Q89 - ZooKeeper与分布式协调实战
共50道题 | 难度分布:★★★★☆平均 | 20K+ Java后端/中间件岗位必考
一、ZooKeeper基础(1-12)
ZooKeeper的核心概念与数据模型?
★★★★★
- 数据模型:树形命名空间(类似文件系统)。每个节点叫ZNode。
- ZNode类型:
- 持久节点(Persistent):创建后永久存在,直到被删除。
- 临时节点(Ephemeral):客户端会话结束时自动删除。不能有子节点。
- 持久顺序节点(PersistentSequential):节点名自动追加递增序号。
- 临时顺序节点(EphemeralSequential):临时+顺序。
- ZNode数据结构:
- data:节点数据(默认最大1MB)。
- acl:访问权限。
- stat:状态信息(版本号、时间戳、子节点数)。
- children:子节点列表。
- Stat版本号:
- version:数据版本(每次setData+1)。
- cversion:子节点版本。
- aversion:ACL版本。
- 面试要点:ZK是CP系统(强一致性),适合存储元数据和协调信息,不适合存储大数据。
ZooKeeper的Watcher机制?
★★★★★
- Watcher:事件监听器。客户端在节点上注册Watcher,节点变化时服务端通知客户端。
- 事件类型:
- NodeCreated:节点创建。
- NodeDeleted:节点删除。
- NodeDataChanged:数据变更。
- NodeChildrenChanged:子节点变更。
- 特性:
- 一次性触发:触发一次后失效,需要重新注册。
- 轻量:只通知事件类型,不传数据(客户端需主动getData获取新数据)。
- 顺序性:按事件发生顺序通知。
- 面试要点:Watcher一次性触发是常见陷阱。Curator的PathChildrenCache/C TreeCache解决了重复注册问题。
ZooKeeper的会话(Session)机制?
★★★★☆
- Session:客户端与服务端的TCP连接+会话状态。
- 会话状态:CONNECTING → CONNECTED → CLOSED/EXPIRED。
- 心跳:客户端定期发PING保持会话(默认tickTime=2s,发心跳间隔=2×tickTime)。
- Session超时:超过sessionTimeout未收到心跳→会话过期→临时节点自动删除。
- sessionTimeout配置:客户端创建连接时指定(服务端minSessionTimeout~maxSessionTimeout范围内生效)。
- 面试要点:网络抖动导致会话过期是ZK最常见的线上问题。
ZooKeeper的ACL权限控制?
★★★★☆
- ACL = Scheme:ID:Permission。
- Scheme:
- world: anyone(所有人)。
- auth:已认证用户。
- digest:用户名:密码(SHA1)。
- ip:IP地址。
- super:超级管理员。
- Permission:CREATE/READ/WRITE/DELETE/ADMIN(CRWDA)。
- 面试要点:默认情况下ZK不设ACL(world:anyone:CRWDA),生产环境需要配置。
ZooKeeper的集群架构?角色?
★★★★★
- 三种角色:
- Leader:处理写请求(事务),发起投票。集群中唯一。
- Follower:处理读请求,参与Leader选举和写请求投票。
- Observer:处理读请求,不参与投票。扩展读性能。
- 集群组成:至少3个节点(过半原则)。推荐奇数节点(3/5/7)。
- 读写分离:
- 读请求:任意节点直接响应(可能读到旧数据)。
- 写请求:转发给Leader→发起Proposal→过半Follower ACK→Commit。
- 面试要点:ZK集群节点数推荐奇数是因为"过半容忍"——5节点和6节点都最多容忍2个节点故障。
ZAB协议?崩溃恢复 vs 消息广播?
