服务发现-注册中心概述

概述

服务注册与发现是微服务的核心，否则新发布一个服务只能去调用方配置地址，不能接受的事。不管是rpc还是spring cloud这种Http调用，注册中心都不可少。



这是dubbo的基本结构，但几乎所有服务发现的注册中心都这样。服务提供方注册到注册中心，消费方订阅或者拉取提供者信息，发起调用。

客户端设计

客户端比较简单：

1. 从注册中心拉取服务信息

2. 维持服务信息缓存

3. 负载均衡和路由

不过说简单也不简单，根据注册中心使用的技术不同，实现方式不同。比如使用zk，consule等中间件自带通知功能，集成中间件客户端，做好订阅即可。eureka采用定时Http拉取的方式，可以自己开发多语言客户端，按照注册中心提供的接口实现。

不过，只是拉取(poll)并不是很好，频率低无法及时获取服务更新信息，频率太高增加注册中心的负载，而且大部分拉取都是没变化的。一直保持长连接接收推送也不是很好的方案，可以考虑长轮询的方式(实现参考nacos配置监听代码 LongPollingService )。



long polling

另外，nacos服务发现部分的通知方式又作了升级，不再hold客户端请求，而是通过udp通知。和long polling类似，客户端每10s查询一次，不再hold，保存客户端信息后直接返回。在下一个10秒来临前，如果instance有变更，直接从缓存捞取所有相关客户端，发送udp通知。但需要客户端开启一个udp端口并且能被访问。

负载均衡一般有一致性hash、轮询、加权轮询等，比较成熟，暂且不表。路由比较重要，灵活的路由能实现分流、降级、灰度发布、金丝雀发布、容灾等能力，路由信息配置应该有个管理后台，动态修改并实时生效。有如下路由规则：

• ip: 指定ip路由，方便有时候测试和定位问题。
• 地域(Region)、区域(Zone): 多区域部署实现容灾，同时优先Zone内调用降低网络延迟。
• 服务分组：有可能需要部署多组服务分别不同消费方使用。
• 服务版本：版本化，支持灰度。
• 其他可选：故障注入、熔断、流量镜像等。

有的服务发现通过注册中心的proxy代理实现负责均衡和路由，这种中心化的设计并不好，对proxy的性能要求极高，从而成为瓶颈点，一般都从客户端直接调用服务提供方。

有的服务发现为了实现多语言，在客户端部署了一个agent，通过agent跟注册中心通讯，对客户端调用透明，但是增加了部署复杂度。比如通过边车模式实现的 Netflix Prana 。不过service mesh的到来反而做到解耦业务和网络配置，方便升级、支持多语言等，在k8s生态下部署也不是问题。

服务提供者设计

服务端：

1. 注册

2. 续租(心跳、定时上报)

3. 下线

启动完成后，调用注册中心注册服务信息，然后定时上报，除了告知自己还活着外，还可以上报健康状态。因为活着不代表健康，比如某个中间件连不上等，spring boot可以检查 /health 。

注意，注册是服务正常启动完成后才开始，如果无法做到启动成功才上报，可以延时注册，否则客户端发起调用时，服务提供方其实还没准备好。

好的方式有个服务状态机：UP，DOWN，STRATING等，启动时注册服务时，status为STARTING，后续的心跳更新为UP。Eureka就是这样的方式。

容易出现的问题是服务下线时，注册中心没有及时下线，导致请求还是被路由到已经关闭(或者关闭中)的提供者，一般客户端会写一个shutdown hook通知注册中心下线。不过客户端可能直接被kill，或者消费者本地缓存没更新，仍然存在问题。以其纠结半天，不如弯道解决问题，通过应用启停脚本，先主动下线，隔几秒再stop提供者。

注册中心

市面上开源的可以用作注册中心的中间件主要是zk，console，etcd等。double用的zk、nacos，docker swarm使用consul，老版本的kubernate dns使用etcd。

这些中间件不是为服务发现而生，大部分保证了CAP定律的一致性、分区容错性，但不能保证每次请求都可用。对服务注册发现来说，我们更希望是AP，可以容忍短暂不一致，但必须可用。具体可参考: Why not use Curator/Zookeeper as a service registry?



cap理论

总结，目前实现服务发现的注册中心有三种方式：

1. 使用中心化一致性存储中间件，如zk(Paxos算法)，etcd(Raft算法)；

2. 使用传统DNS+新的一致性算法，如SkyDNS、Spotify；

3. 去中心化，弱一致性实现如Eureka。

上文提到的nacos采用的是raft算法保证集群数据一致。下文主要介绍Eureka，注册信息维护在内存中，不需选主，集群间同步注册信息，可能有短暂的数据不一致，但保证可用性。

Eureka

Eureka高可用架构图：





服务端注册什么？

eureka server主要通过一个嵌套ConcurrentHashMap维护注册信息：

ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>  registry = new   ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();
复制代码

外层map的key为服务名(要求服务名唯一、好像没有实现namespace隔离)，内层map的key为实例ID，用以区分相同服务的不同实例。Lease对象持有InstanceInfo，还有一些属性如 lastUpdatetime 。InstanceInfo类就是服务信息，比如ip，port，host等。下面是数据结构示例：

