zookeeper:
    背景
        集中式管理
        集中式的一致性問題
        mysql---事務
        
        分散式概念
            分散式如何保證資料一致性問題？
                多個節點之間如何做到各個節點的資料或狀態的一致性
                1）hadoop的ha   兩個namenode  兩個namenode
                實時的資料同步  資料一致
                2）hadoop的ha 兩個namenode  一個active  一個standby的
                狀態一致  standby實時的獲取 active的狀態資訊
                3）hadoop的節點3個節點   3個節點配置檔案同步的  
                遠端傳送   叢集500個   延時性太長
        zookeeper就是解決分散式一致性問題  分散式協調（一致）服務
        目前zookeeper是沒有取代方案的  目前解決分散式一致性問題的
        最完美的解決方案
        
    分散式一致性的發展：

        CAP理論：
            絕對完美的一致性理論
        C：Consistency，一致性： 多個副本保持一致   強一致性  實時一致性
            一致性：
                強一致性：寫入什麼  就能讀取什麼  寫操作完成  
                        從其他任意備份立即可以讀取
                弱一致性：儘量保證寫什麼  讀什麼  保證絕大部分
                最終一致性：弱一致性的一個特殊情況
                    在一定的時間延遲內  寫資料的 所有的副本可以達到資料一致
                    最終肯定所有的副本保證資料一致的
            一致性最高：只有一個副本
                副本數量越多   一致性越難保證
        A：Availability，可用性：  高可用
            系統提供的服務必須一直處於可用，
            對於使用者的每一個操作請求總是能在有限時間內返回結果
            系統實時對外提供服務  即使存在節點宕機
            
            可用性最高的時候：所有節點儲存的都有副本
                副本越多  可用性越高
        P：Partition Tolerance分割槽容錯性：
        分散式系統在遇到任何網路分割槽故障時，
        仍然需要能夠保證對外提供滿足一致性和可用性的服務        
        hdfs的副本策略
        
        C和A 是衝突的  不可同時滿足的  實踐上不能達到的
        
        要想實現CAP理論   在C 和A 之間平衡
        
        
        BASE理論：
            將c  a做了平衡
            c----最終一致性
            a----基本可用性
            Basically Available：基本可用
                相應時間的損失
                功能上的損失
            Soft State：軟狀態
                允許存在不同節點同步資料時出現延遲，
                且出現數據同步延遲時存在的中間狀態也不會
                影響系統的整體效能。
                
                允許時間延遲
            Eventually Consistent：最終一致性
                系統中所有資料副本，在經過一段時間後，
                都可以達到同步：要求最終達到一致，而不是實時一致
                
        Quorum NRW:保證資料安全的演算法

            quorum機制是分散式場景中常用的，
            用來保證資料安全，
            並且在分散式環境中實現最終一致性的投票演算法

            N: 複製的節點數，即一份資料被儲存的份數。
            R: Read 成功讀操作的最小節點數，即每次讀取成功需要的份數。
            W: Write 成功寫操作的最小節點數 ，即每次寫成功需要的份數。
            
            R+W>N
            
            1)W=1  R=N
            2)R=1  W=N
            
            R W 權衡：
            N=10
            W=5
            R=6
            
            W=6
            R=5
            W=N/2+1
            R=N/2
            過半寫入
        paxos演算法：選舉演算法
            來源希臘的幫主選舉
            一半以上的選民投票
            過半選舉的機制
                這個演算法的一個最完美的實現就是zookeeper
                其他的實現都是不完美的實現
    zookeeper是什麼
        分散式一致性演算法的
        ZooKeeper  Google 的 Chubby
        一個開源的實現。它提供了簡單原始的功能，分是一個分散式的，開放原始碼的分散式應用程式協調服務，是布式應用可以基於它實現更高階的服務，比
        如分散式同步，配置管理，叢集管理，命名管理，佇列管理。