zk集群--集群同步

1.概述

前面一章分析了集群下启动阶段选举过程,一旦完成选举,通过执行QuorumPeersetPeerState将设置好选举结束后自身的状态。然后,将再次执行QuorumPeerrun的新的一轮循环,

QuorumPeerrun的每一轮循环,先判断自身当前状态:

(1). 自身为LOOKING

则需在本轮循环开启选举,并完成选举。

(2). 自身为FOLLOWING

cpp 复制代码
protected Follower makeFollower(FileTxnSnapLog logFactory) throws IOException {
    return new Follower(this, new FollowerZooKeeperServer(logFactory, this, this.zkDb));
}

try {
   LOG.info("FOLLOWING");
   setFollower(makeFollower(logFactory));
   follower.followLeader();
} catch (Exception e) {
    LOG.warn("Unexpected exception", e);
} finally {
    follower.shutdown();
    setFollower(null);
    updateServerState();
}

则应转换为从节点,先通过follower.followLeader();与主同步,再履行起从节点的角色任务。

(3). 自身为LEADING

cpp 复制代码
protected Leader makeLeader(FileTxnSnapLog logFactory) throws IOException, X509Exception {
    return new Leader(this, new LeaderZooKeeperServer(logFactory, this, this.zkDb));
}
    
try {
    setLeader(makeLeader(logFactory));
    leader.lead();
    setLeader(null);
} catch (Exception e) {
    LOG.warn("Unexpected exception", e);
} finally {
    if (leader != null) {
        leader.shutdown("Forcing shutdown");
        setLeader(null);
    }
    updateServerState();
}

则应转换为主节点,先通过leader.lead();完成集群同步后,再履行起主节点的角色任务。

本部分讨论集群同步过程。集群同步是一个完成选举的主和从相互协作最终大家达成一致的过程。

2.集群同步过程前的两次同步

2.1.主节点的leader.lead()

cpp 复制代码
self.setZabState(QuorumPeer.ZabState.DISCOVERY);
self.tick.set(0);
zk.loadData();
leaderStateSummary = new StateSummary(self.getCurrentEpoch(), zk.getLastProcessedZxid());
cnxAcceptor = new LearnerCnxAcceptor();
cnxAcceptor.start();

上述动作里,先是设置ZabStateDISCOVERY。启动节点一开始是ELECTION来着。

其中zk.loadData();由于在启动节点选举前已经执行过了一次基于快照+redo的数据实体恢复,所以这里啥也不用做。

构建一个StateSummary实例,这个实例包含了主节点下数据实体阶段性的一个反映。对应的那个集群轮次,最后一个zxid是啥。

通过cnxAcceptor.start();使得主节点开始作为一个服务端,允许其他集群成员来连接以便执行集群同步及后续的请求处理。

对每个接入的集群成员,在主节点方面将通过accept得到通信套接字,并分配一个LearnerHandler来维护和集群成员的通信。

cpp 复制代码
LearnerHandler fh = new LearnerHandler(socket, is, Leader.this);
fh.start();

fh.start();将开启一个线程,在此线程中将接收来自连接对端的包,并对其执行处理。

接下来,主节点执行的是:

cpp 复制代码
long epoch = getEpochToPropose(self.getId(), self.getAcceptedEpoch());

主节点执行getEpochToPropose的目的是为了获得新产生的集群的轮次要设置为何值?

此处将产生同步等待,直到算上主节点自身,有半数以上集群成员连接到的主节点并执行了getEpochToPropose才能获得继续。

对主节点,此处的同步等待超时下,将引发主节点停止。并设置自身状态为LOOKING。这样,在QuorumPeerrun的新一轮循环里,将重新开始选举过程。

2.2.从节点的follower.followLeader()

cpp 复制代码
self.setZabState(QuorumPeer.ZabState.DISCOVERY);
QuorumServer leaderServer = findLeader();
connectToLeader(leaderServer.addr, leaderServer.hostname);
connectionTime = System.currentTimeMillis();                

上述动作里,先是设置ZabStateDISCOVERY。启动节点一开始是ELECTION来着。

然后,执行findLeader找到主节点。借助自身的投票和集群全局配置很容易定位出来。
connectToLeader将同步方式发起到服务端连接。

若指定时间或指定次数内连接未建立,将引发从节点停止。并设置自身状态为LOOKING。这样,在QuorumPeerrun的新一轮循环里,将重新开始选举过程。

若连接成功,在异步发包下会启动一个线程用于异步发包。

从节点接下来执行:

cpp 复制代码
long newEpochZxid = registerWithLeader(Leader.FOLLOWERINFO);

