本文主要几点：

三、健康检查的线上问题

服务注册 - 服务进程在注册中心注册自己的位置。它通常注册自己的主机和端口号，有时还有身份验证信息，协议，版本号，以及运行环境的详细资料。

服务发现 - 客户端应用进程向注册中心发起查询，来获取服务的位置。服务发现的一个重要作用就是提供一个可用的服务列表。

一、健康检查的几种方式

服务定义的格式类似如下：

{  
  "service":{  
    "id": "jetty",  
    "name": "jetty",  
    "address": "192.168.1.200",  
    "port": 8080,  
    "tags": ["dev"],  
    "checks": [  
        {  
            "http": "http://192.168.1.200:8080/health",  
            "interval": "5s"  
        }  
    ]  
  }  
}

其中，check是用来做服务的健康检查的，可以有多个，也可以没有，支持多种方式的检查。check定义在配置文件中，或运行时通过HTTP接口添加。Check是通过HTTP与节点保持一致。

有五种check方法：

check必须是script或者TTL类型的，如果是script类型，则script和interval变量必须被提供，如果是TTL类型，则ttl变量必须被提供

script是consul主动去检查服务的健康状况，ttl是服务主动向consul报告自己的健康状况。

以下是几种配置方式

Check必须是Script、HTTP、TCP、TTL四种类型中的一种。Script类型需要提供Script脚本和interval变量。HTTP类型必须提供http和Interval字段。TCP类型需要提供tcp和Interval字段，TTL类型秩序提供ttl。Check的name字段是自动通过service:<service-id>生成，如果有多个service，则由service:<service-id>:<num>生成。

Script check（Script+ Interval）

通过执行外部应用进行健康检查：这种外部程序具有退出代码，并可能产生一些输出；脚本按照指预置时间间隔来调用（比如，每30秒调用一次），类似于Nagios插件系统，脚本输出限制在4K以内，输出大于4K将截断。默认情况下，脚本超时时间为30秒——可通过timeout来配置。

{  
  "check": {  
    "id": "mem-util",  
    "name": "Memory utilization",  
    "script": "/usr/local/bin/check_mem.py",  
    "interval": "10s",  
    "timeout": "1s"  
  }  
}

HTTP check（HTTP+ Interval）

这种检查将按照预设的时间间隔创建一个HTTP “get”请求。HTTP响应代码来标示服务所处状态：任何2xx代码视为正常，429表示警告——有很多请求；其他值表示失败。

这种类型的检查应使用curl或外部程序来处理HTTP操作。默认情况下，HTTP Checks中，请求超时时间等于调用请求的间隔时间，最大10秒。有可能使用客制的HTTP check，可以自由配置timeout时间，输出限制在4K以内，输出大于4K将截断。

{  
  "check": {  
    "id": "api",  
    "name": "HTTP API on port 5000",  
    "http": "http://localhost:5000/health",  
    "interval": "10s",  
    "timeout": "1s"  
  }  
}

TCP check(TCP + Interval)

将按照预设的时间间隔与指定的IP/Hostname和端口创建一个TCP连接。服务的状态依赖于TCP连接是否成功——如果连接成功，则状态是“success”；否则状态是“critical”。如果一个Hostname解析为一个IPv4和一个IPv6，将尝试连接这两个地址，第一次连接成功则服务状态是“success”。

如果希望通过这种方式利用外部脚本执行健康检查，那么脚本应该采用“netcat”或者简单的socket操作。

默认情况下，TCP checks中，请求超时时间等于调用请求的间隔时间，最大10秒。也是可以自由配置的。

{  
  "check": {  
    "id": "ssh",  
    "name": "SSH TCP on port 22",  
    "tcp": "localhost:22",  
    "interval": "10s",  
    "timeout": "1s"  
  }  
}

TTL check:（Timeto Live生存时间）

这种checks为给定TTL保留了最后一种状态，checks的状态必须通过HTTP接口周期性更新，如果外部接口没有更新状态，那么状态就会被认定为不正常。

这种机制，在概念上类似“死人开关”，需要服务周期性汇报健康状态。比如，一个健康的APP可以周期性的将状态put到HTTP端；如果app出问题了，那么TTL将过期，健康检查将进入Critical状态。用来为给定check更新健康信息的endpoint都是pass endpoint和fail endpoint。（参见agent http endpoint）

