ZooKeeper資料模型
ZooKeeper有一個分層的命名空間,類似分散式檔案系統。它們唯一的差異就在於在命名空間中每個節點可以有資料關聯作為它們的子節點。這就像有一個檔案系統允許檔案也作為檔案目錄。節點路徑通常表示為規範的、斜線分隔的絕對路徑。它們沒有相對路徑。任何包含在路徑當中的unicode字元都必須遵循以下約束:
1)空字元不能作為路徑名稱;
2)以下字串不能作為使用,這是優越它們顯示不夠友好,或容易引起混淆(\u0001 - \u001F and \u007F - \u009F)
3)以下字串是不允許的。 ( \ud800 - uF8FF, \uFFF0 - uFFFF)
4)"."字元可以作為名稱的一部分,但是"."和".."不能單獨存在用於表示一個節點的路徑,因為ZooKeeper沒有使用相對路徑。下述例子是無效的"/a/b/./c" or "/a/b/../c"
5)"zookeeper"關鍵字保留
ZNodes
在ZooKeeper樹狀結構中的每個節點都可以稱為znode。 Znodes維護一個狀態資料結構,包含資料變更版本號、ACL變更、時間戳記。版本號碼加上時間戳記可以允許ZooKeeper去進行快取換證和協調更新。每當一個znode的資料變更,版本號碼就會往上加。例如每當客戶端接收資料時,它也會接收到這個資料的版本。同時當客戶端執行更新或刪除操作時,它必須提供正在變更的znode節點的資料版本。如果znode提供的版本號不符合目前資料的實際版本號,更新將會失敗。
注意:
在一個分散式應用程式工程中,單字node可以認為是單一主機、一個伺服器、一個整體的其中某個成員,一個客戶端處理器等等。在ZooKeeper文件中,znodes被認為是資料節點。 Servers被認為是組成ZooKeeper服務的主機。 quorum peers被認為是組成一個整體的服務端,clients被認為是正在使用ZooKeeper服務的一個主機或是一個程序。
Znodes是程式設計師存取的主要實體。它們有許多功能值得我們了解的:
Watches(監聽器)
客戶端可以在znodes進行監聽。 znode的變化會觸發這個監聽器然後清除它。當一個監聽器被觸發的時候,ZooKeeper會給客戶端發送一個通知。
Data Access(資料存取)
在命名空間當中儲存在znode當中的資料是原子讀或寫的。讀取操作將會讀取znode關聯的所有資料字節,寫入操作將會取代所有資料。每個節點有Access Control List (ACL)資料存取清單用於限制誰可以做什麼。
ZooKeeper不是設計用於作為資料庫或大物件儲存的,相反的他是用來管理協調資料的。資料的來源形式可以是配置資訊、狀態資訊、地區資訊等等。不同形式的協調資料的通用屬性是他們都相對比較小,控制在KB位元組。 ZooKeeper客戶端和服務端都有合理性檢查以保證znodes小於1M數據,但是數據可以遠小於這個平均值。在相對比較大的資料進行操作將會導致操作花費的時間較長,從而影響到其他操作的延遲,因為這額外的時間需要透過網路或儲存媒體進行資料的遷移。如果大數據的儲存是必須的,通常處理這種資料的方式是保持在大儲存系統中,例如NFS或HDFS,然後在ZooKeeper中儲存指向資料儲存位置的指標。
Ephemeral Nodes(臨時節點)
ZooKeeper有臨時節點的概念。只要建立節點的會話還處於活躍狀態,那麼這些節點還是存在的,當會話關閉時,這些節點也會被刪除。因為這個行為所以臨時節點不允許有子節點。
Sequence Nodes -- Unique Naming(序列節點-獨特命名)
當創建節點的時候你可以請求ZooKeeper在路徑末尾增加一個單調遞增的計數器。這個計數器對這個父節點是唯一的。計數器的格式是%010d (10進位用0填滿),格式化以便用於簡單排序。例如"
以上是ZooKeeper資料模型的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

0.這篇文章乾了啥?提出了DepthFM:一個多功能且快速的最先進的生成式單目深度估計模型。除了傳統的深度估計任務外,DepthFM還展示了在深度修復等下游任務中的最先進能力。 DepthFM效率高,可以在少數推理步驟內合成深度圖。以下一起來閱讀這項工作~1.論文資訊標題:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