这里面从节点先向主节点发一个包

cpp 复制代码
long lastLoggedZxid = self.getLastLoggedZxid();
QuorumPacket qp = new QuorumPacket();
qp.setType(Leader.FOLLOWERINFO);// 包类型
qp.setZxid(ZxidUtils.makeZxid(self.getAcceptedEpoch(), 0));// 包里的zxid
LearnerInfo li = new LearnerInfo(self.getId(), 0x10000, self.getQuorumVerifier().getVersion());
ByteArrayOutputStream bsid = new ByteArrayOutputStream();
BinaryOutputArchive boa = BinaryOutputArchive.getArchive(bsid);
boa.writeRecord(li, "LearnerInfo");
qp.setData(bsid.toByteArray());// 包的数据体是一个LearnerInfo实例。包含从节点sid,0x10000,集群全局信息。
writePacket(qp, true);

现在从节点等待主节点的回复。

2.3.主节点实现从节点接入及收包处理

主节点会为每个接入到其的从节点,分配一个LearnerHandler实例,此实例将占据一个独立的线程来处理来自对应从节点的数据包收取和处理。

LeaderHandlerrun一开始执行:

cpp 复制代码
learnerMaster.addLearnerHandler(this);

这样将向leaderlearners集合中加入此LearnerHandler实例。

然后主将开始收取首个包。并对首个包进行合法性检测(对从节点必须是Leader.FOLLOWERINFO)。

若检测失败,服务端方面会停止线程,关闭被动连接,从leaderlearners,forwardingFollowers,observingLearners集合移除此LearnerHandler实例。客户端方面则将引发从节点停止。并设置自身状态为LOOKING。这样,在QuorumPeerrun的新一轮循环里,将重新开始选举过程。后续分析过程失败过程处理类似。我们将按成功的流程去分析。

我们分析主节点这边对首个包的解析

cpp 复制代码
QuorumPacket qp = new QuorumPacket();
// 反向序列化获得包
ia.readRecord(qp, "packet");
byte[] learnerInfoData = qp.getData();// 获得包中数据体
ByteBuffer bbsid = ByteBuffer.wrap(learnerInfoData);
this.sid = bbsid.getLong();
this.version = bbsid.getInt(); // protocolVersion--0x10000
String followerInfo = learnerMaster.getPeerInfo(this.sid);
// 这样将获得从节点首个包里的zxid,从中提取出epoch
long lastAcceptedEpoch = ZxidUtils.getEpochFromZxid(qp.getZxid());
long peerLastZxid;
StateSummary ss = null;
long zxid = qp.getZxid();
long newEpoch = learnerMaster.getEpochToPropose(this.getSid(), lastAcceptedEpoch);

2.4. 集群同步阶段确定新集群的epoch

通过2.12.3我们知道。

选举结束后,主节点作为服务端允许集群从节点的接入。

然后,集群主节点将阻塞等待。

对每个结束选举的从节点,将连接主节点,成功后,发出首个Leader.FOLLOWERINFO包。然后等待回复。

主节点为每个接入的从节点分配LearnerHandler实例,并启动线程,处理收包和收包处理。

每个LearnerHandler的线程收取首个包Leader.FOLLOWERINFO后,通过learnerMaster.getEpochToPropose陷入与主节点一样的阻塞等待。

当算上主节点自身有半数以上成员陷入上述阻塞等待后,将基于所有等待成员中acceptedEpoch最大值+1作为新集群的epoch设置到leaderepoch

若上述过程某个成员连接上出现错误或等待超时,则将执行连接断开。角色的集群同步停止。重新变为LOOKING状态,并进入选举过程这样的处理。

主节点自己等待超时或出错,则主节点的集群同步停止。重新变为LOOKING状态,并进入选举流程。主节点集群同步停止时会引发每个连到主节点的从节点和主节点的连接断开。使得从节点停止。重新变为LOOKING状态。

2.5.我们分别针对主节点,从节点分析完成getEpochToPropose等待后的处理流程

2.5.1.对主节点

cpp 复制代码
zk.setZxid(ZxidUtils.makeZxid(epoch, 0));
synchronized (this) {
    lastProposed = zk.getZxid();
}
newLeaderProposal.packet = new QuorumPacket(NEWLEADER, zk.getZxid(), null, null);
newLeaderProposal.addQuorumVerifier(self.getQuorumVerifier());
waitForEpochAck(self.getId(), leaderStateSummary);