★★★★★
- ZAB(ZooKeeper Atomic Broadcast):ZK的原子广播协议。
- 两种模式:
- 消息广播(正常状态):Leader将写请求转为Proposal→发给所有Follower→过半ACK→Commit。类似2PC但不需要全部确认。
- 崩溃恢复(Leader崩溃):选举新Leader→数据同步→恢复广播模式。
- 消息广播流程:
1. Client写请求→Follower→转发给Leader。
2. Leader生成Proposal(ZXID递增)→放入每个Follower的FIFO队列。
3. Follower写WAL日志→ACK。
4. Leader收到过半ACK→发送Commit。
5. Follower提交事务。
- ZXID(事务ID):64位 = epoch(32位) + counter(32位)。每次选举epoch+1,counter归零。
- 面试要点:ZAB保证消息的顺序性(FIFO)和原子性(过半确认)。
Leader选举流程?
★★★★★
- 选举触发:集群启动 / Leader崩溃 / Follower与Leader失连。
- 选举规则(快速选举FastLeaderElection):
1. 每个节点投票给自己(SID, ZXID)。
2. 广播投票给所有节点。
3. 收到其他节点投票→比较:(epoch大的胜) > (ZXID大的胜) > (SID大的胜)。
4. 更新投票为胜者→重新广播。
5. 某节点获得过半投票→成为Leader。
- 选举状态:LOOKING(选举中)→ FOLLOWING/LEADING。
- 面试要点:优先选ZXID最大的节点(数据最新),保证数据不丢失。
数据同步阶段?TRUNC + DIFF + SNAP?
★★★★☆
- 新Leader选举后,需要与Follower同步数据:
- DIFF:发送缺失的事务Proposal(Follower落后不多)。
- TRUNC:回滚Follower多余的未提交事务(旧Leader的未提交Proposal)。
- SNAP:发送完整数据快照(Follower落后太多)。
- 同步完成后才能对外提供服务。
- 面试要点:TRUNC是防止旧Leader未提交的脏数据被保留。
ZooKeeper的一致性保证?
★★★★☆
- 顺序一致性(Sequential Consistency):客户端看到的事务顺序与全局顺序一致。
- 原子性:事务要么成功要么失败(过半确认)。
- 单一系统视图:无论连接哪个节点,看到的视图一致(最终一致)。
- 不保证:实时一致性(Follower可能有短暂延迟)。
- 面试要点:ZK不是强一致,是顺序一致。sync()操作可以强制Follower同步到最新。
ZooKeeper的常见应用场景?
★★★★★
- 分布式锁:临时顺序节点 + Watcher。
- 服务注册与发现:临时节点(服务下线自动删除)。
- 配置管理:节点存储配置 + Watcher通知变更。
- 分布式协调:分布式屏障(Barrier)、选举Leader。
- 命名服务:顺序节点生成唯一ID。
- 集群管理:临时节点检测节点存活。
- 面试要点:ZK是分布式协调的基础设施,很多中间件依赖它(Kafka旧版、HBase、Dubbo旧版)。
ZooKeeper的Session迁移?
★★★★☆
- 问题:客户端与Follower断连→连接到另一个Follower→新Follower不知道旧Session。
- 解决:
- 客户端带着sessionID和sessionPasswd重连。
- 新Follower向Leader验证Session。
- 验证通过→Session迁移成功。
- 如果Session已过期→临时节点已删除→客户端收到Expired事件。
ZooKeeper的内存模型?DataTree?
★★★★☆
- DataTree:内存中存储所有ZNode的树结构。ConcurrentHashMap<String, DataNode>。
- DataNode:ZNode数据+ACL+子节点列表+Stat。
- 事务日志:写操作先写WAL日志(LogDir)再更新内存。
- 快照:定期将DataTree序列化到磁盘(SnapDir)。
- 面试要点:ZK全量数据在内存中,所以不适合存储大量数据。
二、分布式锁与协调(13-22)
ZooKeeper分布式锁的实现?
