技术

下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论及实践 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 LLM部分技术源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 容器日志采集 Kubernetes 控制器模型 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

大模型推理服务框架 模型服务化(未完成) 大模型RHLF 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 LLM工具栈 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 helm tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 机器学习中的python调用c 机器学习训练框架概述 embedding的原理及实践 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 tensorflow学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 helm 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件

分布式配置系统

2015年08月08日

简介

Zookeeper is a distributed storage that provides the following guarantees

  1. Sequential Consistency - Updates from a client will be applied in the order that they were sent.
  2. Atomicity - Updates either succeed or fail. No partial results.
  3. Single System Image - A client will see the same view of the service regardless of the server that it connects to.
  4. Reliability - Once an update has been applied, it will persist from that time forward until a client overwrites the update.
  5. Timeliness - The clients view of the system is guaranteed to be up-to-date within a certain time bound.

You can use these to implement different recipes that are required for cluster management like locks, leader election etc.

从这段描述中,我们就可以知道,什么是本质(distributed storage + guarantees),什么是recipes。

2017.11.23 更新

我们都以为用zookeeper做一致性工具天经地义,来自京东、唯品会对微服务编排、API网关、持续集成的实践分享(上)却用db做一致性,一切看场景。就注册中心的功能来说,Netflix/eureka也比zookeeper更好些。换个方式考虑,注册中心本质为了服务调用方和提供方的解耦,存储服务注册信息。也就是能存数据的都可以用来做注册中心,但从可用性上考虑,zookeeper因为副本因素可靠性高些。一致性 <== 副本 <== 高可用性存储,这或许才是zookeeper等一致性工具的本质,其它的才是kv存储、通知机制等枝节。

现有产品

分布式配置系统一般有zookeeper,etcd,Consul,Eureka(AP)等

分布式配置中心一般有以下特点:

  1. 集中管理外部依赖的服务配置和服务内部配置
  2. 提供web管理平台进行配置和查询
  3. 支持服务注册与发现
  4. 支持客户端拉取配置
  5. 支持订阅与发布,配置变更主动通知到client,实时变更配置

    这条跟消息队列很像,不过两者的目的完全不同。

  6. 分布式配置中心本身具有非常高的可靠性

    因此一般以集群状态运行,集群节点的增加和减少不影响服务的提供。

我个人觉得比较直观的一条便是:

  • 使用之前,分布式系统各主机间交互,需要跨网络访问
  • 使用之后,分布式系统的daemon服务只需与配置中心daemon交互即可。省事,尤其是一个消息要通知好几个主机时。

    • 两台电脑互通,需要一根网线
    • 三台电脑互通,需要三根网线
    • 四台电脑互通,需要六根网线
    • 四台电脑互通,如果使用集线器,则需要四根网线即可

其作用类似于集线器,不同主机的各个进程连上它,就不用彼此之间费事通信了,当然,通信的数据一般是对连接上配置中心的所有进程都有用的。如果是交互的数据量太大,或数据只与某两个进程相关,还是各主机自己动手或使用消息队列。

通过安装过程来体会工具的异同

etcd

深入剖析数据多版本 MVCC 机制tcd 虽然有很多丰富的功能,也有它特殊的定位,但本质上也是一个存储系统。存储系统核心功能其实非常简单,聚焦三个操作:读写删。不过 etcd 有两个特色的功能:watch 机制和 MVCC 机制( 数据多版本 )。MVCC 带来了什么?可靠的 watch 机制;简单的事务并发控制。这两点其实非常容易理解,一个 key 的历史版本全部被记录,而不是覆盖更新,那这个对于 watch 就太友好了。毕竟历史都在这嘛,数据又安全读出来又方便。MVCC 的设计中,可以认为用户的删除都是标记删除,真正回收由一个叫做 compact 的操作来实现。

etcd原理剖析 写的非常好。

以ubuntu15.04 为例,用Systemd管理etcd,针对每个主机

  1. 下载文件 https://github.com/coreos/etcd/releases
  2. 拷贝可执行文件etcd,etcdctl到path目录
  3. 准备/etc/systemd/system/etcd.service文件

     [Unit]
     Description=etcd shared configuration and service discovery daemon
        
     [Service]
     Type=notify
     EnvironmentFile=/etc/default/etcd
     ExecStart=/usr/local/bin/etcd $ETCD_OPTS
     Restart=on-failure
     RestartSec=5
        
     [Install]
     WantedBy=multi-user.target
    
  4. 准备配置文件/etc/default/etcd

     ETCD_OPTS=-addr=server_ip:4001 -peer-addr=server_ip:7001 -data-dir=/var/lib/etcd/
    