主节点,后续执行waitForEpochAck

主节点执行此步骤会阻塞,在waitForEpochAck中收集到半数以上的成员及其StateSummary后,在满足:

(1). 完成收集未引发超时

(2). 不存在从节点StateSummary领先主节点的情况。

满足上述两个条件,主节点将继续。并设置electionFinishedtrue

若某个条件不满足,主节点将停止,并断开与连到其的从的连接,这样将引发从节点也停止。最终主,从均停止。并发起下一轮选举。

2.5.2.对从节点

cpp 复制代码
long newLeaderZxid = ZxidUtils.makeZxid(newEpoch, 0);
byte[] ver = new byte[4];
ByteBuffer.wrap(ver).putInt(0x10000);
QuorumPacket newEpochPacket = new QuorumPacket(Leader.LEADERINFO, newLeaderZxid, ver, null);
oa.writeRecord(newEpochPacket, "packet");
messageTracker.trackSent(Leader.LEADERINFO);
bufferedOutput.flush();// 立即发送
QuorumPacket ackEpochPacket = new QuorumPacket();
ia.readRecord(ackEpochPacket, "packet");

主这边会向其回复一个Leader.LEADERINFO包,其中包含基于新集群epoch得到的zxid,版本信息(0x10000)。

从节点这边:

cpp 复制代码
readPacket(qp);
final long newEpoch = ZxidUtils.getEpochFromZxid(qp.getZxid());// 取得回复包里的zxid
leaderProtocolVersion = ByteBuffer.wrap(qp.getData()).getInt();// 取得ver
byte[] epochBytes = new byte[4];
final ByteBuffer wrappedEpochBytes = ByteBuffer.wrap(epochBytes);
wrappedEpochBytes.putInt((int) self.getCurrentEpoch());// 放入自身currentEpoch
self.setAcceptedEpoch(newEpoch);// 用回复包里zxid导出的epoch设置自身acceptedEpoch
QuorumPacket ackNewEpoch = new QuorumPacket(Leader.ACKEPOCH, lastLoggedZxid, epochBytes, null);
writePacket(ackNewEpoch, true);// 向主节点发包
return ZxidUtils.makeZxid(newEpoch, 0);

再来看主节点这边:

cpp 复制代码
QuorumPacket ackEpochPacket = new QuorumPacket();
ia.readRecord(ackEpochPacket, "packet");// 等待连主成员对回复包1的回复
messageTracker.trackReceived(ackEpochPacket.getType());
ByteBuffer bbepoch = ByteBuffer.wrap(ackEpochPacket.getData());// 
ss = new StateSummary(bbepoch.getInt(), ackEpochPacket.getZxid());// 从节点的currentEpoch,从节点的zxid
learnerMaster.waitForEpochAck(this.getSid(), ss);// 连主的多数一起同步等待,然后继续运行。

waitForEpochAck这个执行中将陷入等待。直到满足:

(1). waitForEpochAck使得主节点收集到多数以上成员的sid,ss

(2). 收集达到半数以上未超时。

(3). 未出现从节点的ss领先主节点。

上述三者满足时,等待者和主节点继续运行。

LearnerHandler中执行waitForEpochAck超时,将断开与从节点连接。引发从节点停止,并重新进入下一轮选举。

这一同步达成后,主节点中electionFinished设置为true

到目前为止,我们分析了成员完成选举确认自身身份后,经历过了两个由主节点这边主导的阻塞等待。

第一个阻塞等待是getEpochToPropose,通过此等待基于所有连主成员中acceptedEpoch最大值+1作为新集群epoch

此阶段,对从节点等待超时或出错,会使得其停止作为从,并重新进入选举。

此节点,对主节点等待超时或出错,会使得其自身和所有从均停止自身角色,并重新进入选举。

成功则,使得我们获得新集群的epoch,及基于epochzxid

第二个阻塞等待是waitForEpochAck,通过此等待主要是再一次确认主节点的合法性。即主节点自身的进度确实是参与选举的各个节点中最靠前的。

比如一个1,2,3三个成员的集群。

(1). 1,2,3启动,并运行很长时间。

(2). 全部停止。

(3). 手动删除1,2的快照,redo

(4). 启动1,2。使得1,2各自完成选举,预期2为主,1为从。

(5). 启动3,假设此时1,2各自处于waitForEpochAck3选举结束,依据收到的Notification确定2为主。并连接2,也进入waitForEpochAck。此时就会产生某个从节点的状态领先主节点的情况。这时,就要使得主和从全部停止角色,并再次选举。再次选举,将选择3为主。此时,waitForEpochAck将获得通过。一旦主和从的waitForEpochAck结束。此时及时有新的从连到主,且领先于主,也不会被考虑了。

