Eureka和Zookeeper两个的区别

首先来说说CAP定理

指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

一致性（C）

在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

可用性（A）

在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

分区容忍性（P）

以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。 多数分布式系统都分布在多个子网络。每个子网络就叫做一个区。

注意：CAP三者只能满足其二（不太准确，应该是在保证网络分区P的情况下，只能在Ｃ与Ａ之间选一个，如果不是分布式系统，不存在Ｐ的情况下Ｃ与Ａ都可以满足）

再来说说Zookeeper 的选举机制和半数机制

Zookeeper本质： 文件系统+ 通知机制

选举机制

三个核心选举原则：

（1）Zookeeper集群中只有超过半数以上的服务器启动，集群才能正常工作；

（2）在集群正常工作之前，myid小的服务器给myid大的服务器投票，直到集群正常工作，选出Leader；

（3）选出Leader之后，之前的服务器状态由Looking改变为Following，以后的服务器都是Follower。

半数机制

集群中半数以上机器存活，集群可用。所以Zookeeper适合安装奇数台服务器。

举例详细说明一下

假如有5台服务器，id从1到5依次启动
（1）服务器1启动，发起一次选举：
服务器1投自己一票。此时服务器1票数一票，不够半数以上（3票），选举无法完成； 服务器1状态保持为Looking；

（2）服务器2启动，再发起一次选举：
服务器1和2分别投自己一票，此时服务器1发现服务器2的id比自己大，更改选票投给服务器2；
此时服务器1票数0票，服务器2票数2票，不够半数以上（3票），选举无法完成； 服务器1，2状态保持Looking；

（3）服务器3启动，发起一次选举。
与上面过程一样，服务器1和2先投自己一票，然后因为服务器3id最大，两者更改选票投给为服务器3；
此次投票结果：服务器1为0票，服务器2为0票，服务器3为3票。此时服务器3的票数已经超过半数（3票），服务器3当选Leader。服务器1，2更改状态为Following，服务器3更改状态为Leading；

（4）服务器4启动，发起一次选举。
此时服务器1，2，3已经不是Looking状态，不会更改选票信息。选票信息结果：服务器3为3票，服务器4为1票。
此时服务器4服从多数，更改选票信息为服务器3；服务器4并更改状态为Following；

（5）服务器5启动，同4一样投票给3，此时服务器3一共5票，服务器5为0票；服务器5并更改状态为Following；

最终Leader是服务器3，状态为Leading；
其余服务器是Follower，状态为Following。

前面是一些准备知识，接下来总结区别

1.Zookeeper 重CP ，Eureka 重的是AP ，Zookeeper 数据是写入到Leader中，然后再由Leader 将数据同步到 Follwer 中，保证了数据一致性（C），但如果Zookeeper 某个节点挂掉时，会重新的选取Leader，在选取Leader的过程中有可能会导致选取时间过长（一般为30~120s）， 整个注册中心就会处于一个瘫痪状态无法对外提供服务，而Eureka 看出了这一点，在设计时，就强调了CAP 中的A，在Eureka集群中，每个节点的地位都是一样的，任何节点挂掉后，剩下的节点都能对外提供服务，保证了A 。

2.Eureka作为Spring Could中的组件，后台Spring 提供了更加强大的技术支持。