集群中節點之間健康檢查
作者：梁勇
當新的節點加入集群或者集群中有節點下線了，集群之間可以通過健康檢查發現。健康檢查的頻率是怎么樣的？節點的狀態又是如何變動的？狀態的變動又會觸發什么動作。帶著這些問題本文捋一捋。
引言
當新的節點加入集群或者集群中有節點下線了，集群之間可以通過健康檢查發現。健康檢查的頻率是怎么樣的?節點的狀態又是如何變動的?狀態的變動又會觸發什么動作。帶著這些問題本文捋一捋。
一、內容提要
內容提要
健康檢查
- Nacos節點會向集群其他節點發送健康檢查心跳，每一輪頻率為2秒
- 當健康檢查異常時設置為不信任「SUSPICIOUS」狀態，超過失敗最大次數3次設置為下線「DOWN」狀態
- 健康檢查成功設置該節點為科通信「UP」狀態
- 無論成功還是失敗當節點狀態變更時均發布MembersChangeEvent事件
成員變更事件
當集群節點成員變更時，MemberChangeListener會收到該事件
例如回調ClusterRpcClientProxy#onEvent觸發refresh
刷新本節點與集群中其他節點的RPC狀態，關閉無效的或者增加新的RPC連接
二、健康檢查
代碼翻到ServerMemberManager#onApplicationEvent，在Nacos啟動的時候會啟動一個定時任務，第一次延遲5秒執行，該定時任務即負責節點之間的心跳。
- @Override
- public void onApplicationEvent(WebServerInitializedEvent event) {
- getSelf().setState(NodeState.UP);
- if (!EnvUtil.getStandaloneMode()) { // 注解@1
- GlobalExecutor.scheduleByCommon(this.infoReportTask, 5_000L);
- }
- EnvUtil.setPort(event.getWebServer().getPort());
- EnvUtil.setLocalAddress(this.localAddress);
- Loggers.CLUSTER.info("This node is ready to provide external services");
- }
注解@1 非單機模式延遲5秒執行，執行的infoReportTask為MemberInfoReportTask。
- public abstract class Task implements Runnable {
- protected volatile boolean shutdown = false;
- @Override
- public void run() { // 注解@2
- if (shutdown) {
- return;
- }
- try {
- executeBody();
- } catch (Throwable t) {
- Loggers.CORE.error("this task execute has error : {}", ExceptionUtil.getStackTrace(t));
- } finally {
- if (!shutdown) {
- after();
- }
- }
- }
- }
注解@2 看下這個Task執行邏輯，先執行 executeBody()，執行結束后執行after()。
- class MemberInfoReportTask extends Task {
- private final GenericType<RestResult<String>> reference = new GenericType<RestResult<String>>() {
- };
- private int cursor = 0;
- @Override
- protected void executeBody() {
- // ----------注解@1 start---------------
- // 獲取集群中除了自身以外的其他節點列表
- List<Member> members = ServerMemberManager.this.allMembersWithoutSelf();
- if (members.isEmpty()) {
- return;
- }
- // 定義一個游標
- this.cursor = (this.cursor + 1) % members.size();
- // 獲取每個節信息
- Member target = members.get(cursor);
- //-----------注解@1 end-----------------
- Loggers.CLUSTER.debug("report the metadata to the node : {}", target.getAddress());
- // 注解@2
- final String url = HttpUtils
- .buildUrl(false, target.getAddress(), EnvUtil.getContextPath(), Commons.NACOS_CORE_CONTEXT,
- "/cluster/report");
- try {
- // 注解@3
- asyncRestTemplate
- .post(url, Header.newInstance().addParam(Constants.NACOS_SERVER_HEADER, VersionUtils.version),
- Query.EMPTY, getSelf(), reference.getType(), new Callback<String>() {
- @Override
- public void onReceive(RestResult<String> result) { // 注解@4
- // 注解@5 返回版本不一致
- if (result.getCode() == HttpStatus.NOT_IMPLEMENTED.value()
- || result.getCode() == HttpStatus.NOT_FOUND.value()) {
- // ...
- Member memberNew = target.copy();
- if (memberNew.getAbilities() != null
- && memberNew.getAbilities().getRemoteAbility() != null && memberNew
- .getAbilities().getRemoteAbility().isSupportRemoteConnection()) {
- memberNew.getAbilities().getRemoteAbility()
- .setSupportRemoteConnection(false);
- update(memberNew); // 更新節點屬性
- }
- return;
- }
- // 注解@6
- if (result.ok()) {
- MemberUtil.onSuccess(ServerMemberManager.this, target);
- } else {
- // 注解@7 處理失敗上報
- MemberUtil.onFail(ServerMemberManager.this, target);
- }
- }
- @Override
- public void onError(Throwable throwable) {
- // 注解@8 處理失敗上報
- MemberUtil.onFail(ServerMemberManager.this, target, throwable);
- }
- @Override
- public void onCancel() {
- }
- });
- } catch (Throwable ex) {
- // ...
- }
- }
- @Override
- protected void after() {
- GlobalExecutor.scheduleByCommon(this, 2_000L); // 注解@9
- }
- }
注解@1 獲取集群中除了自身以外的其他節點列表，通過游標循環每個節點。
注解@2 構造每個節點的上報url請求路徑為「/cluster/report」
注解@3 發起Post健康檢查請求，請求內容為自身信息Member
注解@4 處理健康檢查返回結果，有以下三種類型
注解@5 版本過低錯誤，這個可能在集群中版本不一致出現
注解@6 處理成功上報，更新該節點member的狀態為UP表示科通信，設置失敗次數為0，并發布成員變更事件
- public static void onSuccess(final ServerMemberManager manager, final Member member) {
- final NodeState old = member.getState();
- manager.getMemberAddressInfos().add(member.getAddress());
- member.setState(NodeState.UP); // 狀態為UP可通信狀態
- member.setFailAccessCnt(0); // 失敗次數為0
- if (!Objects.equals(old, member.getState())) {
- manager.notifyMemberChange(); // 發布成員變更事件
- }
- }
注解@7&注解@8 均為處理失敗的上報，例如：集群中一個節點被kill -9 殺掉后。在nacos-cluster.log日志文件中會打印如下日志，并發布成員變更事件
- 2021-07-0x 16:30:24,994 ERROR failed to report new info to target node : x.x.x.x:8848, error : caused: Connection refused;
- :2021-07-0x 16:30:30,995 ERROR failed to report new info to target node : x.x.x.x:8848, error : caused: Connection refused;
- public static void onFail(final ServerMemberManager manager, final Member member, Throwable ex) {
- manager.getMemberAddressInfos().remove(member.getAddress());
- final NodeState old = member.getState();
- // 設置該節點為「不信任」
- member.setState(NodeState.SUSPICIOUS);
- // 失敗次數遞增+1
- member.setFailAccessCnt(member.getFailAccessCnt() + 1);
- // 默認最大失敗重試次數為3
- int maxFailAccessCnt = EnvUtil.getProperty("nacos.core.member.fail-access-cnt", Integer.class, 3);
- // If the number of consecutive failures to access the target node reaches
- // a maximum, or the link request is rejected, the state is directly down
- // 超過重試次數設置節點狀態為「下線」
- if (member.getFailAccessCnt() > maxFailAccessCnt || StringUtils
- .containsIgnoreCase(ex.getMessage(), TARGET_MEMBER_CONNECT_REFUSE_ERRMSG)) {
- member.setState(NodeState.DOWN);
- }
- if (!Objects.equals(old, member.getState())) {
- manager.notifyMemberChange(); // 發布成員變更事件
- }
- }
被kill -9 殺掉的節點顯示狀態為下線DOWN
注解@9 執行完executeBody后延遲2秒繼續執行executeBody，也就是檢查健康檢查的心跳頻率為2秒，一輪全部節點檢查結束后延遲2秒接著下一輪
無論檢查成功還是失敗，當節點狀態變更時，發布成員變更事件。
- if (!Objects.equals(old, member.getState())) {
- manager.notifyMemberChange();
- }
- void notifyMemberChange() {
- NotifyCenter.publishEvent(MembersChangeEvent.builder().members(allMembers()).build());
- }
小結： Nacos節點會向集群其他節點發送健康檢查心跳，每一輪頻率為2秒;當健康檢查異常時設置為不信任「SUSPICIOUS」狀態，超過失敗最大次數3次設置為下線「DOWN」狀態;健康檢查成功設置該節點為科通信「UP」狀態;無論成功還是失敗當節點狀態變更時均發布MembersChangeEvent事件。
三、成員變更事件
當集群中有節點下線或者新節點上線都會通過心跳健康檢查探測對節點狀態進行改變。而狀態的變更均會觸發成員變更事件MembersChangeEvent。那訂閱到這個事件干啥呢?
ClusterRpcClientProxy繼承了MemberChangeListener，當有MembersChangeEvent事件時會回調其onEvent方法。
- @Override
- public void onEvent(MembersChangeEvent event) {
- try {
- List<Member> members = serverMemberManager.allMembersWithoutSelf();
- refresh(members);
- } catch (NacosException e) {
- // ...
- }
- }
那接著看refresh方法。
- private void refresh(List<Member> members) throws NacosException {
- for (Member member : members) {
- if (MemberUtil.isSupportedLongCon(member)) {
- // 注解@10
- createRpcClientAndStart(member, ConnectionType.GRPC);
- }
- }
- Set<Map.Entry<String, RpcClient>> allClientEntrys = RpcClientFactory.getAllClientEntries();
- Iterator<Map.Entry<String, RpcClient>> iterator = allClientEntrys.iterator();
- List<String> newMemberKeys = members.stream().filter(a -> MemberUtil.isSupportedLongCon(a))
- .map(a -> memberClientKey(a)).collect(Collectors.toList());
- // 關閉舊的grpc連接
- while (iterator.hasNext()) {
- Map.Entry<String, RpcClient> next1 = iterator.next();
- if (next1.getKey().startsWith("Cluster-") && !newMemberKeys.contains(next1.getKey())) {
- Loggers.CLUSTER.info("member leave,destroy client of member - > : {}", next1.getKey());
- RpcClientFactory.getClient(next1.getKey()).shutdown();
- iterator.remove();
- }
- }
- }
注解@10 為集群中每個節點member創建rcp client，在client啟動時會先目標節點發送HealthCheckRequest，如果非健康節點將會被移除。見RpcClient類部分代碼。
- boolean isHealthy = healthCheck();
- // 非健康節點
- if (!isHealthy) {
- if (currentConnection == null) {
- continue;
- }
- LoggerUtils.printIfInfoEnabled(LOGGER,
- "[{}]Server healthy check fail,currentConnection={}", name,
- currentConnection.getConnectionId());
- // 標記客戶端狀態為unhealthy
- rpcClientStatus.set(RpcClientStatus.UNHEALTHY);
- // 重置ReconnectContext移除serverInfo
- reconnectContext = new ReconnectContext(null, false);
這個意味著如果集群中有節點下線，與下線節點的rpc將會失效;同樣如果集群中有新節點加入將會建立新的rpc通道。
小結： 當集群節點成員變更時，MemberChangeListener會收到該事件。例如回調ClusterRpcClientProxy#onEvent觸發refresh。刷新本節點與集群中其他節點的RPC狀態，關閉無效的或者增加新的RPC連接。
本文轉載自微信公眾號「瓜農老梁」，可以通過以下二維碼關注。轉載本文請聯系瓜農老梁公眾號。
責任編輯：武曉燕
來源：
瓜農老梁