  5. systemctl enable etcd使配置文件生效,systemctl start etcd启动etcd,systemctl status etcd查看etcd运行状态。

几个端口的作用

  • 4001,客户端(比如使用etcd的应用程序)通过它访问etcd数据
  • 7001,Etcd节点通过7001端口在集群各节点间同步Raft状态和数据

etcd启动时,有三种模式static,etcd DiscoveryDNS Discovery三种模式来确定哪些节点是“自己人”,参见https://coreos.com/etcd/docs/latest/clustering.html

存储结构,键值对,键以文件夹的形式组织,例如

root@docker1:~# etcdctl ls /network/docker/nodes
/network/docker/nodes/192.168.56.101:2375
/network/docker/nodes/192.168.56.102:2375

CP/zookeeper

针对每个主机

  1. 将文件解压到特定位置,tar -xzvf zookeeper-x.x.x.tar.gz -C xxx
  2. 根据样本文件创建配置文件,cp zookeeper-x.x.x/zoo_sample.cfg zookeeper-x.x.x/zoo.cfg
  3. 更改配置文件

     dataDir=/var/lib/zookeeper
     clientPort=2181
     server.1=server_ip1:2888:3888
     server.2=server_ip2:2888:3888
     server.3=server_ip3:2888:3888
    
  4. 编辑myid文件,${dataDir}/myid,不同的节点写个不同的数字即可
  5. 启动zookeeper,zookeeper-x.x.x/bin/zkServer.sh start

几个端口的作用:

  • 端口2181由 ZooKeeper客户端(比如访问zookeeper数据的应用程序)使用,用于连接到 ZooKeeper 服务器;
  • 端口2888由对等 ZooKeeper 服务器使用,用于互相通信;
  • 而端口3888用于领导者选举。

集群配置时,集群有哪些节点,已在所有节点的配置文件中讲明,比如这里的server.1,server.2,server.3

因为大数据系统通常都是主从架构,主服务器管理集群的状态和元信息(meta-info),为了保证集群状态一致防止“脑裂”,所以运行期只能有一个主服务器工作(active master),但是为了保证高可用,必须有另一个主服务器保持热备(standby master)。那么应用程序和集群其他服务器如何才能知道当前哪个服务器是实际工作的主服务器呢?所以很多大数据系统都依赖 ZooKeeper 提供的一致性数据服务,用于选举集群当前工作的主服务器。一台主服务器启动后向 ZooKeeper 注册自己为当前工作的主服务器,而另一台服务器就只能成为热备主服务器,应用程序运行期都和当前工作的主服务器通信。如果当前工作的主服务器宕机(在 ZooKeeper 上记录的心跳数据不再更新),热备主服务器通过 ZooKeeper 的监控机制发现当前工作的主服务器宕机,就向 ZooKeeper 注册自己成为当前工作的主服务器。应用程序和集群其他服务器跟新的主服务器通信,保证系统正常运行。

ZooKeeper 在阿里巴巴的服务形态演进

consul

因为consul 是新近流行的,所以专门介绍一下

官网 github

Consul 和其它配置中心通用的一些特性

  1. Service Discovery,比较有特色的是支持dns 或http interface
  2. Key/Value Storage - A flexible key/value store enables storing dynamic configuration, feature flagging, coordination, leader election and more. The simple HTTP API makes it easy to use anywhere.

Consul 独有支持的一些特性

  1. Health Checking - Health Checking enables Consul to quickly alert operators about any issues in a cluster. The integration with service discovery prevents routing traffic to unhealthy hosts and enables service level circuit breakers. 没有HealthCheck时,zk 一般通过心跳做简单判断
  2. Multi-Datacenter - Consul is built to be datacenter aware, and can support any number of regions without complex configuration.

Consul 集群部署

consul 两个角色:server,client(都叫consul agent)。 先说server 的安装,假设存在192.168.60.100,192.168.60.101,192.168.60.102 三个节点

nohup consul agent -server -bootstrap -syslog \ ## -bootstrap 只需一个节点即可
    -ui-dir=/opt/consul/web \
    -data-dir=/opt/consul/data \
    -config-dir=/opt/consul/conf \
    -pid-file=/opt/consul/run/consul.pid \
    -client='127.0.0.1 192.168.60.100' \
    -bind=192.168.60.100 \
    -node=192.168.60.100 2>&1 &

