本文转载自微信公众号「程序员jinjunzhu」，作者 jinjunzhu。转载本文请联系程序员jinjunzhu公众号。
Apache BookKeeper是一款企业级存储系统，最初由雅虎研究院研发，在2011年作为Apache ZooKeeper的子项目进行孵化，在2015年1月成为 Apache顶级项目。
起初，BookKeeper是一个预写日志(WAL)系统，经过几年的发展，BookKeeper的功能更加完善，比如为Hadoop分布式文件系统(HDFS)的NameNode提供高可用和多副本，为消息系统比Pulsar提供存储服务，为多个数据中心提供跨机器复制。
1 使用场景
BookKeeper最初的一个使用场景是为HDFS的NameNode保存edit log，如下图：
ZKFC是一个Zookeeper的客户端，主要用来监测和管理NameNode状态，每个NameNode机器上都会运行一个ZKFC，它的职责主要有三个：
- 健康检查
- Zookeeper会话管理
- 选举，当集群中一个Active NameNode宕机，Zookeeper会自动选择一个节点作为新的Active NameNode。
BookKeeper记录NameNode的edit log(edit log存放文件系统的操作日志)，NameNode的所有修改都会记录到BookKeeper。这样active NameNode宕机后，BookKeeper用保存的edit log去standby NameNode做回放，之后切换成active NameNode。
BookKeeper具有如下特性：
- 一致性：因为edit log保存的是HDFS的元数据，对一致性要求很高
- 低延迟：为了不丢数据，需要低延迟
- 高吞吐：为了支持更多的NameNode节点，需要高吞吐
2 节点对等
Bookie中保存的数据结构如下图：
writer写数据时，把entry并发写入多个bookie节点的Ledger。这类似于文件系统写数据时首先会打开一个文件，如果文件不存在，则会创建文件元数据。
Ledger也就是Pulsar中的segment。
writer写数据时，首先会打开一个新Ledger，函数如下：
- openLedger(组内节点数目、数据备份数目、等待刷盘节点数目)
比如(5,3,2)代表组内共有5个Bookie节点，写数据时需要写入3个节点，有2个节点返回成功代表写入成功。
这样写入的这3个节点数据完全一样，关系是对等的，不存在主从关系。
2.1 数据读写
BookKeeper数据读写如下图：
writer以roundrobin的方式写入bookie，比如在上图中，第一条数据写入Bookie1、Bookie2和Bookie3，第二条数据写入Bookie2、Bookie3、Bookie4，第三条数据写入Bookie3、Bookie4、Bookie5，第四条数据写入Bookie4、Bookie5和Bookie1。
在打开一个Ledger时，就传入了bookie数量，这样在写每个entry时，就用entry的id跟bookie数量取模，来确定写到哪几个bookie上。比如第3条消息跟5取模是3，就写到Bookie3、Bookie4和Bookie5。
这样以轮询的方式将Ledger数据写入各个bookie节点，每个bookie节点的数据是均衡的，每个bookie节点的磁盘带宽和网卡带宽都能得到充分利用。
2.2 读高可用
Reader在读取数据时，可以读取多份数据中的任意一份数据。BookKeeper会设置一个读超时时间，如果读取超时了，会给另外一个bookie节点(speculative read)发送读请求。
2.3 写高可用
如果某个bookie节点(比如bookie5)发生故障不能写入了，BookKeeper会做如下处理：
- 记录出错的entry id
- 对故障节点的数据进行封装
- 关闭当前的Ledger，重新打开一个新的Ledger，这个Ledger会重新选择bookie节点，1、2、3、4、6。
- 如果bookie5恢复，就不再提供写服务了，只提供读服务。
- 如果不能恢复，就把bookie5的数据，从其他节点的备份中恢复到新的节点上，这个过程需要根据Ledger id跟5取模来判断是否落到bookie5上，数据恢复过程并不影响Reader，因为其他两份数据可以继续提供服务。
3 I/O模型
BookKeeper的I/O模型如下图，这个图是单个bookie的数据流转：
整个流程入下：
Writer写入的数据首先到达Journal，Journal将数据进行group后刷到到Journal盘，这个刷盘的数据顺序跟writer写入顺序一致。
Writer写入Journal Disk是实时刷盘。
Journal Disk的数据会写入memory table进行数据整理，把同一个topic的数据整理到一起。
把整理好的数据刷盘。Index Disk保存entry的index，对应entry在Logger Disks的offset。
3.1 读写分离
读取数据时，首先从Memory Cache中读取数据，如果数据不存在，才会去Index Disk和Logger Disk读取数据。而写数据是实时落盘到Journal Disk，这样实现了读写隔离。
3.2 强一致性
数据可以实时刷盘到Journal Disk,保证了数据的强一致性。
3.3 灵活SLA
对于写性能要求高的业务场景，可以单独加强Journal盘性能，而对于读性能要求高的场景，可以加强Ledger Disk和Index Disk的性能。
4 Pulsar中的使用
Pulsar的架构图如下：
每次Producer生成的消息实时落盘后，给Producer返回一个ACK。
Consumer消费消息后，还会修改Cusor中保存的offset，并且也会记录到BookKeeper。这样保证了Cursor的一致性。