想像一下,一個人工智慧模型,不僅擁有超越傳統運算的能力,還能以更低的成本實現更有效率的效能。這不是科幻,DeepSeek-V2[1],全球最強開源MoE模型來了。 DeepSeek-V2是一個強大的專家混合(MoE)語言模型,具有訓練經濟、推理高效的特點。它由236B個參數組成,其中21B個參數用於啟動每個標記。與DeepSeek67B相比,DeepSeek-V2效能更強,同時節省了42.5%的訓練成本,減少了93.3%的KV緩存,最大生成吞吐量提高到5.76倍。 DeepSeek是一家探索通用人工智

AI,的確正在改變數學。最近,一直十分關注這個議題的陶哲軒,轉發了最近一期的《美國數學學會通報》(BulletinoftheAmericanMathematicalSociety)。圍繞著「機器會改變數學嗎?」這個話題,許多數學家發表了自己的觀點,全程火花四射,內容硬核,精彩紛呈。作者陣容強大,包括菲爾茲獎得主AkshayVenkatesh、華裔數學家鄭樂雋、紐大電腦科學家ErnestDavis等多位業界知名學者。 AI的世界已經發生了天翻地覆的變化,要知道,其中許多文章是在一年前提交的,而在這一

波士頓動力Atlas,正式進入電動機器人時代!昨天,液壓Atlas剛「含淚」退出歷史舞台,今天波士頓動力就宣布:電動Atlas上崗。看來,在商用人形機器人領域,波士頓動力是下定決心要跟特斯拉硬剛一把了。新影片放出後,短短十幾小時內,就已經有一百多萬觀看。舊人離去,新角色登場,這是歷史的必然。毫無疑問,今年是人形機器人的爆發年。網友銳評:機器人的進步,讓今年看起來像人類的開幕式動作、自由度遠超人類,但這真不是恐怖片?影片一開始,Atlas平靜地躺在地上,看起來應該是仰面朝天。接下來,讓人驚掉下巴

在iPhone上面臨滯後,緩慢的行動數據連線?通常,手機上蜂窩互聯網的強度取決於幾個因素,例如區域、蜂窩網絡類型、漫遊類型等。您可以採取一些措施來獲得更快、更可靠的蜂窩網路連線。修復1–強制重啟iPhone有時,強制重啟設備只會重置許多內容,包括蜂窩網路連線。步驟1–只需按一次音量調高鍵並放開即可。接下來,按降低音量鍵並再次釋放它。步驟2–過程的下一部分是按住右側的按鈕。讓iPhone完成重啟。啟用蜂窩數據並檢查網路速度。再次檢查修復2–更改資料模式雖然5G提供了更好的網路速度,但在訊號較弱

本月初,來自MIT等機構的研究者提出了一種非常有潛力的MLP替代方法—KAN。 KAN在準確性和可解釋性方面表現優於MLP。而且它能以非常少的參數量勝過以更大參數量運行的MLP。例如,作者表示,他們用KAN以更小的網路和更高的自動化程度重現了DeepMind的結果。具體來說,DeepMind的MLP有大約300,000個參數,而KAN只有約200個參數。 KAN與MLP一樣具有強大的數學基礎,MLP基於通用逼近定理,而KAN基於Kolmogorov-Arnold表示定理。如下圖所示,KAN在邊上具

哭死啊,全球狂煉大模型,一網路的資料不夠用,根本不夠用。訓練模型搞得跟《飢餓遊戲》似的,全球AI研究者,都在苦惱怎麼才能餵飽這群資料大胃王。尤其在多模態任務中,這問題尤其突出。一籌莫展之際,來自人大系的初創團隊,用自家的新模型,率先在國內把「模型生成數據自己餵自己」變成了現實。而且還是理解側和生成側雙管齊下,兩側都能產生高品質、多模態的新數據,對模型本身進行數據反哺。模型是啥?中關村論壇上剛露面的多模態大模型Awaker1.0。團隊是誰?智子引擎。由人大高瓴人工智慧學院博士生高一鑷創立,高

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺
