大資料技術的學習，逐漸成為很多程式設計師的必修課，因為趨勢也是因為自己的職業生涯。在各個技術社群分享交流成為很多人學習的方式，今天很榮幸給我們分享一些大資料基礎知識，大家可以一起學習!

　　1.叢集機器監控

　　這通常用於那種對叢集中機器狀態，機器線上率有較高要求的場景，能夠快速對叢集中機器變化作出響應。這樣的場景中，往往有一個監控系統，實時檢測叢集機器是否存活。過去的做法通常是：監控系統通過某種手段(比如ping)定時檢測每個機器，或者每個機器自己定時向監控系統彙報“我還活著”。 這種做法可行，但是存在兩個比較明顯的問題：

　　叢集中機器有變動的時候，牽連修改的東西比較多。

　　有一定的延時。

　　利用ZooKeeper有兩個特性，就可以實時另一種叢集機器存活性監控系統：

　　客戶端在節點 x 上註冊一個Watcher，那麼如果 x?的子節點變化了，會通知該客戶端。

　　建立EPHEMERAL型別的節點，一旦客戶端和伺服器的會話結束或過期，那麼該節點就會消失。

　　例如，監控系統在 /clusterServers 節點上註冊一個Watcher，以後每動態加機器，那麼就往 /clusterServers 下建立一個 EPHEMERAL型別的節點：/clusterServers/{hostname}. 這樣，監控系統就能夠實時知道機器的增減情況，至於後續處理就是監控系統的業務了。

　　2.Master選舉

　　在分散式環境中，相同的業務應用分佈在不同的機器上，有些業務邏輯(例如一些耗時的計算，網路I/O處理)，往往只需要讓整個叢集中的某一臺機器進行執行，其餘機器可以共享這個結果，這樣可以大大減少重複勞動，提高效能，於是這個master選舉便是這種場景下的碰到的主要問題。

　　利用ZooKeeper的強一致性，能夠保證在分散式高併發情況下節點建立的全域性唯一性，即：同時有多個客戶端請求建立 /currentMaster 節點，終究一定只有一個客戶端請求能夠建立成功。利用這個特性，就能很輕易的在分散式環境中進行叢集選取了。

　　另外，這種場景演化一下，就是動態Master選舉。這就要用到?EPHEMERAL_SEQUENTIAL型別節點的特性了。

　　上文中提到，所有客戶端建立請求，最終只有一個能夠建立成功。在這裡稍微變化下，就是允許所有請求都能夠建立成功，但是得有個建立順序，於是所有的請求最終在ZK上建立結果的一種可能情況是這樣： /currentMaster/{sessionId}-1 ,?/currentMaster/{sessionId}-2 ,?/currentMaster/{sessionId}-3 ….. 每次選取序列號最小的那個機器作為Master，如果這個機器掛了，由於他建立的節點會馬上小時，那麼之後最小的那個機器就是Master了。

　　3.搜尋系統

　　在搜尋系統中，如果叢集中每個機器都生成一份全量索引，不僅耗時，而且不能保證彼此之間索引資料一致。因此讓叢集中的Master來進行全量索引的生成，然後同步到叢集中其它機器。另外，Master選舉的容災措施是，可以隨時進行手動指定master，就是說應用在zk在無法獲取master資訊時，可以通過比如http方式，向一個地方獲取master。

　　在Hbase中，也是使用ZooKeeper來實現動態HMaster的選舉。在Hbase實現中，會在ZK上儲存一些ROOT表的地址和 HMaster的地址，HRegionServer也會把自己以臨時節點(Ephemeral)的方式註冊到Zookeeper中，使得HMaster可以隨時感知到各個HRegionServer的存活狀態，同時，一旦HMaster出現問題，會重新選舉出一個HMaster來執行，從而避免了 HMaster的單點問題。