id wrong: " + workerId);
 }
 instance.workerId = workerId;
 }

 private SnowflakeIdGenerator() {

 }


 /**
 * 开始使用该算法的时间为: 2017-01-01 00:00:00
 */
 private static final long START_TIME = 1483200000000L;

 /**
 * worker id 的bit数，最多支持8192个节点
 */
 private static final int WORKER_ID_BITS = 13;

 /**
 * 序列号，支持单节点最高每毫秒的最大ID数1024
 */
 private final static int SEQUENCE_BITS = 10;

 /**
 * 最大的 worker id ，8091
 * -1 的补码（二进制全1）右移13位, 然后取反
 */
 private final static long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);

 /**
 * 最大的序列号，1023
 * -1 的补码（二进制全1）右移10位, 然后取反
 */
 private final static long MAX_SEQUENCE = ~(-1L << SEQUENCE_BITS);

 /**
 * worker 节点编号的移位
 */
 private final static long WORKER_ID_SHIFT = SEQUENCE_BITS;

 /**
 * 时间戳的移位
 */
 private final static long TIMESTAMP_LEFT_SHIFT = WORKER_ID_BITS + SEQUENCE_BITS;

 /**
 * 该项目的worker 节点 id
 */
 private long workerId;

 /**
 * 上次生成ID的时间戳
 */
 private long lastTimestamp = -1L;

 /**
 * 当前毫秒生成的序列
 */
 private long sequence = 0L;

 /**
 * Next id long.
 *
 * @return the nextId
 */
 public Long nextId() {
 return generateId();
 }

 /**
 * 生成唯一id的具体实现
 */
 private synchronized long generateId() {
 long current = System.currentTimeMillis();

 if (current < lastTimestamp) {
 // 如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过，出现问题返回-1
 return -1;
 }

 if (current == lastTimestamp) {
 // 如果当前生成id的时间还是上次的时间，那么对sequence序列号进行+1
 sequence = (sequence + 1) & MAX_SEQUENCE;

 if (sequence == MAX_SEQUENCE) {
 // 当前毫秒生成的序列数已经大于最大值，那么阻塞到下一个毫秒再获取新的时间戳
 current = this.nextMs(lastTimestamp);
 }
 } else {
 // 当前的时间戳已经是下一个毫秒
 sequence = 0L;
 }

 // 更新上次生成id的时间戳
 lastTimestamp = current;

 // 进行移位操作生成int64的唯一ID

 //时间戳右移动23位
 long time = (current - START_TIME) << TIMESTAMP_LEFT_SHIFT;

 //workerId 右移动10位
 long workerId = this.workerId << WORKER_ID_SHIFT;

 return time | workerId | sequence;
 }

 /**
 * 阻塞到下一个毫秒
 */
 private long nextMs(long timeStamp) {
 long current = System.currentTimeMillis();
 while (current <= timeStamp) {
 current = System.currentTimeMillis();
 }
 return current;
 }
 }

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

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。
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。
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。

java 复制代码

/**
 * 入队
 * @param data
 * @throws Exception
 */
 public void enqueue(String data) throws Exception {
 // 创建临时有序子节点
 zk.create(QUEUE_ROOT + "/queue-", data.getBytes(StandardCharsets.UTF_8),
 ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL_SEQUENTIAL);
 }

 /**
 * 出队
 * @return
 * @throws Exception
 */
 public String dequeue() throws Exception {
 while (true) {
 List<String> children = zk.getChildren(QUEUE_ROOT, false);
 if (children.isEmpty()) {
 return null;
 }

 Collections.sort(children);

 for (String child : children) {
 String childPath = QUEUE_ROOT + "/" + child;
 try {
 byte[] data = zk.getData(childPath, false, null);
 zk.delete(childPath, -1);
 return new String(data, StandardCharsets.UTF_8);
 } catch (KeeperException.NoNodeException e) {
 // 节点已被其他消费者删除，尝试下一个节点
 }
 }
 }
 }

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。

java 复制代码

public class CuratorDistributedQueueDemo {
 private static final String QUEUE_ROOT = "/curator_distributed_queue";

 public static void main(String[] args) throws Exception {
 CuratorFramework client = CuratorFrameworkFactory.newClient("localhost:2181",
 new ExponentialBackoffRetry(1000, 3));
 client.start();

 // 定义队列序列化和反序列化
 QueueSerializer<String> serializer = new QueueSerializer<String>() {
 @Override
 public byte[] serialize(String item) {
 return item.getBytes();
 }

 @Override
 public String deserialize(byte[] bytes) {
 return new String(bytes);
 }
 };

 // 定义队列消费者
 QueueConsumer<String> consumer = new QueueConsumer<String>() {
 @Override
 public void consumeMessage(String message) throws Exception {
 System.out.println("消费消息: " + message);
 }

 @Override
 public void stateChanged(CuratorFramework curatorFramework, ConnectionState
 connectionState) {

 }
 };

 // 创建分布式队列
 DistributedQueue<String> queue = QueueBuilder.builder(client, consumer,
serializer, QUEUE_ROOT)
 .buildQueue();
 queue.start();

 // 生产消息
 for (int i = 0; i < 5; i++) {
 String message = "Task-" + i;
 System.out.println("生产消息: " + message);
 queue.put(message);
 Thread.sleep(1000);
 }

 Thread.sleep(10000);
queue.close();
 client.close();
 }
 }

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。

java 复制代码

// 创建分布式队列
 QueueBuilder<String> builder = QueueBuilder.builder(client, consumer, serializer,
"/order");
 //指定了一个锁节点路径/orderlock,用于实现分布式锁，以保证队列操作的原子性和顺序性。
 queue = builder.lockPath("/orderlock").buildQueue();
 //启动队列,这时队列开始监听ZooKeeper中/order节点下的消息。
 queue.start();

Zookeeper-Zookeeper应用场景实战

1. Zookeeper Java客户端实战

1.1 Zookeeper 原生Java客户端使用

1.2 Curator开源客户端使用

引入依赖

创建一个客户端实例

创建节点

获取数据

更新节点

删除节点

异步接口

指定线程池

Curator 监听器

Curator****Caches:

node cache:

path cache:

tree cache:

2. Zookeeper在分布式命名服务中的实战

2.1 分布式API目录

2.2 分布式节点的命名

基于Zookeeper实现SnowFlakeID算法

3. zookeeper实现分布式队列

3.1 设计思路

CuratorCaches: