为什么我们在Hadoop堆栈中需要ZooKeeper？
我是Hadoop / ZooKeeper的新手。 我无法理解将ZooKeeper与Hadoop一起使用的目的，是ZooKeeper在Hadoop中编写数据吗？ 如果没有，那么我们为什么要使用ZooKeeper和Hadoop？
Hadoop 1.x不使用Zookeeper。 即使在Hadoop 1.x安装中，HBase确实使用zookeeper。
Hadoop从2.0版本开始采用Zookeeper。
Zookeeper的目的是集群管理。 这符合* nix使用较小的专用组件的一般理念 – 因此，希望集群function的Hadoop组件依赖于Zookeeper而不是开发自己的组件。
Zookeeper是一个分布式存储，提供以下保证（从Zookeeper概述页面复制）：
- 顺序一致性 – 客户端的更新将按发送顺序应用。
- primefaces性 – 更新成功或失败。 没有部分结果。
- 单系统映像 – 无论服务器连接到哪个服务器，客户端都将看到相同的服务视图。
- 可靠性 – 一旦应用了更新，它将从那时起持续到客户端覆盖更新。
- 及时性 – 系统的客户视图保证在特定时间范围内是最新的。
您可以使用它们来实现集群管理所需的不同“ 配方 ”，例如锁，领导者选举等。
如果你打算自己使用ZooKeeper，我建议你看一下Netflix的Curator，这样可以更容易使用（例如，他们实现了一些开箱即用的食谱）
Zookeeper解决了可靠的分布式协调问题，而hadoop是一个分布式系统，对吧？
有一个很好的纸质Paxos算法 ，你可以阅读这个主题。
从zookeeper文档页面：
ZooKeeper是一种集中式服务，用于维护配置信息，命名，提供分布式同步和提供组服务。 所有这些类型的服务都以分布式应用程序的某种forms使用。
每次实施它们都需要做很多工作来修复不可避免的错误和竞争条件。 由于难以实现这些类型的服务，应用程序最初通常会吝啬它们，这使得它们在变化的情况下变得脆弱并且难以管理。 即使正确完成，这些服务的不同实现也会在部署应用程序时导致管理复杂性。
从hadoop文档页面：
Apache™Hadoop®项目开发了用于可靠，可扩展的分布式计算的开源软件。
Apache Hadoop软件库是一个框架，允许使用简单的编程模型跨计算机集群分布式处理大型数据集
关于您的查询：
为什么我们在Hadoop Stack中需要ZooKeeper？
绑定因子是分布式处理和高可用性。
例如，Hadoop Namenode故障转移过程。
Hadoop高可用性是围绕Active Namenode和Standby Namenode设计的，用于故障转移过程。 在任何时候，您都不应该同时拥有两个主控（活动名称节点）。
从HDFSHighAvailabilityWithQJM上的Apache文档链接：
对于HA群集的正确操作而言，一次只有一个NameNode处于活动状态至关重要。 否则，命名空间状态将在两者之间快速分歧，冒着数据丢失或其他不正确结果的风险。 为了确保这个属性并防止所谓的“裂脑情景”，JournalNodes只允许一个NameNode一次成为一个作家。
在故障转移期间，要变为活动状态的NameNode将简单地接管写入JournalNodes的角色，这将有效地阻止其他NameNode继续处于活动状态，从而允许新的Active安全地进行故障转移。
Zookeeper已被用于避免分裂 – 大脑情景。 你可以在下面的问题中找到Zookeeper的角色：
Hadoop Namenode故障转移过程如何工作？