Eureka 系列（05）消息广播（上）：消息广播原理分析
Eureka 系列（05）消息广播（上）：消息广播原理分析
0. Spring Cloud 系列目录 - Eureka 篇
首先回顾一下客户端服务发现的流程，在上一篇 Eureka 系列（04）客户端源码分析 中对 Eureka Client 的源码进行了分析，DiscoverClient 负载服务发现，会将 Eureka Server 的服务全量同步到客户端。客户端同步的方式有两种：一是全量同步，二是增量同步，如果增量同步失败，则回滚到全量同步。
Eureka Client 服务发现的具体方式是启动了几个定时任务：
CacheRefreshThread本地缓存更新线程，采用轮询的方式，默认每 30s 从服务器同步注册服务信息。HeartbeatThread心跳检测线程，默认每 30s 发送一次心跳到服务端。InstanceInfoReplicator线程，默认每 30s 检测一次实例信息是否发生变更，如果发生变化就重新注册一次。这个好像是 Eureka 独有的吧！
接下来，我们分析一下服务器消息广播机制，如何保障数据的最终一致性？相关的核心实现在 com.netflix.eureka.cluster 内。
Eureka 消息广播主要分三部分讲解：
- 服务器列表管理：PeerEurekaNodes 管理了所有的 PeerEurekaNode 节点。
- 消息广播机制分析：PeerAwareInstanceRegistryImpl 收到客户端的消息后，第一步：先更新本地注册信息；第二步：遍历所有的 PeerEurekaNode，转发给其它节点。
- TaskDispacher 消息处理： Acceptor - Worker 模式分析。
本文重点分析前两部分的消息广播原理，下一章则分析 TaskDispacher 的 Acceptor - Worker 模式。
1. 服务器列表管理
Eureka 中负责服务器列表管理的是 PeerEurekaNodes，在 Nacos Naming 中也有一个类似功能的类 ServerListManager。这个类还是要关注一下，涉及到 Eureka 的动态扩容。
PeerEurekaNodes 构建时会初始化 "Eureka-PeerNodesUpdater" 定时器，默认每 10min 调用 updatePeerEurekaNodes(resolvePeerUrls()) 方法更新一次服务列表。
总结： EndpointUtils.getDiscoveryServiceUrls 默认调用 getServiceUrlsFromConfig，即读取配置文件的 serviceUrl 配置。当服务器列表发生变化时会将废弃的 PeerEurekaNode 节点关闭，同时将新增的节点添加到 List<PeerEurekaNode> peerEurekaNodes 服务器列表中。
注意：peerEurekaNodes 服务器列表中并不包含当前 Server 的服务器，在 resolvePeerUrls 时会将当前服务器排除。
1.1 创建 PeerEurekaNode
protected PeerEurekaNode createPeerEurekaNode(String peerEurekaNodeUrl) {
HttpReplicationClient replicationClient = JerseyReplicationClient.createReplicationClient(serverConfig, serverCodecs, peerEurekaNodeUrl);
String targetHost = hostFromUrl(peerEurekaNodeUrl);
if (targetHost == null) {
targetHost = "host";
}
return new PeerEurekaNode(registry, targetHost, peerEurekaNodeUrl, replicationClient, serverConfig);
}
总结： PeerEurekaNode 代表一个 Eureka Server 节点，包含节点的 url 和配置信息 serverConfig，其中最重要的两个属性是 registry 和 replicationClient：
targetHost/serverConfig当前 Eureka Server 的 url 信息。registry管理所有的注册信息。replicationClientHTTP Client，用于网络传输。
注意： Discovery Client 默认是 JerseyApplicationClient，这两者的区别是 JerseyReplicationClient 的请求头是 PeerEurekaNode.HEADER_REPLICATION=true，而 JerseyApplicationClient 请求头的默认参数为 false。isReplication 这个参数的意思是是否是其它服务器转发的请求。
为什么要有这个参数呢？大家想一下，EurekaA 向 EurekaB 转发请求，如果 EurekaB 又向 EurekaA 转发请求，这样就会造成死循环，所以就在请求头中加上这个参数 isReplication=true。当然如果是客户端发起的请求，则需要同步给其它服务器，所以客户端 isReplication=false。
2. 消息广播分析
Eureka Server 接收客户端的请求后，会将请求转发给 PeerAwareInstanceRegistryImpl 处理。这个 registry 会做两件事：一是本地注册信息更新（同步）；二是将消息广播给其它服务器（异步）。
由此也可以看出 Eureka 是 AP 模型的，优先保障了可用性，事实上大多数注册中心的实现方案都是 AP 模型，只有 ZK 是 CP 模型。事实上，ZK 是分布式协调服务，并不是专门用来进行服务治理的。
本文重点关注第二步：消息广播机制。
2.1 Eureka 消息广播流程
PeerAwareInstanceRegistryImpl 处理完本地注册信息更新后，会将请求转发给 PeerEurekaNode 处理，这个过程是异步的。也就是说本地注册信息更新后请求就返回了，而消息广播都是由 TaskDispatcher 异步处理，当然数据也就可能会短时间内不一致。
总结： PeerAwareInstanceRegistryImpl 是 Eureka 的核心类，服务的注册、下线、心跳检测都是由这个类完成的，服务的本地注册信息都是由这个其父类 AbstractInstanceRegistry 进行维护的。
-
本地注册信息更新（同步）：首先由 AbstractInstanceRegistry 完成本地缓存的服务信息更新。
-
消息广播（异步）：replicateToPeers 方法先从 PeerEurekaNodes 获取所有的服务器节点，通过 isThisMyUrl 排除自身后，给其余的所有服务器进行消息广播。消息广播的处理是由 PeerEurekaNode 类完成的，这个类的处理都是异步的。
注意：即使 Eureka Server 宕机，也会进行消息广播，直到任务过期为至。这中间可能会出现数据不同步，但一旦网络恢复后，接收到其它服务器广播的心跳信息，此时会进行数据同步。
最终所有的消息广播都由 PeerEurekaNode 处理，代码如下：
// 消息广播给 PeerEurekaNode 处理
private void replicateInstanceActionsToPeers(Action action, String appName,
String id, InstanceInfo info, InstanceStatus newStatus, PeerEurekaNode node) {
try {
InstanceInfo infoFromRegistry = null;
CurrentRequestVersion.set(Version.V2);
switch (action) {
case Cancel:
node.cancel(appName, id);
break;
case Heartbeat:
InstanceStatus overriddenStatus = overriddenInstanceStatusMap.get(id);
infoFromRegistry = getInstanceByAppAndId(appName, id, false);
node.heartbeat(appName, id, infoFromRegistry, overriddenStatus, false);
break;
case Register:
node.register(info);
break;
case StatusUpdate:
infoFromRegistry = getInstanceByAppAndId(appName, id, false);
node.statusUpdate(appName, id, newStatus, infoFromRegistry);
break;
case DeleteStatusOverride:
infoFromRegistry = getInstanceByAppAndId(appName, id, false);
node.deleteStatusOverride(appName, id, infoFromRegistry);
break;
}
} catch (Throwable t) {
}
}
总结： 这个代码就不细说了，接下来就要重点分析 PeerEurekaNode 是如何进行消息转发的。
2.2 PeerEurekaNode 消息处理
2.2.1 消息处理整体流程分析
总结： PeerEurekaNode 收到请求后，将请求转发给 TaskDispatcher，TaskDispatcher 内部维护一个阻塞队列。即然是阻塞队列那就肯定有消费线程了，这个线程就是 WorkerRunnable。WorkerRunnable 不断轮询，只要有任务是调用 ReplicationTaskProcessor 进行数据同步。如果同步失败进行重试，直到任务失效。这样再配合周期性的心跳检测，就能保证数据的最终一致性了。
nonBatchingDispatcher 和 batchingTaskDispatcher 类似，就不多介绍了。
思考： 如果同时有大量的数据需要同步给其它服务器，此时会发起多个网络请求，有什么好办法？
Eureka 考虑到了这个问题，具体措施就是将多个请求合并成一个请求进行处理，这就是 batchingTaskDispatcher 和 nonBatchingDispatcher 的区别。
消息广播核心类功能分析：
PeerEurekaNode 接收消息广播任务后，统一由 TaskDispatcher 进行异步处理。TaskDispatcher 将任务的接收和处理分别交由不同的线程完成，即典型的 Acceptor - Worker 模式。WorkerRunnable 通过 AcceptorExecutor#requestWorkItems 获取即将执行的任务后，调用 ReplicationTaskProcessor 执行消息广播任务。
- 数据同步（PeerEurekaNode）：接收消息广播任务。
- 任务分发（TaskDispatcher）：统一调度 PeerEurekaNode 接收的消息广播任务。实际接收消息广播由线程 AcceptorExecutor 处理，执行由 WorkerRunnable 处理。