下面,将进入真正的集群同步阶段。

3. 集群同步

我们继续分别从主节点,从节点角度分析其后续流程。

3.1. 主节点

cpp 复制代码
self.setCurrentEpoch(epoch);
self.setLeaderAddressAndId(self.getQuorumAddress(), self.getId());
self.setZabState(QuorumPeer.ZabState.SYNCHRONIZATION);
waitForNewLeaderAck(self.getId(), zk.getZxid());

只有完成前述两个节点的同步,且未出错。主节点采用将新集群的epoch设置到其currentEpoch中。

注意,对主节点和从节点,只要其完成了前述中第一个同步,就会各自设置自己的acceptedEpoch

所以,accepted反映的是集群已经完成的集群选举次数。(一个完成的集群选举的集群并不一定可以成为对外服务的集群。必须继续完成前述第二个同步,及完成后续集群同步才可以。)

主节点执行waitForNewLeaderAck是我们遇到的新集群形成中主节点主导的第三次同步。

先分析,从节点方面在第二个同步完成后的后续动作,再分析第三次同步等待的意义。

3.2.从节点

先分析LearnerHandler中后续处理

cpp 复制代码
peerLastZxid = ss.getLastZxid();
// 这个函数完成的同步请求及主节点中尚未提交请求的排队
boolean needSnap = syncFollower(peerLastZxid, learnerMaster);
// 在需要快照的情况下
if (needSnap) {
    try {
        long zxidToSend = learnerMaster.getZKDatabase().getDataTreeLastProcessedZxid();
        // 立即发一个快照包。这样保证快照,DIFF,TRUNC三种同步方式下,均是先处理同步。再继续处理主节点中尚未提交请求。
        oa.writeRecord(new QuorumPacket(Leader.SNAP, zxidToSend, null, null), "packet");
        messageTracker.trackSent(Leader.SNAP);
        bufferedOutput.flush()
        learnerMaster.getZKDatabase().serializeSnapshot(oa);
        oa.writeString("BenWasHere", "signature");
        bufferedOutput.flush();
    } finally {
        ServerMetrics.getMetrics().SNAP_COUNT.add(1);
    }
} else {
    ServerMetrics.getMetrics().DIFF_COUNT.add(1);
}
// 同步+尚未提交包+Leader.NEWLEADER
QuorumPacket newLeaderQP = new QuorumPacket(Leader.NEWLEADER, newLeaderZxid, 
	learnerMaster.getQuorumVerifierBytes(), null);
queuedPackets.add(newLeaderQP);
bufferedOutput.flush();
startSendingPackets();           

我们分析上述过程,现在我们已经针对新集群完成了两个同步。

且知道从节点的lastzxid,也知道主节点的lastzxid

那么我们要做的就是让从节点和主节点同步,同步的结果就是从节点的lastzxid变成和主节点的一样。

具体分析之前,可以直观想到同步的几种情况:

(1). 从节点落后于主节点

落后的不多。

落后的较多。

(2). 从节点领先于主节点

我们继续分析syncFollower

cpp 复制代码
private void queueOpPacket(int type, long zxid) {
	QuorumPacket packet = new QuorumPacket(type, zxid, null, null);
	queuePacket(packet);
}


// 若是差异化同步或截断同步,将在此函数内得到处理
// 若是快照同步,得外部处理。

// 进入是
// needOpPacket 为true
// needSnap 也为true

// 这样的话,从节点方面的lastZxid中序号为0,表示过对于epoch下没处理过具体事务。
boolean isPeerNewEpochZxid = (peerLastZxid & 0xffffffffL) == 0;
long currentZxid = peerLastZxid;
boolean needSnap = true;
ZKDatabase db = learnerMaster.getZKDatabase();
boolean txnLogSyncEnabled = db.isTxnLogSyncEnabled();
ReentrantReadWriteLock lock = db.getLogLock();
ReadLock rl = lock.readLock();
try {
    rl.lock();
    // 快照恢复后,主节点后续落地的集群类型的请求最近N个请求中
    // 最大者的zxid
    long maxCommittedLog = db.getmaxCommittedLog();
    // 最小者的zxid
    long minCommittedLog = db.getminCommittedLog();
    // 这个是主节点最后落地的zxid。一般可认为就是maxCommittedLog。
    long lastProcessedZxid = db.getDataTreeLastProcessedZxid();
    if (db.getCommittedLog().isEmpty()) {
        minCommittedLog = lastProcessedZxid;
        maxCommittedLog = lastProcessedZxid;
    }
   