★★★★★
1. 所有客户端在/lock下创建临时节点/lock/lock-(EPHEMERAL_SEQUENTIAL)。
2. 节点序号最小的获得锁。
3. 其他客户端Watch前一个节点的删除事件。
4. 锁持有者释放(删除节点)或会话失效→下一个最小序号节点获得锁。
- 优点:
- 公平锁(按序号排队)。
- 可靠(临时节点,会话失效自动释放)。
- 避免死锁(Session超时自动释放)。
- 羊群效应(Herd Effect):如果所有客户端都Watch同一个节点,锁释放时所有客户端被唤醒→惊群。
- 解决:只Watch前一个节点(Curator默认实现)。
- 面试要点:ZK锁是公平锁,Redis锁不是(RedLock也不保证公平)。
Curator的分布式锁实现?
★★★★★
- InterProcessMutex:可重入排他锁。
InterProcessMutex lock = new InterProcessMutex(client, "/locks/order");
try {
if (lock.acquire(5, TimeUnit.SECONDS)) {
try { /* 业务逻辑 */ } finally { lock.release(); }
}
} catch (Exception e) { /* 获取锁失败 */ }
- InterProcessReadWriteLock:读写锁。
- InterProcessSemaphoreMutex:信号量。
- 内部实现:临时顺序节点 + Watch前一个节点。
- 面试要点:Curator封装了ZK锁的复杂性(重复注册Watcher、连接丢失处理等)。
ZooKeeper的Leader选举(应用层)?
★★★★★
- 场景:多个服务实例需要选出一个Leader执行任务。
- 实现:
1. 所有实例在/election下创建临时顺序节点。
2. 序号最小的节点成为Leader。
3. 非Leader节点Watch前一个节点。
4. Leader宕机→下一个节点成为新Leader。
LeaderSelector selector = new LeaderSelector(client, "/election", listener);
selector.autoRequeue();
selector.start();
- LeaderLatch vs LeaderSelector:
- LeaderLatch:抢到Leader后一直持有,直到断连。
- LeaderSelector:释放Leader后重新竞争。
ZooKeeper实现分布式Barrier?
★★★★☆
- 分布式屏障:等待所有参与者到达后一起继续。
- 实现:
- 单屏障:创建/Barrier节点。每个参与者创建临时子节点。当子节点数=N时,所有参与者继续。
- 双屏障:进入屏障(等待N个参与者)+ 离开屏障(等待N个参与者离开)。
- Curator:DistributedBarrier / DistributedDoubleBarrier。
ZooKeeper实现配置中心?
★★★★☆
1. 配置存储在/config节点。
2. 客户端getData + 注册Watcher。
3. 配置变更→触发Watcher→客户端重新getData→更新本地配置。
- Curator的PathChildrenCache/TreeCache:自动监听+缓存。
- 面试要点:生产环境建议用Nacos/Apollo做配置中心,ZK做配置中心较重。
ZooKeeper vs etcd vs Consul?
★★★★★
| 维度 | ZK | etcd | Consul |
| 协议 | ZAB | Raft | Raft |
| 一致性 | CP | CP | CP |
| 语言 | Java | Go | Go |
| API | 自定义 | HTTP+gRPC | HTTP+DNS |
| Watch | 一次性 | 持续(Revision) | 持续(BlockingQuery) |
| 性能 | 万级TPS | 万级TPS | 万级TPS |
| 适用场景 | Hadoop/HBase/Kafka旧版 | K8s/微服务 | 服务发现+多DC |
- 面试要点:K8s用etcd,Spring Cloud可用Consul,大数据用ZK。新项目推荐etcd。
ZooKeeper的性能优化?
★★★★☆
- 调优参数:
- tickTime=2000(心跳间隔)。
- initLimit=10(Follower连接Leader超时=10×tickTime)。
- syncLimit=5(Follower与Leader同步超时=5×tickTime)。
- maxClientCnxns=60(最大客户端连接数)。
- autopurge.snapRetainCount=5(自动清理快照数)。
- autopurge.purgeInterval=24(清理间隔小时)。
- JVM:-Xmx4g -Xms4g,G1GC。
- 磁盘:事务日志和快照分磁盘(减少IO争抢)。
- 面试要点:ZK的瓶颈在磁盘IO(事务日志写入)。
ZooKeeper的运维与监控?
★★★★☆
- 四字命令(Four Letter Words):
- ruok:是否运行中(返回imok)。
- stat:服务器状态。
- mntr:监控指标(延迟/Watch数/临时节点数等)。
- cons:连接信息。
- wchs/wchc/wchp:Watcher信息。
- Prometheus:zookeeper-exporter。
- 关键监控指标:
- zk_avg_latency / zk_max_latency。
- zk_packets_received / zk_packets_sent。
- zk_znode_count / zk_ephemerals_count。
- zk_watch_count。
- 面试要点:latency突然升高→磁盘IO瓶颈或GC问题。
ZooKeeper的快照与事务日志?
★★★★☆
- 事务日志(Transaction Log):每个写操作记录到日志。顺序写磁盘。用于崩溃恢复。
- 快照(Snapshot):DataTree的全量序列化。默认每10万次事务触发一次。
- 恢复流程:
1. 加载最新快照。
2. 重放快照之后的事务日志。
3. 与Leader同步。
- 日志清理:autopurge自动清理旧的快照和日志。
- 面试要点:快照不是某一时刻的精确状态(模糊快照),但事务日志保证恢复正确。
ZooKeeper的容器化部署注意事项?
★★★★☆
- 持久化:事务日志和快照需要挂载PVC。
- 网络:Pod必须有稳定的网络标识(StatefulSet + Headless Service)。
- 配置:ZOO_MY_ID(每台不同)+ ZOO_SERVERS。
- 健康检查:echo ruok | nc localhost 2181。
- 面试要点:ZK在K8s中部署需要StatefulSet(稳定网络标识)。
三、ZK在中间件中的应用(23-32)
Kafka为什么用ZooKeeper?KRaft模式?
★★★★★
- 旧版Kafka用ZK管理:
- Broker注册与发现。
- Topic/Partition元数据。
- Controller选举。
- Consumer Group Offset(旧版)。
- KRaft模式(Kafka 2.8+,3.3生产就绪):
- 用内置的Raft元数据集群替代ZK。
- 元数据存储在内部Topic(@metadata)。
- Controller Quorum管理元数据。
- 优点:减少组件依赖、更快Partition重分配、更好的元数据扩展性。
- 面试要点:Kafka 4.0完全移除ZK支持,KRaft是唯一模式。
HBase的ZooKeeper用途?
★★★☆☆
- Master选举:多个HMaster通过ZK选举Active Master。
- RegionServer注册:RegionServer在ZK注册临时节点,宕机自动通知。
- Meta表位置:hbase:meta表的位置存储在ZK。
- 分布式锁:Split/Merge/Assign操作使用ZK锁。
- 面试要点:ZK是HBase架构的核心依赖。
Dubbo的ZooKeeper注册中心?
★★★★☆
- 注册模型:
- /dubbo/com.xxx.UserService/providers/...(提供者URL)。
- /dubbo/com.xxx.UserService/consumers/...(消费者URL)。
- /dubbo/com.xxx.UserService/routers/...(路由规则)。
- /dubbo/com.xxx.UserService/configurators/...(动态配置)。
- 临时节点:Provider注册为临时节点,宕机自动删除。
- Watcher:Consumer监听providers目录变更。
- 面试要点:Dubbo 3.x推荐Nacos替代ZK作为注册中心。
Hadoop的ZooKeeper用途?
★★★☆☆
- NameNode HA:两个NameNode通过ZKFC(ZK Failover Controller)选举Active节点。
- ZKFC:监听NameNode健康状态→不健康则触发切换。
- 自动故障转移:Active NN宕机→ZKFC检测→触发Standby→Active切换。
- 面试要点:HDFS HA依赖ZK做自动故障转移。
Curator框架的核心API?
