分布式一致性算法（三）：ZAB

刺骨的言语ヽ痛彻心扉 2023-01-17 07:43 111阅读 0赞

# 1 ZAB介绍 #

ZAB协议全称就是ZooKeeper Atomic Broadcast protocol，是ZooKeeper用来实现一致性的算法，分成如下4个阶段。

先来解释下部分名词

electionEpoch：每执行一次leader选举，electionEpoch就会自增，用来标记leader选举的轮次

peerEpoch：每次leader选举完成之后，都会选举出一个新的peerEpoch，用来标记事务请求所属的轮次

zxid：事务请求的唯一标记，由leader服务器负责进行分配。由2部分构成，高32位是上述的peerEpoch，低32位是请求的计数，从0开始。所以由zxid我们就可以知道该请求是哪个轮次的，并且是该轮次的第几个请求。

lastProcessedZxid：最后一次commit的事务请求的zxid

*  Leader election
    
    leader选举过程，electionEpoch自增，在选举的时候lastProcessedZxid越大，越有可能成为leader
 *  Discovery：
    
    第一：leader收集follower的lastProcessedZxid，这个主要用来通过和leader的lastProcessedZxid对比来确认follower需要同步的数据范围
    
    第二：选举出一个新的peerEpoch，主要用于防止旧的leader来进行提交操作（旧leader向follower发送命令的时候，follower发现zxid所在的peerEpoch比现在的小，则直接拒绝，防止出现不一致性）
 *  Synchronization：
    
    follower中的事务日志和leader保持一致的过程，就是依据follower和leader之间的lastProcessedZxid进行，follower多的话则删除掉多余部分，follower少的话则补充，一旦对应不上则follower删除掉对不上的zxid及其之后的部分然后再从leader同步该部分之后的数据
 *  Broadcast
    
    正常处理客户端请求的过程。leader针对客户端的事务请求，然后提出一个议案，发给所有的follower，一旦过半的follower回复OK的话，leader就可以将该议案进行提交了，向所有follower发送提交该议案的请求，leader同时返回OK响应给客户端

上面简单的描述了上述4个过程，这4个过程的详细描述在zab的paper中可以找到，但是我看了之后基本和zab的源码实现上相差有点大，这里就不再提zab paper对上述4个过程的描述了，下面会详细的说明ZooKeeper源码中是具体怎么来实现的

# 2 ZAB协议源码实现 #

先看下ZooKeeper整体的实现情况，如下图所示

![zab实现][zab]

上述实现中Recovery Phase包含了ZAB协议中的Discovery和Synchronization。

## 2.1 重要的数据介绍 ##

加上前面已经介绍的几个名词

*  long lastProcessedZxid：最后一次commit的事务请求的zxid
 *  LinkedList committedLog、long maxCommittedLog、long minCommittedLog：
    
    ZooKeeper会保存最近一段时间内执行的事务请求议案，个数限制默认为500个议案。上述committedLog就是用来保存议案的列表，上述maxCommittedLog表示最大议案的zxid，minCommittedLog表示committedLog中最小议案的zxid。
 *  ConcurrentMap<Long, Proposal> outstandingProposals
    
    Leader拥有的属性，每当提出一个议案，都会将该议案存放至outstandingProposals，一旦议案被过半认同了，就要提交该议案，则从outstandingProposals中删除该议案
 *  ConcurrentLinkedQueue toBeApplied
    
    Leader拥有的属性，每当准备提交一个议案，就会将该议案存放至该列表中，一旦议案应用到ZooKeeper的内存树中了，然后就可以将该议案从toBeApplied中删除

对于上述几个参数，整个Broadcast的处理过程可以描述为：

*  leader针对客户端的事务请求（leader为该请求分配了zxid），创建出一个议案，并将zxid和该议案存放至leader的outstandingProposals中
 *  leader开始向所有的follower发送该议案，如果过半的follower回复OK的话，则leader认为可以提交该议案，则将该议案从outstandingProposals中删除，然后存放到toBeApplied中
 *  leader对该议案进行提交，会向所有的follower发送提交该议案的命令，leader自己也开始执行提交过程，会将该请求的内容应用到ZooKeeper的内存树中，然后更新lastProcessedZxid为该请求的zxid，同时将该请求的议案存放到上述committedLog，同时更新maxCommittedLog和minCommittedLog
 *  leader就开始向客户端进行回复，然后就会将该议案从toBeApplied中删除

## 2.2 Fast Leader Election ##

leader选举过程要关注的要点：

*  所有机器刚启动时进行leader选举过程
 *  如果leader选举完成，刚启动起来的server怎么识别到leader选举已完成

投票过程有3个重要的数据:

*  ServerState
    
    目前ZooKeeper机器所处的状态有4种，分别是
    
     *  LOOKING：进入leader选举状态
     *  FOLLOWING：leader选举结束，进入follower状态
     *  LEADING：leader选举结束，进入leader状态
     *  OBSERVING：处于观察者状态
 *  HashMap<Long, Vote> recvset
    
    用于收集LOOKING、FOLLOWING、LEADING状态下的server的投票
 *  HashMap<Long, Vote> outofelection
    
    用于收集FOLLOWING、LEADING状态下的server的投票（能够收集到这种状态下的投票，说明leader选举已经完成）

下面就来详细说明这个过程：

*  1 serverA首先将electionEpoch自增，然后为自己投票
    
    serverA会首先从快照日志和事务日志中加载数据，就可以得到本机器的内存树数据，以及lastProcessedZxid（这一部分后面再详细说明）
    
    初始投票Vote的内容：
    
     *  proposedLeader：ZooKeeper Server中的myid值，初始为本机器的id
     *  proposedZxid：最大事务zxid，初始为本机器的lastProcessedZxid
     *  proposedEpoch:peerEpoch值，由上述的lastProcessedZxid的高32得到
    
    然后该serverA向其他所有server发送通知，通知内容就是上述投票信息和electionEpoch信息
 *  2 serverB接收到上述通知，然后进行投票PK
    
    如果serverB收到的通知中的electionEpoch比自己的大，则serverB更新自己的electionEpoch为serverA的electionEpoch
    
    如果该serverB收到的通知中的electionEpoch比自己的小，则serverB向serverA发送一个通知，将serverB自己的投票以及electionEpoch发送给serverA，serverA收到后就会更新自己的electionEpoch
    
    在electionEpoch达成一致后，就开始进行投票之间的pk，规则如下：
    
        /* * We return true if one of the following three cases hold: * 1- New epoch is higher * 2- New epoch is the same as current epoch, but new zxid is higher * 3- New epoch is the same as current epoch, new zxid is the same * as current zxid, but server id is higher. */
        
        return ((newEpoch > curEpoch) || 
                ((newEpoch == curEpoch) &&
                ((newZxid > curZxid) || ((newZxid == curZxid) && (newId > curId)))));
    
    就是优先比较proposedEpoch，然后优先比较proposedZxid，最后优先比较proposedLeader
    
    pk完毕后，如果本机器投票被pk掉，则更新投票信息为对方投票信息，同时重新发送该投票信息给所有的server。
    
    如果本机器投票没有被pk掉，则看下面的过半判断过程
 *  3 根据server的状态来判定leader
    
    如果当前发来的投票的server的状态是LOOKING状态，则只需要判断**本机器的投票**是否在recvset中过半了，如果过半了则说明leader选举就算成功了，如果当前server的id等于上述过半投票的proposedLeader,则说明自己将成为了leader，否则自己将成为了follower
    
    如果当前发来的投票的server的状态是FOLLOWING、LEADING状态，则说明leader选举过程已经完成了，则**发过来的投票就是leader的信息**，这里就需要**判断发过来的投票**是否在recvset或者outofelection中过半了
    
    同时还要检查leader是否给自己发送过投票信息，从投票信息中确认该leader是不是LEADING状态。这个解释如下：
    
    因为目前leader和follower都是各自检测是否进入leader选举过程。leader检测到未过半的server的ping回复，则leader会进入LOOKING状态，但是follower有自己的检测，感知这一事件，还需要一定时间，在此期间，如果其他server加入到该集群，可能会收到其他follower的过半的对之前leader的投票，但是此时该leader已经不处于LEADING状态了，所以需要这么一个检查来排除这种情况。

## 2.3 Recovery Phase ##

*  即：发现阶段+同步阶段

一旦leader选举完成，就开始进入恢复阶段，就是follower要同步leader上的数据信息

*  1 通信初始化
    
    leader会创建一个ServerSocket，接收follower的连接，leader会为每一个连接会用一个LearnerHandler线程来进行服务
 *  2 重新为peerEpoch选举出一个新的peerEpoch
    
    follower会向leader发送一个Leader.FOLLOWERINFO信息，包含自己的peerEpoch信息
    
    leader的LearnerHandler会获取到上述peerEpoch信息，leader从中选出一个最大的peerEpoch，然后加1作为新的peerEpoch。
    
