如何檢測分布式系統(tǒng)中的節(jié)點(diǎn)故障？

下圖顯示了 6 大心跳檢測機(jī)制。

心跳機(jī)制在分布式系統(tǒng)中對于監(jiān)控各種組件的健康和狀態(tài)至關(guān)重要。以下是分布式系統(tǒng)中常用的幾種心跳檢測機(jī)制：

1.基于推送的心跳

最基本的心跳形式包括從一個(gè)節(jié)點(diǎn)向另一個(gè)節(jié)點(diǎn)或監(jiān)控服務(wù)發(fā)送周期性信號。

如果心跳信號在指定時(shí)間間隔內(nèi)停止到達(dá)，系統(tǒng)就會認(rèn)為節(jié)點(diǎn)發(fā)生了故障。

這種方法實(shí)施起來很簡單，但網(wǎng)絡(luò)擁塞可能導(dǎo)致誤報(bào)。

2.基于拉取的心跳

中央監(jiān)控器可以定期從節(jié)點(diǎn) "拉取 "狀態(tài)信息，而不是節(jié)點(diǎn)主動發(fā)送心跳。

這可以減少網(wǎng)絡(luò)流量，但可能會增加故障檢測的延遲。

3.帶健康檢查的心跳

這種方式在心跳信號中包含了有關(guān)節(jié)點(diǎn)健康狀況的診斷信息。此信息可包括 CPU 使用情況、內(nèi)存使用情況或特定于應(yīng)用程序的指標(biāo)。

這種方式提供了有關(guān)節(jié)點(diǎn)的更詳細(xì)信息，允許做出更細(xì)致的決策。但是，它增加了復(fù)雜性和潛在的更大網(wǎng)絡(luò)開銷。

4.帶時(shí)間戳的心跳

包含時(shí)間戳的心跳不僅能幫助接收節(jié)點(diǎn)或服務(wù)確定節(jié)點(diǎn)是否存活，還能確定是否存在影響通信的網(wǎng)絡(luò)延遲。

5.帶確認(rèn)的心跳

在這種模式下，心跳消息的接收方必須發(fā)回確認(rèn)。這不僅能確保發(fā)送方還活著，還能確保發(fā)送方和接收方之間的網(wǎng)絡(luò)路徑正常。

6.帶法定人數(shù)的心跳

在一些分布式系統(tǒng)中，尤其是涉及 Paxos 或 Raft 等共識協(xié)議的系統(tǒng)中，使用了法定人數(shù)（大多數(shù)節(jié)點(diǎn)）的概念。

心跳可用于建立或維持法定人數(shù)，確保有足夠數(shù)量的節(jié)點(diǎn)運(yùn)行，以便系統(tǒng)做出決策。當(dāng)節(jié)點(diǎn)加入或離開系統(tǒng)時(shí)，這會帶來實(shí)施和管理法定人數(shù)變化的復(fù)雜性。