TTL checks同时会将其最后已知状态更新至磁盘，这允许Agent通过重启后恢复到已知的状态。通过TTL端上一次check来维持健康状态的有效性。

{  
  "check": {  
    "id": "web-app",  
    "name": "Web App Status",  
    "notes": "Web app does a curl internally every 10 seconds",  
    "ttl": "30s"  
  }  
}

Docker+ interval

这种检查依赖于调用封装在docker容器内的外部程序。运行的docker通过docker Exec API来触发外部应用。

我们期望，consul Agent用户访问Docker HTTP API或UNIX套接字。Consul使用$DOCKER_HOST来确定Docker API端点。应用程序将运行，并对在容器内运行的服务执行健康检查，并返回适当的退出代码。Check按照指定的时间间隔调用。

如果在同一个host主机上有多重shell，那么同样需要配置shell参数。

输出限制在4K以内，输出大于4K将截断。

{
"check": {
    "id": "mem-util",
    "name": "Memoryutilization",
    "docker_container_id": "f972c95ebf0e",
    "shell": "/bin/bash",
    "script": "/usr/local/bin/check_mem.py",
    "interval": "10s"
  }
}

小结

每一种check都必须包含name，id和notes两个是可选的。如果没有提供id，那么id会被设置为name。在一个节点中，check的ID都必须是唯一的。如果名字是冲突的，那么ID就应该设置。

字段Notes主要是增强checks的可读性。Script check中，notes字段可以由脚本生成。同样，适用HTTP接口更新TTL check的外部程序一样可以设置notes字段。

Check脚本

Check脚本可以自由地做任何事情确定check的状态。唯一的限制是：退出代码必须遵循下面的约定：

退出代码0 – 正常
退出代码1 – 告警
其他值 - 失败。

Consul依赖此约定。脚本其他的输出都保存在notes字段中，可以供人查看。

健康状态初始化

默认情况下，当checks注册到Consul agent时，健康状态立即被设置为“Critical”。可以防止服务直接被注册为通过（“passing”）状态，在进入service pool前认为是健康状态。在某些情况下，checks可能需要指定健康检查的初始状态，可以通过设置“status”字段来实现。

如下：

{
  "check": {
    "id": "mem",
    "script": "/bin/check_mem",
    "interval": "10s",
    "status": "passing"
  }
}

初始状态设置为passing。

Service-boundchecks

健康检查（Health checks）或者有可能绑定到指定的服务。这将确保健康检查的状态只会影响给定的服务而不是整个节点。服务绑定健康检查需要提供一个service_id字段。

{
  "check": {
    "id": "web-app",
    "name": "WebApp Status",
    "service_id": "web-app",
    "ttl": "30s"
  }
}

在上述示例中，web-app健康检查如果失败了，只会影响web-app服务的有效性，本节点的其他服务是不受影响的。

MultipleCheck Definitions

多个check定义，可以使用字段“checks”，示例：

{
  "checks": [
    {
      "id": "chk1",
      "name": "mem",
      "script": "/bin/check_mem",
      "interval": "5s"
    },
    {
      "id": "chk2",
      "name": "/health",
      "http": "http://localhost:5000/health",
      "interval": "15s"

2021/01/05 16:57:58 [WARN] agent: Check "service:tag-10-200-110-100-8778" HTTP request failed: Get http://10.200.110.100:8778/pphealth: dial tcp 10.200.110.100:8778: connectex: No connection could be made because the target machine actively refused it.

   },
    {
      "id": "chk3",
      "name": "cpu",
      "script": "/bin/check_cpu",
      "interval": "10s"
    },
    ...
  ]
}

注，实践过程中发现，脚本并不支持python，必须为shell脚本。

二、consul与微服务的几次交互

打开consul端的debug日志，可见如下几种请求:

2.1、微服务向consul发起2种类型请求：

/catalog/services : 列出给定DC中的服务
/health/service/：列出可用服务节点

2021/01/05 19:08:27 [DEBUG] http: Request GET /v1/catalog/services?wait=2s&index=45 (2.077s) from=10.200.110.100:28159
2021/01/05 19:08:32 [DEBUG] http: Request GET /v1/health/service/10.200.140.19?token=<hidden> (0s) from=10.200.110.100:28159

下面来分析一下，这些请求从微服务端（springboot、springcloud）的哪些地方发起的：

2021/01/05 19:08:27 [DEBUG] http: Request GET /v1/catalog/services?wait=2s&index=45 (2.077s) from=10.200.110.100:28159

根据这个访问路径，找到源码片段如下：

 package com.ecwid.consul.v1.catalog;
 public final class CatalogConsulClient implements CatalogClient {
 
