study-notes(6 Zookeeper)

本文深入解析Zookeeper分布式协调服务的核心功能、集群特性和角色,探讨其在数据发布订阅、集群选主及分布式锁等场景的应用,以及详细的选举机制说明。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这篇文章是将自己所学技术按模块划分总结而成的笔记,包含了 JavaSE、JavaWeb(SpringMVC、Spring、MyBatis、SpringBoot、SpringCloud 等)、Linux、Hadoop、MapReduce、Hive、Scala、Spark 等,希望通过这些笔记的总结,不仅能让自己对这些技术的掌握更加深刻,同时也希望能帮助一些其他热爱技术的人,这些笔记后续会继续更新,以后自己学习的其他最新技术,也都会以这样笔记的形式来保留,这些笔记已经共享到 Github,大家可以在那里下载到 Markdown 文件,如果大家在看的时候有什么问题或疑问,可以通过邮箱与我取得联系,或者在下面的评论区留言,同时也可以在 Github 上与我进行互动,希望能与大家一起相互学习,相互进步,共同成长。

本篇文章 Github 地址 : https://github.com/wpwbb510582246/study-notes/blob/master/6 Zookeeper/6 Zookeeper.md

项目 Github 地址 : https://github.com/wpwbb510582246/study-notes

email : weipengweibeibei@163.com

博客地址 : https://blog.youkuaiyun.com/wpwbb510582246

6 Zookeeper

6.1 概述

Zookeeper 是一个分布式开源框架,有两个最基本的功能 : 存储小数据和监听机制,一般用于分布式锁、分布式集群管理、集群选主。

6.2 集群特性

1、集群中每个服务器保存一份相同的数据副本;

2、一份数据会在所有机器上都保存一份;

3、全局有序和偏序 : 全局有序是指如果在一台机器上消息 a 在消息 b 之前被发布,则在集群中所有机器上消息 a 都在消息 b 之前被发布。偏序是指如果消息 b 被同一个发送者在消息 a 之后发布,则消息 a 永远排在消息 b 前面。

4、一次数据更新要么成功(半数以上节点成功),要么失败,不存在中间状态。

6.3 集群角色

Leader : Zookeeper 集群工作的核心,事务请求(写操作)的唯一调度和处理者,保证集群事务处理的顺序性,集群内部各个服务器的调度者。

Follower : 处理客户端非事务(读操作)请求,转发写清求个 Leader,参与集群 Leader 选举投票。

Observer : 观察 Zookeeper 集群的最新状态并将这些状态同步过来,对于非事务性请求可以独立处理,对于事务性请求,则会转发给 Leader 进行处理,不会参与任何形式的投票只提供非事务服务,通常用于在不影响集群性能、处理能力的前提下提升集群的非事务处理能力。

6.4 典型应用

6.4.1 数据发布于订阅(配置中心)

发布者将数据发布在 zk 节点上,供订阅者动态获取数据,实现配置信息的集中管理和动态更新。

6.4.2 集群选主

在一个集群中有一个 active 节点,多个 standby 节点,当一个节点挂掉时,可以选出一个 standby 节点,并将其状态更改为 active,从而实现集群的高可用。

6.4.3 分布式锁

所有客户端要想获得执行权,就需要在 /locked 下创建一个节点,如果这个节点已经创建,那么用户就不能在创建节点,无法获得执行权,这样就保证了在同一个时刻只有一个客户端拥有执行权,当执行完成后,客户端会删除所创建的节点,这样所有的客户端就会争抢去创建节点,从而实现分布式锁。

6.5 选举机制

服务器 1 启动 -> 给自己投票 -> 票数为 1,没有过半 -> 处于观望状态

服务器 2 启动 -> 给自己投票 -> 服务器 1 的编号小于服务器 2 的编号,服务器 1 屈服,将投票给服务器 2 -> 票数为 2,没有过半 -> 处于观望状态

服务器 3 启动 -> 给自己投票 -> 服务器 1,2 的编号都小于 3,服务器 1,2 屈服,将投票给服务器 3 -> 票数为 3,过半 -> 服务器 3 胜出

服务器 4 启动 -> 给自己投票 -> 票数为 1,但服务器 3 已经胜出 -> 服务器 4 屈服

服务器 5 启动 -> 给自己投票 -> 票数为 1,但服务器 3 已经胜出 -> 服务器 5 屈服

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GraysonWP

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值