    if (lastProcessedZxid == peerLastZxid) { // 如果从节点的lastZxid和主节点的一致
    	// 使用一个Leader.DIFF完成同步
        queueOpPacket(Leader.DIFF, peerLastZxid);// 差异化同步
        needOpPacket = false;
        needSnap = false;
    } else if (peerLastZxid > maxCommittedLog && !isPeerNewEpochZxid) {// 这里的意思是从节点领先于主节点
       	// 通过一个TRUNC完成同步
        queueOpPacket(Leader.TRUNC, maxCommittedLog);
        // 同步节点结束时,从节点的lastZxid
        currentZxid = maxCommittedLog;
        needOpPacket = false;
        needSnap = false;
    } else if ((maxCommittedLog >= peerLastZxid) && (minCommittedLog <= peerLastZxid)) {// 这意味着,从节点落后于主节点。但落后的不算多。
    	// 情况1:当peerLastZxid在迭代范围内出现时,同步过程为:
		// DIFF+peerLastZxid后的每个包{packet+COMMIT}
		// 情况2:当peerLastZxid在迭代范围内没出现,且peerLastZxid对应轮次下没事务请求被处理
		// DIFF+首个大于peerLastZxid及其后的每个包{packet+COMMIT}
		// 情况3:当peerLastZxid在迭代范围内没出现,从节点处理了某些请求,首个大于peerLastZxid的packetZxid属于后续轮次
		// 最终将采用快照完成同步阶段
		// 情况4:当peerLastZxid在迭代范围内没出现,从节点处理了某些请求,首个大与peerLastZxid的packetZxid属于相同轮次
		// TRUNC{截掉从节点中不在主节点中的请求}+对主节点中大于peerLastZxid的每个包{packet+COMMIT}
        Iterator<Proposal> itr = db.getCommittedLog().iterator();
        currentZxid = queueCommittedProposals(itr, peerLastZxid, null, maxCommittedLog);
        needSnap = false;
    } else if (peerLastZxid < minCommittedLog && txnLogSyncEnabled) {
    	// 这意味着,从节点落后主节点比较多,且设置了需要较多redo下优先选择快照
        long sizeLimit = db.calculateTxnLogSizeLimit();// 计算redo尺寸限制
        Iterator<Proposal> txnLogItr = db.getProposalsFromTxnLog(peerLastZxid, sizeLimit);
        // 在估算所需redo尺寸达到限制时,hasNext为false。
        // 此时采用快照来同步,相应的currentZxid = db.getDataTreeLastProcessedZxid();
        if (txnLogItr.hasNext()) {
            currentZxid = queueCommittedProposals(txnLogItr, peerLastZxid, minCommittedLog, maxCommittedLog);
            if (currentZxid < minCommittedLog) {
                currentZxid = peerLastZxid;
                queuedPackets.clear();
                needOpPacket = true;
            } else {
                Iterator<Proposal> committedLogItr = db.getCommittedLog().iterator();
                currentZxid = queueCommittedProposals(committedLogItr, currentZxid, null, maxCommittedLog);
                needSnap = false;
            }
        }
        if (txnLogItr instanceof TxnLogProposalIterator) {
            TxnLogProposalIterator txnProposalItr = (TxnLogProposalIterator) txnLogItr;
            txnProposalItr.close();
        }
    }
    if (needSnap) {
        currentZxid = db.getDataTreeLastProcessedZxid();
    }
   	// 主节点继续将一些尚未落地的包发给从节点
    leaderLastZxid = learnerMaster.startForwarding(this, currentZxid);
} finally {
    rl.unlock();
}
if (needOpPacket && !needSnap) {
    needSnap = true;// 采用快照来同步
}
return needSnap;