     @Override
    public Response<Map<String, List<String>>> getCatalogServices(QueryParams queryParams, String token) {
        UrlParameters tokenParam = token != null ? new SingleUrlParameters("token", token) : null;
        RawResponse rawResponse = rawClient.makeGetRequest("/v1/catalog/services", queryParams, tokenParam);

        if (rawResponse.getStatusCode() == 200) {
            Map<String, List<String>> value = GsonFactory.getGson().fromJson(rawResponse.getContent(),
                    new TypeToken<Map<String, List<String>>>() {
                    }.getType());
            return new Response<Map<String, List<String>>>(value, rawResponse);
        } else {
            throw new OperationException(rawResponse);
        }
    }

根据调用关系，有几处会调用：

1、DiscoveryClientHealthIndicator，通过/health接口的健康检查时调用

2、ConsulCatalogWatch，consul-discovery包里的定时任务调用

3、DiscoveryClientRouteLocator，zuul网关的route维护时调用（zuul项目才会有效）

这里看看2的源码，定时任务获取到consul中有关服务的信息后干啥

package org.springframework.cloud.consul.discovery;
@Slf4j
public class ConsulCatalogWatch implements ApplicationEventPublisherAware {
    @Scheduled(fixedDelayString = "${spring.cloud.consul.discovery.catalogServicesWatchDelay:30000}")
    public void catalogServicesWatch() {
        try {
            long index = -1;
            if (catalogServicesIndex.get() != null) {
                index = catalogServicesIndex.get().longValue();
            }

            Response<Map<String, List<String>>> response = consul
                    .getCatalogServices(new QueryParams(properties
                            .getCatalogServicesWatchTimeout(), index));
            Long consulIndex = response.getConsulIndex();
            if (consulIndex != null) {
                catalogServicesIndex.set(BigInteger.valueOf(consulIndex));
            }

            log.trace("Received services update from consul: {}, index: {}",
                    response.getValue(), consulIndex);
            publisher.publishEvent(new HeartbeatEvent(this, consulIndex));
        }
        catch (Exception e) {
            log.error("Error watching Consul CatalogServices", e);
        }
    }

获取到的结果通过spring容器事件HeartbeatEvent，发出去。继续

package org.springframework.cloud.config.client;
@ConditionalOnProperty(value = "spring.cloud.config.discovery.enabled", matchIfMissing = false)
@Configuration
@Import({ UtilAutoConfiguration.class })
@EnableDiscoveryClient
public class DiscoveryClientConfigServiceBootstrapConfiguration {
    @EventListener(HeartbeatEvent.class)
    public void heartbeat(HeartbeatEvent event) {
        if (monitor.update(event.getValue())) {
            refresh();
        }
    }
    
    private void refresh() {
        try {
            String serviceId = this.config.getDiscovery().getServiceId();
            ServiceInstance server = this.instanceProvider
                    .getConfigServerInstance(serviceId);
            String url = getHomePage(server);
            if (server.getMetadata().containsKey("password")) {
                String user = server.getMetadata().get("user");
                user = user == null ? "user" : user;
                this.config.setUsername(user);
                String password = server.getMetadata().get("password");
                this.config.setPassword(password);
            }
            if (server.getMetadata().containsKey("configPath")) {
                String path = server.getMetadata().get("configPath");
                if (url.endsWith("/") && path.startsWith("/")) {
                    url = url.substring(0, url.length() - 1);
                }
                url = url + path;
            }
            this.config.setUri(url);
        }
        catch (Exception ex) {
            if (config.isFailFast()) {
                throw ex;
            }
            else {
                logger.warn("Could not locate configserver via discovery", ex);
            }
        }
    }

还有就是：

package org.springframework.cloud.netflix.zuul;
@Configuration
@Import({ RibbonCommandFactoryConfiguration.RestClientRibbonConfiguration.class,
        RibbonCommandFactoryConfiguration.OkHttpRibbonConfiguration.class,
        RibbonCommandFactoryConfiguration.HttpClientRibbonConfiguration.class,
        HttpClientConfiguration.class })
@ConditionalOnBean(ZuulProxyMarkerConfiguration.Marker.class)
public class ZuulProxyAutoConfiguration extends ZuulServerAutoConfiguration {
    private static class ZuulDiscoveryRefreshListener
            implements ApplicationListener<ApplicationEvent> {

        private HeartbeatMonitor monitor = new HeartbeatMonitor();

        @Autowired
        private ZuulHandlerMapping zuulHandlerMapping;

