master作為cluster的靈魂必須要有，還必須要唯一，否則集群就出大問題了。因此master選舉在cluster分析中尤為重要。對(duì)于這個(gè)問題我將分兩篇來分析。第一篇也就是本篇，首先會(huì)簡(jiǎn)單說一說mater選舉的一些算法，及elasticsearch的選舉原理。第二篇也就是下一篇，會(huì)結(jié)合zenDiscovery代碼為仔細(xì)分析elasticsearch的master選舉的實(shí)現(xiàn)。

簡(jiǎn)單來說master的作用跟單個(gè)jvm中的同步關(guān)鍵字synchronized相同，集群中多節(jié)點(diǎn)協(xié)調(diào)工作必須要保證數(shù)據(jù)的一致性，但是不同節(jié)點(diǎn)分布在不同的jvm中，不可能用jvm的同步機(jī)制。所以需要一個(gè)“鎖”，節(jié)點(diǎn)操作集群中的資源時(shí)都通過它來解決一致性問題，這就是master。關(guān)于分布式系統(tǒng)的master選舉算法有很多，最有名的當(dāng)然要數(shù)paxos算法，在它的基礎(chǔ)上出現(xiàn)了非常多的變體算法。關(guān)于這個(gè)算法請(qǐng)參考相關(guān)網(wǎng)頁和資料，不是一兩句話能說清楚的，這里不再祥述。但是paxos的功能遠(yuǎn)遠(yuǎn)超出了master選舉，一致性向才是它的目標(biāo)，任何需要實(shí)現(xiàn)一致性的問題都可以使用該算法，因此zookeeper功能遠(yuǎn)遠(yuǎn)不止master選舉。

還有一種比較簡(jiǎn)單的算法就是Bully，它通過一定的直接給每個(gè)節(jié)點(diǎn)賦予一唯一的ID，這些ID是可以排序的，每次master選舉都會(huì)選舉ID最大的節(jié)點(diǎn)。這種實(shí)現(xiàn)非常簡(jiǎn)單。但是會(huì)存在一些問題，在master負(fù)載過重時(shí)它會(huì)假死，于是第二大節(jié)點(diǎn)就成為了master節(jié)點(diǎn)。因此假死m(xù)aster節(jié)點(diǎn)因負(fù)載減輕又活了過來，于是他又被選為master，然后又假死……，這種情況可能一直存在導(dǎo)致系統(tǒng)不穩(wěn)定。

集群還有一個(gè)問題就是brain split：一個(gè)集群因?yàn)榫W(wǎng)絡(luò)問題導(dǎo)致多個(gè)master選舉出來而分裂。這也是master選舉必須要解決的問題。elasticsearch的master選舉原理我覺得是在bully的基礎(chǔ)上做了改進(jìn)。相比于paxos實(shí)現(xiàn)的zookeeper它完美的解決了master選舉問題，但不如zookeeper強(qiáng)大，因?yàn)閦ookeeper功能遠(yuǎn)遠(yuǎn)超出了master選舉，它的master選舉卻不需要這么多功能。它原理如下：

• 對(duì)所有可以成為master的節(jié)點(diǎn)根據(jù)nodeId排序，每次選舉每個(gè)節(jié)點(diǎn)都把自己所知道節(jié)點(diǎn)排一次序，然后選出第一個(gè)（第0位）節(jié)點(diǎn)，暫且認(rèn)為它是master節(jié)點(diǎn)。
• 如果對(duì)某個(gè)節(jié)點(diǎn)的投票數(shù)達(dá)到一定的值（可以成為master節(jié)點(diǎn)數(shù)n/2+1）并且該節(jié)點(diǎn)自己也選舉自己，那這個(gè)節(jié)點(diǎn)就是master。否則重新選舉。
• 對(duì)于brain split問題，需要把候選master節(jié)點(diǎn)最小值設(shè)置為可以成為master節(jié)點(diǎn)數(shù)n/2+1（quorum ）

以上就是master選舉的三條原則，其實(shí)第三天包含在第二條之中，為了說明brain split問題這里單獨(dú)拿出來說一下。下面看一下ElectMasterService的相關(guān)代碼，來補(bǔ)充說明一下一上的文字描述：

public DiscoveryNode electMaster(Iterable<DiscoveryNode> nodes) {
        List<DiscoveryNode> sortedNodes = sortedMasterNodes(nodes);
        if (sortedNodes == null || sortedNodes.isEmpty()) {
            return null;
        }
        return sortedNodes.get(0);
    }

上面就是選舉master的方法，可以看到，它的做法就是對(duì)候選節(jié)點(diǎn)排序然后直接將第一個(gè)返回。當(dāng)然這只是上面所說的第一條。其實(shí)只有這個(gè)是不能夠保證maser選舉順利的，之前也看到一些文章分析elasticsearch的master選舉，只提到了這個(gè)點(diǎn)和這一部分代碼，應(yīng)該是作者沒有仔細(xì)研究Discovery代碼而導(dǎo)致的疏忽。如果每個(gè)節(jié)點(diǎn)都只是選舉自己排序后的節(jié)點(diǎn)的第一個(gè)肯定會(huì)導(dǎo)致brain split和選舉不一致。master比較的方法也比較簡(jiǎn)單如下所示：

private static class NodeComparator implements Comparator<DiscoveryNode> {

        @Override
        public int compare(DiscoveryNode o1, DiscoveryNode o2) {
            if (o1.masterNode() && !o2.masterNode()) {
                return -1;
            }
            if (!o1.masterNode() && o2.masterNode()) {
                return 1;
            }
            return o1.id().compareTo(o2.id());
        }
    }

以上是節(jié)點(diǎn)排序比較器，可以看到它只是比較了nodeId，因此是按nodeId排序。從這兩兩段代碼來看很像是bully算法的實(shí)現(xiàn)。為了解決brain split問題開發(fā)者加入了master候選數(shù)據(jù)量限制，代碼如下：

public boolean hasEnoughMasterNodes(Iterable<DiscoveryNode> nodes) {
        if (minimumMasterNodes < 1) {
            return true;
        }
        int count = 0;
        for (DiscoveryNode node : nodes) {
            if (node.masterNode()) {
                count++;
            }
        }
        return count >= minimumMasterNodes;
    }

通過比較節(jié)點(diǎn)能“看到”的候選master數(shù)量和配置的最小值來確定是否可以進(jìn)行選舉，如果數(shù)量不夠會(huì)導(dǎo)致選舉不能進(jìn)行，這樣就可以保證集群不會(huì)被分裂。下面以一個(gè)圖(圖片來自于elasticsearch官網(wǎng))來說明:

假設(shè)之前選舉了A節(jié)點(diǎn)為master，兩個(gè)switch之間突然斷線了，這樣就分詞了兩部分。CDE和AB，因?yàn)?minimumMasterNodes的數(shù)目為3（集群中5個(gè)節(jié)點(diǎn)都可以成為master，3=5/2+1），因此cde會(huì)可以進(jìn)行選舉假設(shè)C成為master。AB兩個(gè)節(jié)點(diǎn)因?yàn)樯儆?所以無法選舉，只能一直尋求加入集群，要么線路連通加入到CDE中要么就一直處于尋找集群狀態(tài)，這樣就保證了集群不分裂。

總結(jié)一下，本篇介紹了master選舉的兩種算法和elasticsearch的選舉原理，并分析了它原理中的兩條，第二條將在下一篇discovery中接下分析。

以上就是elasticsearch的靈魂唯一master選舉機(jī)制原理分析的詳細(xì)內(nèi)容，更多關(guān)于elasticsearch唯一master選舉機(jī)制的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論