关于queueCommittedProposals的分析:

cpp 复制代码
protected long queueCommittedProposals(Iterator<Proposal> itr, long peerLastZxid, Long maxZxid, Long lastCommittedZxid) {
        boolean isPeerNewEpochZxid = (peerLastZxid & 0xffffffffL) == 0;
        long queuedZxid = peerLastZxid;
        long prevProposalZxid = -1;
        while (itr.hasNext()) {
            Proposal propose = itr.next();
            long packetZxid = propose.packet.getZxid();
             if ((maxZxid != null) && (packetZxid > maxZxid)) {
                break;
            }// 若maxZxid存在,至多处理到maxZxid
            if (packetZxid < peerLastZxid) {
                prevProposalZxid = packetZxid;// zxid过小,对端已经处理过。略过。
                continue;
            }
			// 对迭代范围内首个大于或等于peerLastZxid的packetZxid
            if (needOpPacket) {
            	// 情况1:这个packetZxid等于peerLastZxid
                if (packetZxid == peerLastZxid) {
                    queueOpPacket(Leader.DIFF, lastCommittedZxid);
                    needOpPacket = false;
                    continue;
                }
                
               	// 情况:这个packetZxid大于peerLastZxid。
               	// 这样,迭代范围前一部分均小于peerLastZxid,后一部分均大于peerLastZxid
                if (isPeerNewEpochZxid) {
                	// 情况2:peerLastZxid对应轮次下从节点没处理过事务
                	// 此时忽略此peerLastZxid
                    queueOpPacket(Leader.DIFF, lastCommittedZxid);
                    needOpPacket = false;// 不再需要发op包了
                } else {
                	// peerLastZxid对应轮次是处理过事务请求。
                	
                	// 情况3:主节点中首个大于peerLastZxid的包已经是后续轮次的包了。
                	// 这样最终会用快照方式来处理同步
                    if (ZxidUtils.getEpochFromZxid(packetZxid) != ZxidUtils.getEpochFromZxid(peerLastZxid)) {
                        return queuedZxid;// 直接返回peerLastZxid
                    }		
                    
                    // 情况4:主节点处理的请求中跳过了某些从节点轮次下处理过的请求
                    queueOpPacket(Leader.TRUNC, prevProposalZxid);
                    needOpPacket = false;
                }
            }
			
			// 情况1:当peerLastZxid在迭代范围内出现时,同步过程为:
			// DIFF+peerLastZxid后的每个包{packet+COMMIT}
			// 情况2:当peerLastZxid在迭代范围内没出现,且peerLastZxid对应轮次下没事务请求被处理
			// DIFF+首个大于peerLastZxid及其后的每个包{packet+COMMIT}
			// 情况3:当peerLastZxid在迭代范围内没出现,从节点处理了某些请求,首个大与peerLastZxid的packetZxid属于后续轮次
			// 最终将采用快照完成同步阶段
			// 情况4:当peerLastZxid在迭代范围内没出现,从节点处理了某些请求,首个大与peerLastZxid的packetZxid属于相同轮次
			// TRUNC{截掉从节点中不在主节点中的请求}+对主节点中大于peerLastZxid的每个包{packet+COMMIT}
            if (packetZxid <= queuedZxid) {
                continue;
            }
            queuePacket(propose.packet);
            queueOpPacket(Leader.COMMIT, packetZxid);
            queuedZxid = packetZxid;
        }
        return queuedZxid;
    }

分析下来结论为:

(1). 情况1:当peerLastZxid在迭代范围内出现

同步策略为:DIFF+peerLastZxid后的每个包{packet+COMMIT}
currentZxidmaxCommittedLog

(2). 情况2:当peerLastZxid在迭代范围内没出现,且peerLastZxid对应轮次下没事务请求被处理

同步策略为:DIFF+首个大于peerLastZxid及其后的每个包{packet+COMMIT}
currentZxidmaxCommittedLog

(3). 情况3:当peerLastZxid在迭代范围内没出现,peerLastZxid所在轮次下从节点处理了某些请求,首个大于peerLastZxidpacketZxid属于后续轮次

同步策略为:采用快照完成同步阶段
currentZxidpeerLastZxid

(4). 情况4:当peerLastZxid在迭代范围内没出现,从节点处理了某些请求,首个大与peerLastZxidpacketZxid属于相同轮次

同步策略为:TRUNC{截掉从节点中不在主节点中的请求}+对主节点中大于peerLastZxid的每个包{packet+COMMIT}
currentZxidmaxCommittedLog

关于queueCommittedProposals的分析:

针对peerLastZxid < minCommittedLog && txnLogSyncEnabled来分析:

此场景可认为是从节点和主节点差的比较多,且指定了在差的达到一定量时优先采用快照来同步。

此情况下,在估算所需redo尺寸达到限制时,hasNext将为false

此时采用快照来同步,相应的:currentZxid = db.getDataTreeLastProcessedZxid();

估算所需redo尺寸没达到限制时,hasNext将为true

cpp 复制代码
currentZxid = queueCommittedProposals(txnLogItr, peerLastZxid, minCommittedLog, maxCommittedLog);
// 只有选择快照同步策略下,返回值才会小于minCommittedLog
if (currentZxid < minCommittedLog) {
	   // 此时将采用快照来同步,currentZxid = db.getDataTreeLastProcessedZxid();
       currentZxid = peerLastZxid;
       queuedPackets.clear();
       needOpPacket = true;
} else {
	// 此时采用DIFF同步,currentZxid = maxCommittedLog;
    Iterator<Proposal> committedLogItr = db.getCommittedLog().iterator();
    currentZxid = queueCommittedProposals(committedLogItr, currentZxid, null, maxCommittedLog);
    needSnap = false;
}

结合前述分析。这里,只有在queueCommittedProposals返回值为peerLastZxid时,会采用快照同步。且此时currentZxid = db.getDataTreeLastProcessedZxid();

其他情况下,将采用DIFF/TRUNC+主节点后续包方式来同步,此时currentZxid = maxCommittedLog;

syncFollower中先是同步,同步后执行:leaderLastZxid = learnerMaster.startForwarding(this, currentZxid);以继续向从节点发一些需要确认的尚未提交的包。

cpp 复制代码
public synchronized long startForwarding(LearnerHandler handler, long lastSeenZxid) {
    if (lastProposed > lastSeenZxid) {
        for (Proposal p : toBeApplied) {
            if (p.packet.getZxid() <= lastSeenZxid) {
                continue;
            }
            // 这里继续向从节点发一些主节点这边需要应用(应用到整个集群)且zxid大于同步后从节点这边zxid的包
            handler.queuePacket(p.packet);
            QuorumPacket qp = new QuorumPacket(Leader.COMMIT, p.packet.getZxid(), null, null);
            handler.queuePacket(qp);
        }
        if (handler.getLearnerType() == LearnerType.PARTICIPANT) {
        	// outstandingProposals含义后续分析
            List<Long> zxids = new ArrayList<Long>(outstandingProposals.keySet());
            Collections.sort(zxids);
            for (Long zxid : zxids) {
                if (zxid <= lastSeenZxid) {
                    continue;
                }
                handler.queuePacket(outstandingProposals.get(zxid).packet);
            }
        }
    }
    if (handler.getLearnerType() == LearnerType.PARTICIPANT) {
    	// 将从节点加入主节点的forwardingFollowers集合
        addForwardingFollower(handler);// 
    } else {
        addObserverLearnerHandler(handler);
    }
    return lastProposed;
}

前面分析中LearnerHandler这边执行集群同步的三个阶段为:

(1). 与主同步

(2). 继续向从发送主节点这边需要应用的包

(3). 发NEWLEADER

cpp 复制代码
QuorumPacket newLeaderQP = new QuorumPacket(Leader.NEWLEADER, newLeaderZxid, learnerMaster.getQuorumVerifierBytes(), null);
queuedPackets.add(newLeaderQP);

然后执行:

cpp 复制代码
qp = new QuorumPacket();
ia.readRecord(qp, "packet");
messageTracker.trackReceived(qp.getType());
learnerMaster.waitForNewLeaderAck(getSid(), qp.getZxid());

我们接着分析从节点对集群同步节点收到的这些包的处理。

3.3.从节点对集群同步包的处理

从节点在registerWithLeader后执行的流程为:

cpp 复制代码
// 取得新集群epoch
long newEpoch = ZxidUtils.getEpochFromZxid(newEpochZxid);
if (newEpoch < self.getAcceptedEpoch()) {
    throw new IOException("Error: Epoch of leader is lower");
}
long startTime = Time.currentElapsedTime();
self.setLeaderAddressAndId(leaderServer.addr, leaderServer.getId());
self.setZabState(QuorumPeer.ZabState.SYNCHRONIZATION);
syncWithLeader(newEpochZxid);
self.setZabState(QuorumPeer.ZabState.BROADCAST);