        @Override
        public void onApplicationEvent(ApplicationEvent event) {
            if (event instanceof InstanceRegisteredEvent) {
                reset();
            }
            else if (event instanceof ParentHeartbeatEvent) {
                ParentHeartbeatEvent e = (ParentHeartbeatEvent) event;
                resetIfNeeded(e.getValue());
            }
            else if (event instanceof HeartbeatEvent) {
                HeartbeatEvent e = (HeartbeatEvent) event;
                resetIfNeeded(e.getValue());
            }

        }

关于在zuul中的Spring容器事件的作用看看：https://blog.csdn.net/weixin_34341229/article/details/90222469

分析：2021/01/05 19:08:32 [DEBUG] http: Request GET /v1/health/service/10.200.140.19?token=<hidden> (0s) from=10.200.110.100:28159

源码：

package com.ecwid.consul.v1.health;
public final class HealthConsulClient implements HealthClient {
@Override
    public Response<List<com.ecwid.consul.v1.health.model.HealthService>> getHealthServices(String serviceName, String tag, boolean onlyPassing, QueryParams queryParams, String token) {
        UrlParameters tokenParam = token != null ? new SingleUrlParameters("token", token) : null;
        UrlParameters tagParams = tag != null ? new SingleUrlParameters("tag", tag) : null;
        UrlParameters passingParams = onlyPassing ? new SingleUrlParameters("passing") : null;

        RawResponse rawResponse = rawClient.makeGetRequest("/v1/health/service/" + serviceName, tagParams, passingParams, queryParams, tokenParam);

        if (rawResponse.getStatusCode() == 200) {
            List<com.ecwid.consul.v1.health.model.HealthService> value = GsonFactory.getGson().fromJson(rawResponse.getContent(),
                    new TypeToken<List<com.ecwid.consul.v1.health.model.HealthService>>() {
                    }.getType());
            return new Response<List<com.ecwid.consul.v1.health.model.HealthService>>(value, rawResponse);
        } else {
            throw new OperationException(rawResponse);
        }
    }

根据栈信息跟踪到如下

package com.netflix.loadbalancer;
public class PollingServerListUpdater implements ServerListUpdater {

@Override
    public synchronized void start(final UpdateAction updateAction) {
        if (isActive.compareAndSet(false, true)) {
            final Runnable wrapperRunnable = new Runnable() {
                @Override
                public void run() {
                    if (!isActive.get()) {
                        if (scheduledFuture != null) {
                            scheduledFuture.cancel(true);
                        }
                        return;
                    }
                    try {
                        updateAction.doUpdate();
                        lastUpdated = System.currentTimeMillis();
                    } catch (Exception e) {
                        logger.warn("Failed one update cycle", e);
                    }
                }
            };

            scheduledFuture = getRefreshExecutor().scheduleWithFixedDelay(
                    wrapperRunnable,
                    initialDelayMs,
                    refreshIntervalMs,
                    TimeUnit.MILLISECONDS
            );
        } else {
            logger.info("Already active, no-op");
        }
    }
    private static long LISTOFSERVERS_CACHE_UPDATE_DELAY = 1000; // msecs;
    private static int LISTOFSERVERS_CACHE_REPEAT_INTERVAL = 30 * 1000; // msecs;
    public PollingServerListUpdater() {
        this(LISTOFSERVERS_CACHE_UPDATE_DELAY, LISTOFSERVERS_CACHE_REPEAT_INTERVAL);
    }

参考：https://blog.csdn.net/chengqiuming/article/details/81207985

2.2、consul访问应用服务的有：

访问所有注册上来的应用服务的health接口

几种异常情况：

1、访问不同时：2021/01/05 17:01:06 [WARN] agent: Check "service:tag-10-200-110-100-8778" HTTP request failed: Get http://10.200.110.100:8778/myhealth: dial tcp 10.200.110.100:8778: connectex: No connection could be made because the target machine actively refused it.
2、访问超时：2020/12/26 01:37:45 [WARN] agent: Check "service:sms-172-30-x-x-18184" HTTP request failed: Get http://172.30.x.x:18184/health: net/http: request canceled (Client.Timeout exceeded while awaiting headers)

三、健康检查的线上问题HTTP request failed: Get http://172.30.x.x:18184/health: net/http: request canceled (Client.Timeout exceeded while awaiting headers)

错误信息如下：

    2020/12/26 01:37:45 [WARN] agent: Check "service:sms-172-30-x-x-18184" HTTP request failed: Get http://172.30.x.x:18184/health: net/http: request canceled (Client.Timeout exceeded while awaiting headers)