- 任务管理（AcceptorExecutor）：统一管理所有的任务。
- 执行线程（WorkerRunnable）：消息广播任务执行线程。
- 任务处理（ReplicationTaskProcessor）：执行数据同步。
2.2.2 初始化
PeerEurekaNode 内部有两个重要的变量：一是 batchingDispatcher 批处理；二是 nonBatchingDispatcher 单独处理器。这二个任务派发器都是异步处理的。
PeerEurekaNode(PeerAwareInstanceRegistry registry, String targetHost,
String serviceUrl, HttpReplicationClient replicationClient,
EurekaServerConfig config, int batchSize, long maxBatchingDelayMs,
long retrySleepTimeMs, long serverUnavailableSleepTimeMs) {
this.registry = registry;
this.targetHost = targetHost;
this.replicationClient = replicationClient; // HTTP客户端
this.serviceUrl = serviceUrl;
this.config = config;
this.maxProcessingDelayMs = config.getMaxTimeForReplication();
// 任务处理器，真正进行消息转发
ReplicationTaskProcessor taskProcessor = new ReplicationTaskProcessor(targetHost, replicationClient);
// 批处理
String batcherName = getBatcherName();
this.batchingDispatcher = TaskDispatchers.createBatchingTaskDispatcher(
batcherName,
config.getMaxElementsInPeerReplicationPool(),
batchSize,
config.getMaxThreadsForPeerReplication(),
maxBatchingDelayMs,
serverUnavailableSleepTimeMs,
retrySleepTimeMs,
taskProcessor
);
// 单独处理
this.nonBatchingDispatcher = TaskDispatchers.createNonBatchingTaskDispatcher(
targetHost,
config.getMaxElementsInStatusReplicationPool(),
config.getMaxThreadsForStatusReplication(),
maxBatchingDelayMs,
serverUnavailableSleepTimeMs,
retrySleepTimeMs,
taskProcessor
);
}
总结： PeerEurekaNode 所有的消息都是异步处理的，分为 batchingDispatcher 和 nonBatchingDispatcher 两种情况。为什么会有批处理了呢？很显然，如何有大量的消息需要转发给另一台服务器，如何一条条发送会浪费网络，这时可以将多个消息合并成一个消息进行发送，这就是 batchingDispatcher 的功能。
2.2.3 任务接收
我们看一下 PeerEurekaNode 接收任务，以注册为例：
public void register(final InstanceInfo info) throws Exception {
long expiryTime = System.currentTimeMillis() + getLeaseRenewalOf(info);
// 任务id、任务内容task、任务过期时间expiryTime
batchingDispatcher.process(
taskId("register", info),
new InstanceReplicationTask(targetHost, Action.Register, info, null, true) {
public EurekaHttpResponse<Void> execute() {
return replicationClient.register(info);
}
}, expiryTime);
}
总结： PeerEurekaNode 收到消息广播任务后，会由 TaskDispatcher 完成任务的调度。TaskDispatcher 将任务的接收实际委托给了 AcceptorExecutor 线程完成。TaskDispatcher 将任务的接收和处理分别交由不同的线程完成，这是一种典型的 Acceptor - Worker 模式。相关原理会在第三小节进行详细的分析。
2.2.4 任务处理
TaskDispatcher 是一种典型的 Acceptor - Worker 模式。batchingDispatcher 通过 AcceptorExecutor 线程接收任务后，处理就交给 BatchWorkerRunnable 线程。
（1） TaskDispatcher 任务调度
消息处理是在 TaskDispatcher 中完成的，下面以 BatchWorkerRunnable 为例，分析批处理的原理。
public void run() {
try {
while (!isShutdown.get()) {
// 1. 获取要转发的消息，TaskHolder 持有的都是 InstanceReplicationTask
List<TaskHolder<ID, T>> holders = getWork();
metrics.registerExpiryTimes(holders);
List<T> tasks = getTasksOf(holders);
// 2. 请求转发
ProcessingResult result = processor.process(tasks);
// 3. 结果处理，网络IO失败会调用reprocess重试，其它未知异常则取消任务
switch (result) {
case Success:
break;
case Congestion: // 服务器忙，服务器有竞争
case TransientError:// 网络异常，IOException
taskDispatcher.reprocess(holders, result);
break;
case PermanentError:// 其它未知异常
logger.warn("Discarding {} tasks of {} due to permanent error", holders.size(), workerName);
}
metrics.registerTaskResult(result, tasks.size());
}
} catch (InterruptedException e) {
} catch (Throwable e) {
}
}
总结： TaskDispatcher#BatchWorkerRunnable 负责调度任务，请求的处理还是由 ReplicationTaskProcessor 完成的。需要关注一下 Eureka 异常的处理：
- 对方服务器忙或网络IO异常，则会调用 reprocess 进行重试。
- 其它未知异常，则统一取消任务。
（2） ReplicationTaskProcessor 任务处理
public ProcessingResult process(List<ReplicationTask> tasks) {
// 1. 合并请求
ReplicationList list = createReplicationListOf(tasks);
try {
// 2. 发送请求: POST /peerreplication/batch
EurekaHttpResponse<ReplicationListResponse> response = replicationClient.submitBatchUpdates(list);
int statusCode = response.getStatusCode();
if (!isSuccess(statusCode)) {
// 3.1 服务器忙，重试
if (statusCode == 503) {
return ProcessingResult.Congestion;
} else { // 其它异常，取消任务
return ProcessingResult.PermanentError;
}
} else {
handleBatchResponse(tasks, response.getEntity().getResponseList());
}
} catch (Throwable e) {
// 3.2 读超时，重试
if (maybeReadTimeOut(e)) {
return ProcessingResult.Congestion;
// 3.3 网络IO异常，重试
} else if (isNetworkConnectException(e)) {
logNetworkErrorSample(null, e);
return ProcessingResult.TransientError;
} else { // 其它异常，取消任务
return ProcessingResult.PermanentError;
}
}
return ProcessingResult.Success;
}
总结： 异常可以和上面对照一下，再看一下批处理到底是如何实现的。批处理实际是将多个消息任务 ReplicationTask 合并成一个任务 ReplicationList，而且转发的路径也变成 POST /peerreplication/batch
// 任务合并：List<ReplicationTask> -> ReplicationList
private ReplicationList createReplicationListOf(List<ReplicationTask> tasks) {
ReplicationList list = new ReplicationList();
for (ReplicationTask task : tasks) {
list.addReplicationInstance(
createReplicationInstanceOf((InstanceReplicationTask) task));
}
return list;
}
3. 附录
| 参数 | 功能 | 默认值 |
|---|---|---|
| peerEurekaNodesUpdateIntervalMs | 定时刷新服务列表的时间 | 10min |
每天用心记录一点点。内容也许不重要，但习惯很重要！
posted on 2019-10-01 10:10 binarylei 阅读(1755) 评论(0) 编辑 收藏 举报