★★★★★
- 连接管理:CuratorFrameworkFactory.builder() + retryPolicy。
- 重试策略:
- ExponentialBackoffRetry:指数退避(1s→2s→4s→8s...)。
- RetryNTimes:固定次数。
- RetryForever:无限重试。
- Cache:
- PathChildrenCache:监听子节点变化。
- NodeCache:监听节点数据变化。
- TreeCache:监听整棵子树。
- Recipes(分布式工具):
- LeaderSelector / LeaderLatch。
- InterProcessMutex。
- DistributedBarrier。
- SharedCount / DistributedAtomicLong。
- 面试要点:Curator是ZK的"Guava"——大幅简化ZK编程。
ZooKeeper的连接丢失处理?
★★★★☆
- ConnectionStateListener:监听连接状态变化。
- 状态:
- SUSPENDED:连接挂起(网络问题)。临时节点还存在。
- RECONNECTED:重新连接。临时节点恢复。
- LOST:连接丢失(Session过期)。临时节点已删除。
- 处理策略:
- SUSPENDED:暂停操作,等待重连。
- LOST:清理状态,重建Session和临时节点。
- 面试要点:连接丢失≠Session过期。SUSPENDED可能恢复,LOST不可恢复。
ZooKeeper的Watcher羊群效应?
★★★★☆
- 场景:大量客户端Watch同一个节点→节点变更→所有客户端被通知→网络风暴。
- 解决:
- 只Watch前一个节点(分布式锁的标准做法)。
- 使用Curator的Cache(内部处理了重复注册)。
- 减少Watch的客户端数量。
- 面试要点:避免所有客户端Watch同一个节点。
ZooKeeper的数据量限制?
★★★★☆
- ZNode数据:默认最大1MB(jute.maxbuffer可调但不推荐)。
- 不适合存储大数据原因:
- ZK全量数据在内存中。
- 大数据影响读写性能。
- 快照和恢复变慢。
- 最佳实践:
- 只存储元数据和配置(几KB)。
- 大数据存储在专门的存储系统(数据库/S3)。
- ZK存引用(URL或ID)。
- 面试要点:ZK不是数据库,不是配置文件的替代品。
ZooKeeper的权限问题?Super Admin?
★★★★☆
- Super Admin:DigestAuthenticationProvider.generateDigest("super:密码")。
- 配置:zookeeper.DigestAuthenticationProvider.superDigest=super:Base64编码。
- 客户端:client.addAuthInfo("digest", "super:密码".getBytes())。
- 用途:恢复误删的节点、紧急修复ACL。
ZooKeeper的动态重新配置?
★★★☆☆
- 动态增减节点不需重启:reconfig命令。
- 模式:
- 增量模式:+server.x=host:port1:port2:port3;clientPort。
- 全量模式:直接指定新的所有服务器列表。
- 面试要点:动态重新配置是ZK 3.5+的特性。
四、面试综合题(33-50)
ZooKeeper与Nacos做注册中心的对比?
★★★★★
| 维度 | ZK | Nacos |
| 一致性 | CP | AP/CP可切换 |
| 健康检查 | Session+临时节点 | 心跳+服务端探测 |
| 性能 | 万级 | 十万级 |
| 功能 | 仅注册发现 | 注册发现+配置中心 |
| 运维 | 复杂 | 简单(Web UI) |
| 推荐度 | 老项目维护 | 新项目首选 |
- 面试要点:Nacos更适合微服务,ZK更适合大数据和中间件。
如何排查ZooKeeper的Session过期问题?
★★★★☆
- 原因:
- 网络抖动导致心跳超时。
- JVM Full GC停顿导致无法发心跳。
- ZK服务器负载高。
- 排查:
- ZK日志:SessionTracker清理过期Session的日志。
- 客户端日志:ConnectionLoss/SessionExpired异常。
- 监控:zk_packets_received/sent(心跳是否正常)。
- 解决:
- 增大sessionTimeout。
- 优化JVM GC。
- Curator的ConnectionStateListener自动重连。
ZooKeeper的Watch丢失问题?
★★★★☆
- 问题:Watcher是一次性的,处理事件和重新注册之间可能丢失事件。
- Curator的Cache解决:
- 内部维护数据缓存+持续监听。
- 自动重新注册Watcher。
- 连接重建后重新同步数据。
- 面试要点:不要直接用原生ZK API的Watcher,用Curator Cache。
如何设计一个基于ZK的分布式计数器?
★★★★☆
- 方案一:节点数据递增(getData→+1→setData,CAS用version)。并发性能差。
- 方案二:Curator的DistributedAtomicLong。
- 乐观锁(version CAS)+ 重试。
- 可配合PromotedToLock(升级为分布式锁保证准确)。
- 面试要点:分布式计数器用Redis INCR更好,ZK不适合。
ZooKeeper的脑裂问题?
★★★★☆
- 场景:网络分区导致两个区域各自选举Leader→两个Leader同时存在。
- ZK防护:
- 过半原则:只有获得N/2+1票的节点才能成为Leader。
- 小分区无法获得过半票→无法选举→不对外服务。
- 大分区选举Leader→正常服务。
- 副本数推荐奇数:3节点容忍1故障,5节点容忍2故障。
- 面试要点:过半原则是ZK防脑裂的核心。
ZooKeeper的事务日志与快照清理策略?
★★★★☆
- 自动清理:autopurge.snapRetainCount=3, autopurge.purgeInterval=1。
- 手动清理:java -cp zookeeper.jar LogCleaner / SnapCleaner。
- 注意:不要手动rm日志/快照文件(可能导致数据不一致)。
- 面试要点:生产环境必须配置自动清理,否则磁盘爆满。
Curator的Leader选举实战?
★★★★☆
LeaderSelectorListener listener = new LeaderSelectorListener() {
@Override
public void takeLeadership(CuratorFramework client) {
// 成为Leader后执行
try {
while (true) {
Thread.sleep(1000); // 执行Leader任务
}
} finally {
// 退出后自动重新竞争
}
}
};
LeaderSelector selector = new LeaderSelector(client, "/election", listener);
selector.autoRequeue(); // 退出后重新排队
selector.start();
- 面试要点:takeLeadership返回=释放Leader,autoRequeue=自动重新竞争。
如何监控ZooKeeper集群的健康?
★★★★☆
- 关键指标:
- zk_server_state:leader/follower/standalone。
- zk_packets_received/sent:网络包收发。
- zk_avg_latency / zk_max_latency:延迟。
- zk_znode_count:节点总数。
- zk_watch_count:Watcher数。
- zk_ephemerals_count:临时节点数。
- zk_open_file_descriptor_count:文件描述符。
- 告警规则:
- 延迟 > 100ms。
- Watch数 > 100万。
- Follower数 < N/2(集群不可用风险)。
ZooKeeper的应用——如何实现服务发现?
★★★★★
- 实现:
- Provider启动→创建临时节点 /services/{serviceName}/{instanceId}。
- Consumer启动→getChildren(/services/{serviceName}) + Watcher。
- 服务变更→Watcher通知→Consumer更新本地缓存。
- 与Spring Cloud整合:spring-cloud-zookeeper-discovery。
- 面试要点:实际开发中用Nacos而不是自实现ZK服务发现。
如何实现ZooKeeper的配置热更新?
★★★★☆
TreeCache cache = TreeCache.newBuilder(client, "/config").build();
cache.getListenable().addListener((client1, event) -> {
if (event.getType() == TreeCacheEvent.Type.NODE_UPDATED) {
byte[] newData = client1.getData().forPath(event.getData().getPath());
// 更新本地配置
}
});
cache.start();
- 面试要点:TreeCache比原生Watcher更方便(自动重新注册)。
ZooKeeper的持久化watch(ZK 3.6+)?
★★★☆☆
- addWatch():持久化Watcher,不会一次性触发后失效。
- 模式:
- PERSISTENT:持续监听节点事件。
- PERSISTENT_RECURSIVE:持续监听子树所有事件。
- 好处:不需要像原生Watcher那样反复注册。
ZK的请求处理流水线?
★★★★☆
- RequestProcessor链(Leader):
1. PrepRequestProcessor:请求预处理+权限检查。
2. ProposalRequestProcessor:发起Proposal给Follower。
3. CommitProcessor:等待过半ACK后提交。
4. ToBeAppliedRequestProcessor:维护待应用列表。
5. FinalRequestProcessor:应用事务到DataTree + 返回响应。
1. FollowerRequestProcessor:转发写请求到Leader。
2. CommitProcessor:提交Leader的Commit。
3. FinalRequestProcessor:应用事务。
ZooKeeper的Container节点(3.6+)?
★★★☆☆
- Container节点:当最后一个子节点被删除时,Container节点自动删除。
- 用途:分布式锁的父节点(/lock下所有子节点删除后自动清理/lock)。
- 避免垃圾节点累积。
ZooKeeper客户端的连接池?
★★★★☆
- ZK客户端是长连接,一般不需要连接池。
- 但多ZK集群场景(如多数据中心),可维护多个CuratorFramework实例。
- 面试要点:ZK是长连接模型,与MySQL/Redis的短连接池不同。
如何实现ZooKeeper的数据迁移?
★★★☆☆
- 方案一:使用快照+事务日志(全量拷贝)。
- 方案二:使用Curator的ZKClient递归导出/导入。
- 方案三:Kafka MirrorMaker迁移Kafka的ZK数据。
- 注意:迁移期间集群不可对外服务。
ZooKeeper与Spring Cloud的整合?
★★★★☆
- 依赖:spring-cloud-starter-zookeeper-discovery + spring-cloud-starter-zookeeper-config。
- 配置:
spring:
cloud:
zookeeper:
connect-string: zk1:2181,zk2:2181,zk3:2181
discovery:
enabled: true
register: true
- 面试要点:Spring Cloud Zookeeper是Spring Cloud对ZK的官方支持。
ZooKeeper面试综合:为什么Kafka移除ZK?
★★★★★
- ZK的问题:
- 运维复杂:多一套组件的部署、监控、升级。
- 性能瓶颈:元数据量大时ZK成为瓶颈。
- 运维操作重:Partition重分配需要经过ZK,很慢。
- Controller单点:Controller故障时ZK重新选举有延迟。
- KRaft的优势:
- 内置Raft共识,无需外部组件。
- Controller Quorum高可用。
- 元数据变更更快。
- 更好的扩展性。
- 面试要点:Kafka 4.0完全移除ZK,KRaft是未来。
ZooKeeper的设计哲学?何时用ZK?
★★★★★
- 设计哲学:
- 简单的数据模型(树形ZNode)。
- 通过Watcher实现事件驱动。
- 通过临时节点实现自动清理。
- 通过顺序节点实现有序性。
- 通过过半协议保证一致性。
- 何时用ZK:
- 大数据生态(Hadoop/HBase/Kafka旧版)。
- 需要强一致性的分布式协调。
- 已有ZK集群的场景。
- 何时不用ZK:
- 微服务注册发现 → Nacos/Consul。
- 配置中心 → Nacos/Apollo。
- 分布式锁 → Redis(性能优先)/ ZK(可靠性优先)。
- 面试要点:ZK是重量级协调服务,新项目优先考虑轻量级替代方案。
附:速查表
| 知识点 | 关键词 |
| ZNode类型 | 持久/临时/顺序四种 |
| Watcher | 一次性触发 + Curator Cache解决 |
| ZAB协议 | 崩溃恢复 + 消息广播(过半ACK) |
| Leader选举 | FastLeaderElection + ZXID优先 |
| 分布式锁 | 临时顺序节点 + Watch前一个(避免惊群) |
| Session | 心跳保活 + 过期删除临时节点 |
| 一致性 | 顺序一致(非强一致) + sync()可强制 |
| 应用场景 | 锁/选举/配置/注册/Barrier |
| vs Nacos | ZK=CP+重, Nacos=AP/CP+轻 |
| vs etcd | ZK=Java+ZAB, etcd=Go+Raft+HTTP |