    然后leader的所有LearnerHandler会向各自的follower发送一个Leader.LEADERINFO信息，包含上述新的peerEpoch
    
    follower会使用上述peerEpoch来更新自己的peerEpoch，同时将自己的lastProcessedZxid发给leader
    
    leader的所有LearnerHandler会记录上述各自follower的lastProcessedZxid，然后根据这个lastProcessedZxid和leader的lastProcessedZxid之间的差异进行同步
 *  3 已经处理的事务议案的同步
    
    判断LearnerHandler中的lastProcessedZxid是否在minCommittedLog和maxCommittedLog之间
    
     *  LearnerHandler中的lastProcessedZxid和leader的lastProcessedZxid一致，则说明已经保持同步了
     *  如果lastProcessedZxid在minCommittedLog和maxCommittedLog之间
        
        从lastProcessedZxid开始到maxCommittedLog结束的这部分议案，重新发送给该LearnerHandler对应的follower，同时发送对应议案的commit命令
        
        上述可能存在一个问题：即lastProcessedZxid虽然在他们之间，但是并没有找到lastProcessedZxid对应的议案，即这个zxid是leader所没有的，此时的策略就是完全按照leader来同步，删除该follower这一部分的事务日志，然后重新发送这一部分的议案，并提交这些议案
     *  如果lastProcessedZxid大于maxCommittedLog
        
        则删除该follower大于部分的事务日志
     *  如果lastProcessedZxid小于minCommittedLog
        
        则直接采用快照的方式来恢复
 *  4 未处理的事务议案的同步
    
    LearnerHandler还会从leader的toBeApplied数据中将大于该LearnerHandler中的lastProcessedZxid的议案进行发送和提交（toBeApplied是已经被确认为提交的）
    
    LearnerHandler还会从leader的outstandingProposals中大于该LearnerHandler中的lastProcessedZxid的议案进行发送，但是不提交（outstandingProposals是还没被被确认为提交的）
 *  5 将LearnerHandler加入到正式follower列表中
    
    意味着该LearnerHandler正式接受请求。即此时leader可能正在处理客户端请求，leader针对该请求发出一个议案，然后对该正式follower列表才会进行执行发送工作。这里有一个地方就是：
    
    上述我们在比较lastProcessedZxid和minCommittedLog和maxCommittedLog差异的时候，必须要获取leader内存数据的读锁，即在此期间不能执行修改操作，当欠缺的数据包已经补上之后（先放置在一个队列中，异步发送），才能加入到正式的follower列表，否则就会出现顺序错乱的问题
    
    同时也说明了，一旦一个follower在和leader进行同步的过程（这个同步过程仅仅是确认要发送的议案，先放置到队列中即可等待异步发送，并不是说必须要发送过去），该leader是暂时阻塞一切写操作的。
    
    对于快照方式的同步，则是直接同步写入的，写入期间对数据的改动会放在上述队列中的，然后当同步写入完成之后，再启动对该队列的异步写入。
    
    上述的要理解的关键点就是：既要不能漏掉，又要保证顺序
 *  6 LearnerHandler发送Leader.NEWLEADER以及Leader.UPTODATE命令
    
    该命令是在同步结束之后发的，follower收到该命令之后会执行一次版本快照等初始化操作，如果收到该命令的ACK则说明follower都已经完成同步了并完成了初始化
    
    leader开始进入心跳检测过程，不断向follower发送心跳命令，不断检是否有过半机器进行了心跳回复，如果没有过半，则执行关闭操作，开始进入leader选举状态
    
    LearnerHandler向对应的follower发送Leader.UPTODATE，follower接收到之后，开始和leader进入Broadcast处理过程

## 2.4 Broadcast Phase ##

前面其实已经说过了，参见2.1中的内容

# 3 特殊情况的注意点 #

## 3.1 事务日志和快照日志的持久化和恢复 ##

先来看看持久化过程：

*  Broadcast过程的持久化
    
    leader针对每次事务请求都会生成一个议案，然后向所有的follower发送该议案
    
    follower接收到该议案后，所做的操作就是将该议案记录到事务日志中，每当记满100000个（默认），则事务日志执行flush操作，同时开启一个新的文件来记录事务日志
    
    同时会执行内存树的快照，snapshot.\[lastProcessedZxid\]作为文件名创建一个新文件，快照内容保存到该文件中
 *  leader shutdown过程的持久化
    