根据错误日志信息推测，consul和应用都可服务，并且consul的请求已经发出，是返回超时了（默认10s）

springboot actuator下的默认健康检查项有很多，可以通过如下的开关配置项关闭：参考《Springboot Actuator之二：actuator在监控和管理指标的特性》

#springboot actuator下的默认健康检查项的开关
management.health.cassandra.enabled: false
management.health.couchbase.enabled: false
management.health.ldap.enabled: false
management.health.rabbit.enabled: false
management.health.solr.enabled: false
management.health.jms.enabled: false
management.health.mongo.enabled: false
management.health.diskspace.enabled: false
management.health.redis.enabled: false
management.health.elasticsearch.enabled: false
management.health.db.enabled: false
management.health.hystrix.enabled: false
management.health.consul.enabled: false
#discoveryComposite
spring.cloud.discovery.client.composite-indicator.enabled: false

修改后，/health返回的json如下：

{

"status": "UP",

"application": {

"status": "UP"

}

或者应用在注册到consul时，修改默认的health路径，修改方法见consul的client的配置，配置参考：《服务注册发现consul之二：在Spring Cloud中使用Consul实现服务的注册和发现》

1、spring.cloud.consul.discovery.health-check-path: /myhealth，修改默认的检查路径

2、写一个myhealth的接口，无逻辑，直接返回上面“UP”json数据。

服务断开时的consul错误日志：

2021/01/05 16:57:58 [WARN] agent: Check "service:tag-10-200-110-100-8778" HTTP request failed: Get http://10.200.110.100:8778/myhealth: dial tcp 10.200.110.100:8778: connectex: No connection could be made because the target machine actively refused it.

服务重启动后，

    2021/01/05 17:01:06 [WARN] agent: Check "service:tag-10-200-110-100-8778" HTTP request failed: Get http://10.200.110.100:8778/myhealth: dial tcp 10.200.110.100:8778: connectex: No connection could be made because the target machine actively refused it.
    2021/01/05 17:01:11 [DEBUG] http: Request GET /v1/catalog/services?wait=2s (0s) from=10.200.110.100:19143
    2021/01/05 17:01:14 [INFO] agent: Synced service "tag-10-200-110-100-8778"
    2021/01/05 17:01:14 [DEBUG] agent: Check "service:tag-10-200-110-100-8778" in sync
    2021/01/05 17:01:14 [DEBUG] agent: Node info in sync
    2021/01/05 17:01:14 [DEBUG] http: Request PUT /v1/agent/service/register?token=<hidden> (2ms) from=10.200.110.100:19143
    2021/01/05 17:01:14 [DEBUG] agent: Service "tag-10-200-110-100-8778" in sync
    2021/01/05 17:01:14 [DEBUG] agent: Check "service:tag-10-200-110-100-8778" in sync
    2021/01/05 17:01:14 [DEBUG] agent: Node info in sync
    2021/01/05 17:01:14 [DEBUG] agent: Service "tag-10-200-110-100-8778" in sync
    2021/01/05 17:01:14 [DEBUG] agent: Check "service:tag-10-200-110-100-8778" in sync
    2021/01/05 17:01:14 [DEBUG] agent: Node info in sync
    2021/01/05 17:01:14 [DEBUG] http: Request GET /v1/health/service/10.200.140.19?token=<hidden> (1ms) from=10.200.110.100:19143
    2021/01/05 17:01:15 [DEBUG] http: Request GET /v1/health/service/10.200.140.19?token=<hidden> (0s) from=10.200.110.100:19143
    2021/01/05 17:01:22 [DEBUG] agent: Check "service:tag-10-200-110-100-8778" is passing
    2021/01/05 17:01:22 [DEBUG] agent: Service "tag-10-200-110-100-8778" in sync

posted on 2018-09-17 16:27 duanxz 阅读(32147) 评论(0) 编辑收藏举报

Consul之：服务健康监测

一、健康检查的几种方式

二、consul与微服务的几次交互

三、健康检查的线上问题

一、健康检查的几种方式

Docker+ interval

小结

Check脚本

健康状态初始化

Service-boundchecks

MultipleCheck Definitions

二、consul与微服务的几次交互

2.1、微服务向consul发起2种类型请求：

2.2、consul访问应用服务的有：

三、健康检查的线上问题HTTP request failed: Get http://172.30.x.x:18184/health: net/http: request canceled (Client.Timeout exceeded while awaiting headers)