每个server 节点相机改下 ip地址即可。

当一个Consul agent启动后,它并不知道其它节点的存在,它是一个孤立的单节点集群。它必须加入到一个现存的集群来感知到其它节点的存在。

consul join --http-addr 192.168.60.100:8500 192.168.60.101
consul join --http-addr 192.168.60.100:8500 192.168.60.102

然后执行 consul member 即可列出当前的集群状态。

Consul默认是在前台运行的,所以使用systemd 来启动和consul 是最佳方案。

/etc/systemd/system/consul.service

[Unit]
Description=Consul service discovery agent
Requires=network-online.target
After=network-online.target

[Service]
#User=consul
#Group=consul
EnvironmentFile=-/etc/default/consul
Environment=GOMAXPROCS=2
Restart=on-failure
#ExecStartPre=[ -f "/opt/consul/run/consul.pid" ] && /usr/bin/rm -f /opt/consul/run/consul.pid
ExecStartPre=-/usr/local/bin/consul configtest -config-dir=/opt/consul/conf
ExecStart=/usr/local/bin/consul agent $CONSUL_OPTS
ExecReload=/bin/kill -HUP $MAINPID
KillSignal=SIGTERM
TimeoutStopSec=5

[Install]
WantedBy=multi-user.target

/etc/default/consul

CONSUL_OPTS=”-server -syslog -data-dir=/opt/consul/data -config-dir=/opt/consul/conf -pid-file=/opt/consul/run/consul.pid -client=0.0.0.0 -bind=192.168.60.100 -join=192.168.60.100 -node=192.168.60.100”

为什么要有一个 consul client?

  1. 因为除了consul server外,consul 推荐数据中心所有的节点上部署 consul client ,这样所有的服务只需与本地的consul client 交互即可,业务本身无需感知 consul server 的存在。PS: 有点service mesh的意思
  2. consul 的一个重要特性是健康检查,就像Kubernetes 一样 可以为容器注册一个readinessProbe,如果让有限数量的consul server 去执行数据中心成百上千服务的healthcheck,负担就太大了。

consul 启动时,默认有一个-dc 参数,默认是dc1。

nacos

nacos下载地址 下载可执行文件解压

nacos-server-$version
    bin
        shutdown.cmd
        shutdown.sh
        startup.cmd
        startup.sh
    conf
        application.properties
        application.properties.example
        cluster.conf.example
    target
        nacos-server.jar

单机模式启动sh startup.sh -m standalone

集群模式下,应先设置配置文件 cluster.conf

# ip:port
200.8.9.16:8848
200.8.9.17:8848
200.8.9.18:8848

数据模型

zookeeper

ZooKeeper的数据结构, 与普通的文件系统类似,每个节点称为一个znode. 每个znode由3部分组成:

  1. stat. 此为状态信息, 描述该znode的版本, 权限等信息.
  2. data. 与该znode关联的数据.
  3. children. 该znode下的子节点.

consul

Consul做服务发现是专业的,配置管理更像是捎带的

  1. node 管理,所有的分布式系统都需要 node 管理
  2. 有专门的服务管理:Service 有专门的数据对象、页面UI入口,专门的注册与查询接口

     {
         "services": [
             {
                 "id": "hello1",
                 "name": "hello",
                 "tags": [
                     "primary"
                 ],
                 "address": "172.17.0.5",
                 "port": 5000,
                 "checks": [
                     {
                     "http": "http://localhost:5000/",
                     "tls_skip_verify": false,
                     "method": "Get",
                     "interval": "10s",
                     "timeout": "1s"
                     }
                 ]
             }
         ]
     }
    
  3. 健康检查是其中一项必不可少的功能
  4. Consul提供了一个易用的键/值存储,可以用来保持动态配置,协助服务协调,领袖选举等。

nacos

//Config Service Interface
public interface ConfigService {
    String getConfig(String dataId, String group, long timeoutMs) throws NacosException;
    String getConfigAndSignListener(String dataId, String group, long timeoutMs, Listener listener) throws NacosException;
    void addListener(String dataId, String group, Listener listener) throws NacosException;
    boolean publishConfig(String dataId, String group, String content) throws NacosException;
    boolean removeConfig(String dataId, String group) throws NacosException;
    void removeListener(String dataId, String group, Listener listener);
    String getServerStatus();
}