我们分析syncWithLeader

从节点点在syncWithLeader里,依次处理同步,主节点同步后的包,NEWLEADER

其中处理NewLeader包将向主发一个writePacket(new QuorumPacket(Leader.ACK, newLeaderZxid, null, null), true);

3.4.主节点这边收到Leader.ACK时处理

由于前述可知,主节点这边主节点自己,和负责与从节点通信的LearnerHandler此时均执行waitForNewLeaderAck

当达到半数以上的Leader.ACK收集而未发生超时时,将一起继续后续动作。

LearnerHandler为:

cpp 复制代码
learnerMaster.waitForStartup();
queuedPackets.add(new QuorumPacket(Leader.UPTODATE, -1, null, null));

即先等待主节点作为服务端对外提供服务后,再向从节点发送Leader.UPTODATE

我们继续分析从节点这边收到Leader.UPTODATE的处理:

cpp 复制代码
// 向主节点发送Leader.ACK
QuorumPacket ack = new QuorumPacket(Leader.ACK, 0, null, null);
ack.setZxid(ZxidUtils.makeZxid(newEpoch, 0));
writePacket(ack, true);
// 启动对外服务端
zk.startServing();
// 更新自身选票中集群的epoch
self.updateElectionVote(newEpoch);
if (zk instanceof FollowerZooKeeperServer) {
    FollowerZooKeeperServer fzk = (FollowerZooKeeperServer) zk;
    // 对未提交包
    for (PacketInFlight p : packetsNotCommitted) {
        fzk.logRequest(p.hdr, p.rec, p.digest);// 日志
    }
    for (Long zxid : packetsCommitted) {
        fzk.commit(zxid);// 提交
    }
} 

此后进入从节点常规运行阶段:

cpp 复制代码
self.setZabState(QuorumPeer.ZabState.BROADCAST);
completedSync = true;
QuorumPacket qp = new QuorumPacket();
while (this.isRunning()) {
	// 接收来自主节点的包
    readPacket(qp);
    // 处理
    processPacket(qp);
}

3.5.主节点waitForNewLeaderAck的后续处理

cpp 复制代码
startZkServer();// 起点服务端,开启外部服务
if (!System.getProperty("zookeeper.leaderServes", "yes").equals("no")) {
    self.setZooKeeperServer(zk);
}
self.setZabState(QuorumPeer.ZabState.BROADCAST);
self.adminServer.setZooKeeperServer(zk);
boolean tickSkip = true;
String shutdownMessage = null;
while (true) {
    synchronized (this) {
        long start = Time.currentElapsedTime();
        long cur = start;
        long end = start + self.tickTime / 2;
        while (cur < end) {
            wait(end - cur);
            cur = Time.currentElapsedTime();
        }
        if (!tickSkip) {
            self.tick.incrementAndGet();
        }
        SyncedLearnerTracker syncedAckSet = new SyncedLearnerTracker();
        syncedAckSet.addQuorumVerifier(self.getQuorumVerifier());
        syncedAckSet.addAck(self.getId());
        for (LearnerHandler f : getLearners()) {
            if (f.synced()) {
                syncedAckSet.addAck(f.getSid());
            }
        }
        if (!this.isRunning()) {
            shutdownMessage = "Unexpected internal error";
            break;
        }
        if (!tickSkip && !syncedAckSet.hasAllQuorums() 
        	&& !(self.getQuorumVerifier().overrideQuorumDecision(getForwardingFollowers()) 
        	&& self.getQuorumVerifier().revalidateOutstandingProp(this, 
        		new ArrayList<>(outstandingProposals.values()), lastCommitted))) {
            shutdownMessage = "Not sufficient followers synced, only synced with sids: [ " 
            	+ syncedAckSet.ackSetsToString() + " ]";
            break;
        }
        tickSkip = !tickSkip;
    }
    for (LearnerHandler f : getLearners()) {
        f.ping();
    }
}
if (shutdownMessage != null) {
    shutdown(shutdownMessage);
}

上述可认为是集群正常运行中,主节点不断检测各个从节点的连接情况,一旦出现连接人数不足等异常情况。及时停止主节点运行,以便重新选举出合适集群。

相关推荐
放羊的牧码7 个月前
Kafka - Kafka 为啥抛弃 Zookeeper?
分布式·zookeeper·kafka·controller·broker·zk·为啥抛弃
萧十一郎君9 个月前
spring eureka集群相关问题
java·spring·微服务·eureka·集群同步