{
    "name":"my-app-name",
    "instance":[
        {
            "instanceId":"192.18.99.100:my-app-name:60000",
            "hostName":"192.18.99.100",
            "app":"my-app-name",
            "ipAddr":"192.18.99.100",
            "status":"UP",
            "overriddenstatus":"UNKNOWN",
            "port":{
                "$":8080,
                "@enabled":"true"
            },
            "securePort":{
                "$":443,
                "@enabled":"false"
            },
            "countryId":1,
            "dataCenterInfo":{
                "name":"MyOwn"
            },
            "leaseInfo":{
                "renewalIntervalInSecs":30,
                "durationInSecs":90,
                "registrationTimestamp":1525342799736,
                "lastRenewalTimestamp":1525364448834,
                "evictionTimestamp":0,
                "serviceUpTimestamp":1525242780899
            },
            "metadata":{
            },
            "homePageUrl":"http://192.18.99.100:8080/",
            "statusPageUrl":"http://192.168.99.100:8080/info",
            "isCoordinatingDiscoveryServer":"false",
            "lastUpdatedTimestamp":"1525342799736",
            "lastDirtyTimestamp":"1525342797179",
            "actionType":"ADDED"
        }
    ]
}
复制代码

服务如何下线？

不考虑数据同步间隔，一般移出不健康的服务用4种方式：

1. 停服务时，通过shutdown hook调用server，主动下线服务；

2. eureka server有一个定时任务检查一段时间没有心跳的服务，把它从列表剔除；

3. 服务健康检查不通过时，通过心跳上报给server，服务不被剔除，但被标记为down，客户端也不会访问。

4. 直接调用eureka api，把服务标为offline，同down类似。

eureka 集群如何同步？

eureka集群去中心化，客户端和不同的server通讯，eureka间同步有3个问题(eureka 特指eureka server)：

1. 如图：如果某服务S，先向eurekaA注册，再向eurekaB注册，然后eurekaA向eurekaB同步。此时，同步信息会不会覆盖？

2. 服务S只向eurekaA注册，如果eurekaA向eurekaB同步失败，访问B的客户端是不是一直无法获取服务S的信息？

3. 服务多、eureka集群大时，eureka集群同步压力太大？



针对第一个问题，eureka通过时间戳和status判断新旧，始终以新版本为主；

第二个问题通过心跳解决，如果A->B失败，心跳再次达到A，还是会向B发送心跳，往B心跳结果404，则A重新把S注册到B。

第三个问题确实是个瓶颈，不过eureka通过“启动一次拉取，之后走批量、增量同步”的方式改善性能。

总结同步流程如下：

1. server启动时去其他server全量拉去

2. 启动后，其他客户端会自动增量同步(走批量接口)

3. 如果同步失败，通过心跳实现补偿逻辑。

eureka还做了哪些性能改善点？

eureka本身有点像一个缓存架构的设计，当然，其中为了改善性能也使用了缓存如guava cache，还有overriddenInstanceStatusMap,recentlyChangedQueue等队列。部分采用异步编程，gzip压缩等。

eureka的问题有哪些？

1. 本身没有灰度功能(可以添加metadata信息自由扩展，然后在客户端扩展路由规则)
2. 服务粒度太粗，客户端并不需要的信息也拉取，如果有上千个服务，难道客户端还维护那么多实例信息？
3. 各个时间配置不好衡量(心跳时间，服务拉取时间等)，需要改三四个配置以适应自己的服务。
4. 没有权限控制；如果我起了一个服务，跟其他服务同名，且不是把浏览偷偷分过来了。
5. 服务提供方也没有权限控制，可以任意调用server注册的服务。
6. 控制台功能简陋，只有简单的查看注册列表的功能。

总之，如果要使用eureka，需要针对以上问题扩展很多细节。之所以单独研究它，也因为它问题多多，再看其他框架设计时更能理解相比Eureka的优缺点。

Gossip

如果想了解dns加持的方式，kubernate是一个很好的研究示例，通过一个dns服务还有iptables的方式实现服务发现和路由。这里再介绍一个新玩法Serf。

Eureka是去中心化，弱一致性，但还是有一个AP系统的注册中心集群。Serf的玩法是，完全去中心，不再需要一个注册中心，所有服务组成一个大集群，大概如下：

每个服务都是网络中的一个节点，每个节点都随机与其他节点通讯，最终达成一致，使得每一个节点都可能知道网络中的其他节点。Serf就是gossip算法的实现。看到这种分布式网络中通讯的容错问题，马上想到区块链，P2P。

Serf并不能解决服务发现所有需求，虽然解决了大集群网络中的容错性，但在几千个服务节点中，节点信息传播效率我没作测试。不过这是一个新的玩法，且gossip协议在集群信息同步上用得越来越多，比如consul不同数据中心的同步，Cassandra集群信息的同步都是通过gossip实现。

Apache还有一个正在孵化的项目incubator-gossip。

总结

本文通过研究一些开源服务注册发现框架，总结其设计要点。

[1]. Netflix github

[2].serf

[3]. service-discovery-in-the-cloud

[4].Gossip_protocol

[5].nacos