服务模型

consul/nacos等中间件被分成了两块功能:服务注册发现(Naming)和配置中心(Config)。一般在聊注册中心时,都会以 Zookeeper 为引子,这也是很多人最熟悉的注册中心。但如果你真的写过或看过使用 Zookeeper 作为注册中心的适配代码,会发现并不是那么容易,再加上注册中心涉及到的一致性原理,这就导致很多人对注册中心的第一印象是:这个东西好难!但归根到底是因为 Zookeeper 根本不是专门为注册中心而设计的,其提供的 API 以及内核设计,并没有预留出「服务模型」的概念,这就使得开发者需要自行设计一个模型,去填补 Zookeeper 和服务发现之间的鸿沟。微服务架构逐渐深入人心后,Nacos、Consul、Eureka 等注册中心组件进入大众的视线。可以发现,这些“真正”的注册中心都有各自的「服务模型」,在使用上也更加的方便。

  1. 服务注册,registerInstance/registerService
  2. 服务隔离,namespace/group/cluster
  3. 服务发现
    1. 推模型,subscribe/unsubscribe
    2. 拉模型,getAllInstances/selectInstances

nacos

Nacos 概念相关概念

  1. 健康检查,以指定方式检查服务下挂载的实例 (Instance) 的健康度,从而确认该实例 (Instance) 是否能提供服务。
  2. 健康保护阈值,为了防止因过多实例 (Instance) 不健康导致流量全部流向健康实例 (Instance) ,继而造成流量压力把健康 健康实例 (Instance) 压垮并形成雪崩效应,应将健康保护阈值定义为一个 0 到 1 之间的浮点数。当域名健康实例 (Instance) 占总服务实例 (Instance) 的比例小于该值时,无论实例 (Instance) 是否健康,都会将这个实例 (Instance) 返回给客户端。这样做虽然损失了一部分流量,但是保证了集群的剩余健康实例 (Instance) 能正常工作。

Nacos 架构

nacos 对外提供http api,下文进一步通过java client sdk 演示 与nacos server的互动

//服务发现注册接口
public interface NamingService {
    void registerInstance(String serviceName, String groupName, String ip, int port, String clusterName) throws NacosException;
    void deregisterInstance(String serviceName, String ip, int port) throws NacosException;
    List<Instance> getAllInstances(String serviceName, String groupName) throws NacosException;
    List<Instance> selectInstances(String serviceName, String groupName, List<String> clusters, boolean healthy, boolean subscribe) throws NacosException;
    Instance selectOneHealthyInstance(String serviceName, String groupName, List<String> clusters, boolean subscribe) throws NacosException;
    void subscribe(String serviceName, String groupName, List<String> clusters, EventListener listener) throws NacosException;
    void unsubscribe(String serviceName, String groupName, List<String> clusters, EventListener listener) throws NacosException;
    ListView<String> getServicesOfServer(int pageNo, int pageSize, String groupName, AbstractSelector selector) throws NacosException;
    List<ServiceInfo> getSubscribeServices() throws NacosException;
    String getServerStatus();
}

我们使用zk 做服务注册中心时,对zk 的api 和服务发现注册操作 之间要进行一些语义转换,NamingService 接口定义了 服务发现注册的 api。

NamingService 使用demo

Properties properties = new Properties();
properties.setProperty("serverAddr", System.getProperty("serverAddr"));
properties.setProperty("namespace", System.getProperty("namespace"));
NamingService naming = NamingFactory.createNamingService(properties);
naming.registerInstance("nacos.test.3", "11.11.11.11", 8888, "TEST1");

ConfigService 使用demo

Properties properties = new Properties();
properties.put("serverAddr", serverAddr);
ConfigService configService = NacosFactory.createConfigService(properties);
String content = configService.getConfig(dataId, group, 5000);

服务注册中心

  健康监测实现
zookeeper 利用临时节点的机制,业务服务启动时创建临时节点,节点在服务就在,节点不存在服务就不存在
etcd 利用TTL机制,业务服务启动时创建键值对,定时更新ttl,ttl过期则服务不可用
consul consul agent每个node一个,会所在节点的服务进行健康检查

ZooKeeper、etcd通过键值存储来实现服务的注册与发现,键值存储都是强一致性的,也就是说键值对会自动同步到多个节点,只要在某个节点上存在就可以认为对应的业务服务是可用的。

小结

分布式配置系统一般有以下不同:

  1. 对外提供的数据格式未完待续
  2. 一致性原理

有以下相同的地方

  1. 都会将部分数据存储在本地(可指定存储目录)
  2. 都是master-slave机制,当master挂掉时,集群立即协商新的master,并以master为准同步数据。
  3. 分布式配置中心为提高可靠性,会以集群的形态存在,那么集群在启动时,如何判定哪些节点是“自己人”。

其它,随着版本的发展,etcd和zookeeper等配置项和端口的意义会有些变化,此处不再赘述。