    一旦leader过半的心跳检测失败，则执行shutdown方法，在该shutdown中会对事务日志进行flush操作

再来说说恢复：

*  事务快照的恢复
    
    第一：会在事务快照文件目录下找到最近的100个快照文件，并排序，最新的在前
    
    第二：对上述快照文件依次进行恢复和验证，一旦验证成功则退出，否则利用下一个快照文件进行恢复。恢复完成更新最新的lastProcessedZxid
 *  事务日志的恢复
    
    第一：从事务日志文件目录下找到zxid大于等于上述lastProcessedZxid的事务日志
    
    第二：然后对上述事务日志进行遍历，应用到ZooKeeper的内存树中，同时更新lastProcessedZxid
    
    第三：同时将上述事务日志存储到committedLog中，并更新maxCommittedLog、minCommittedLog

由此我们可以看到，在初始化恢复的时候，是会将所有最新的事务日志作为已经commit的事务来处理的

也就是说**这里面可能会有部分事务日志还没真实提交，而这里全部当做已提交来处理**。这个处理简单粗暴了一些，而raft对老数据的恢复则控制的更加严谨一些。

## 3.2 follower挂了之后又重启的恢复过程 ##

一旦leader挂了，上述leader的2个集合

*  ConcurrentMap<Long, Proposal> outstandingProposals
 *  ConcurrentLinkedQueue toBeApplied

就无效了。他们并不在leader恢复的时候起作用，而是在系统正常执行，而某个follower挂了又恢复的时候起作用。

我们可以看到在上述2.3的恢复过程中，会首先进行快照日志和事务日志的恢复，然后再补充leader的上述2个数据中的内容。

## 3.3 同步follower失败的情况 ##

目前leader和follower之间的同步是通过BIO方式来进行的，一旦该链路出现异常则会关闭该链路，重新与leader建立连接，重新同步最新的数据

## 3.5 对client端是否一致 ##

*  客户端收到OK回复，会不会丢失数据？
 *  客户端没有收到OK回复，会不会多存储数据？

客户端如果收到OK回复，说明已经过半复制了，则在leader选举中肯定会包含该请求对应的事务日志，则不会丢失该数据

客户端连接的leader或者follower挂了，客户端没有收到OK回复，目前是可能丢失也可能没丢失，因为服务器端的处理也很简单粗暴，对于未来leader上的事务日志都会当做提交来处理的，即都会被应用到内存树中。

同时目前ZooKeeper的原生客户端也没有进行重试，服务器端也没有对重试进行检查。

# ZAB 与 Paxos 算法的联系与区别 #

ZAB 协议并不是 Paxos 算法的一个典型实现，在讲解 ZAB 和 Paxos 之间的区别之前， 我们首先来看下两者的联系。

*  两者都存在一个类似于 Leader 进程的角色，由其负责协调多个 Follower 进程的运 行。Leader 进程都会等待超过半数的 Follower 做出正确的反馈后，才会将一个提案进行 提交。
 *  在 ZAB 协议中，每个 Proposal 中都包含了一个 epoch 值，用来代表当前的 Leader 周期，在Paxos 算法中，同样存在这样的一个标识，只是名字变成了 Ballot 。

在 Paxos 算法中，一个新选举产生的主进程会进行两个阶段的工作。第一阶段被称为读 阶段，在这个阶段中，这个新的主进程会通过和所有其他进程进行通信的方式来收集上 一个主进程提出的提案，并将它们提交。第二阶段被称为写阶段，在这个阶段，当前主 进程开始提出它自己的提案。在 Paxos 算法设计的基础上， ZAB 协议额外添加了一个同 步阶段。在同步阶段之前， ZAB 协议也存在一个和 Paxos 算法中的读阶段非常类似的过 程，称为发现 (Discovery) 阶段。在同步阶段中，新的 Leader 会确保存在过半的 Follower 已经提交了之前 Leader 周期中的所有事务 Proposal. 这一同步阶段的引入，能够有效地 保证 Leader 在新的周期中提出事务 Proposal 之前，所有的进程都已经完成了对之前所 有事务 Proposal 的提交。一旦完成同步阶段后，那么 ZAB 就会执行和 Paxos 算法类似 的写阶段。

总的来讲， ZAB 协议和 Paxos 算法的本质区别在于，两者的设计目标不太一样。 ZAB 协议主要用于构建一个高可用的分布式数据主备系统，例如 ZooKeeper, 而 Paxos 算法 则是用于构建一个分布式的一致性状态机系统。

[zab]: /images/20221021/aabb40d0328c420c97c190c3f19ba157.png