RabbitMQ（七）网络分区

一、引入网络分区的意义

这是有rabbitmq的一致性模型决定的，其主要逻辑如下：

1、所有的操作都是在master上完成，之后再将有影响的操作同步到slave节点上

2、如果客户端连接的是master节点，直接对该节点进行读写操作，然后在同步到slave节点

2、如果客户端连接的是slave节点，RabbitMQ机制也会先将链接路由到master节点上，然后在同步到slave节点

比如确认（Ack）一条消息，先在A节点上，即master节点上确认，之后再转向B节点，进而是C和D节点，最后再D返回Ack之后才真正将这条消息确认，进而标记为可删除。

 

在这种一致性模型下，如果出现网络波动或者网络延迟等，那么整个复制链的性能就会下降。

引入网络分区就是为了将异常的节点排离出整个分区之外，以确保整个RabbitMQ的性能,待网络情况转好之后再将此节点加入集群之中。

 

二、网络分区的判定

RabbitMQ中与网络分区的判定相关的是net_ticktime这个参数，默认为60s。

在RabbitMQ集群中的每个broker节点会每隔net_ticktime/4回发送心跳信息到其他节点，如果在连续四次某节点都没有应答，则判定此节点处于down的状态，其余节点可以将此节点剥离出当前分区。

将连续四次的tick时间即为T，那么T的取值范围为 0.75ticktime < T < 1.25ticktime

 

 

三、网络分区的恢复策略

网络分区的恢复策略是由cluster_partition_handling参数决定的

1、ignore（默认参数）

ignore的配置是当网络分区的时候，RabbitMQ不会自动做任何处理，即需要手动处理

挑选一个信任的分区，停止其他分区中的节点，然后重新启动这些节点

rabbitmqctl stop_app
rabbitmqctl start_app

2、pause_minority

当发生网络分区时，集群中的节点在观察到某些节点down掉时，会自动检测其自身是否处于少数派（小于或者等于集群中一般的节点数）。

少数派中的节点在分区发生时会自动关闭，当分区结束时又会启动。

这里的关闭是指RabbitMQ application关闭，而Erlang VM并不关闭，这个类似于执行了rabbitmqctl stop_app命令。

处于关闭的节点会每秒检测一次是否可连通到剩余集群中，如果可以则启动自身的应用，相当于执行rabbitmqctl start_app命令。

此模式下，节点数应该为奇数

 

3、pause_if_all_down, [nodes], ignore|autoheal

在pause_if_all_down模式下，RabbitMQ会自动关闭不能和list中节点通信的节点。

语法为{pause_if_all_down, [nodes], ignore|autoheal}，其中[nodes]即为前面所说的list。

如果一个节点与list中的所有节点都无法通信时，自关闭其自身。

如果list中的所有节点都down时，其余节点如果是ok的话，也会根据这个规则去关闭其自身，此时集群中所有的节点会关闭。

如果某节点能够与list中的节点恢复通信，那么会启动其自身的RabbitMQ应用，慢慢的集群可以恢复。

 

4、autoheal

在autoheal模式下，当认为发生网络分区时，RabbitMQ会自动决定一个获胜的（winning）分区，然后重启不在这个分区中的节点以恢复网络分区。

一个获胜的分区是指客户端连接最多的一个分区。

如果产生一个平局，既有两个或者多个分区的客户端连接数一样多，那么节点数最多的一个分区就是获胜的分区。

如果此时节点数也一样多，将会以一种特殊的方式来挑选获胜分区。

 

四、选择合适的策略

1、ignore:

你的网络很可靠，所有的节点都在一个机架上，连接在同一个交换机上，这个交换机也连接在WAN上，你不需要冒险而关闭部分节点。（或者适合只有两个节点的集群。）

 

2、pause_minority

你的网络相对没有那么的可靠。比如你在EC2上建立了三个节点的集群，假设其中一个节点宕了，在这种策略下，剩余的两个节点还可以继续工作，失败的节点可以在恢复之后重新加入集群

 

3、autoheal

你的网络非常不可靠，你更关心服务的连续性而不是数据的完整性。适合有两个节点的集群。