一个线上问题的思考：Eureka注册中心集群如何实现客户端请求负载及故障转移？

前言

先抛一个问题给我聪明的读者，如果你们使用微服务SpringCloud-Netflix进行业务开发，那么线上注册中心肯定也是用了集群部署，问题来了：

你了解Eureka注册中心集群如何实现客户端请求负载及故障转移吗？

可以先思考一分钟，我希望你能够带着问题来阅读此篇文章，也希望你看完文章后会有所收获！

背景

前段时间线上Sentry平台报警，多个业务服务在和注册中心交互时，例如续约和注册表增量拉取等都报了Request execution failed with message : Connection refused 的警告：

紧接着又看到 Request execution succeeded on retry #2 的日志。

看到这里，表明我们的服务在尝试两次重连后和注册中心交互正常了。

一切都显得那么有惊无险，这里报Connection refused 是注册中心网络抖动导致的，接着触发了我们服务的重连，重连成功后一切又恢复正常。

这次的报警虽然没有对我们线上业务造成影响，并且也在第一时间恢复了正常，但作为一个爱思考的小火鸡，我很好奇这背后的一系列逻辑：Eureka注册中心集群如何实现客户端请求负载及故障转移？

注册中心集群负载测试

线上注册中心是由三台机器组成的集群，都是4c8g的配置，业务端配置注册中心地址如下(这里的peer来代替具体的ip地址)：

eureka.client.serviceUrl.defaultZone=http://peer1:8080/eureka/,http://peer2:8080/eureka/,http://peer3:8080/eureka/

我们可以写了一个Demo进行测试：

注册中心集群负载测试

1、本地通过修改EurekaServer服务的端口号来模拟注册中心集群部署，分别以8761和8762两个端口进行启动

2、启动客户端SeviceA，配置注册中心地址为：http://localhost:8761/eureka,http://localhost:8762/eureka

3、启动SeviceA时在发送注册请求的地方打断点：AbstractJerseyEurekaHttpClient.register()，如下图所示：

这里看到请求注册中心时，连接的是8761这个端口的服务。

4、更改ServiceA中注册中心的配置：http://localhost:8762/eureka,http://localhost:8761/eureka

5、重新启动SeviceA然后查看端口，如下图所示：

此时看到请求注册中心是，连接的是8762这个端口的服务。

注册中心故障转移测试

以两个端口分别启动EurekaServer服务，再启动一个客户端ServiceA。启动成功后，关闭一个8761端口对应的服务，查看此时客户端是否会自动迁移请求到8762端口对应的服务：

1、以8761和8762两个端口号启动EurekaServer

2、启动ServiceA，配置注册中心地址为：http://localhost:8761/eureka,http://localhost:8762/eureka

3、启动成功后，关闭8761端口的EurekaServer

4、在EurekaClient端发送心跳请求的地方打上断点：AbstractJerseyEurekaHttpClient.sendHeartBeat()

5、查看断点处数据，第一次请求的EurekaServer是8761端口的服务，因为该服务已经关闭，所以返回的response是null

6、第二次会重新请求8762端口的服务，返回的response为状态为200，故障转移成功，如下图：

思考

通过这两个测试Demo，我以为EurekaClient每次都会取defaultZone配置的第一个host作为请求EurekaServer的请求的地址，如果该节点故障时，会自动切换配置中的下一个EurekaServer进行重新请求。

那么疑问来了，EurekaClient每次请求真的是以配置的defaultZone配置的第一个服务节点作为请求的吗？这似乎也太弱了！！？

EurekaServer集群不就成了伪集群！！？除了客户端配置的第一个节点，其它注册中心的节点都只能作为备份和故障转移来使用！！？

真相是这样吗？NO！我们眼见也不一定为实，源码面前毫无秘密！

翠花，上干货！

客户端请求负载原理

原理图解

还是先上结论，负载原理如图所示：

这里会以EurekaClient端的IP作为随机的种子，然后随机打乱serverList，例如我们在商品服务(192.168.10.56)中配置的注册中心集群地址为：peer1,peer2,peer3，打乱后的地址可能变成peer3,peer2,peer1。

用户服务(192.168.22.31)中配置的注册中心集群地址为：peer1,peer2,peer3，打乱后的地址可能变成peer2,peer1,peer3。

EurekaClient每次请求serverList中的第一个服务，从而达到负载的目的。

代码实现

我们直接看最底层负载代码的实现，具体代码在

com.netflix.discovery.shared.resolver.ResolverUtils.randomize() 中：

这里面random 是通过我们EurekaClient端的ipv4做为随机的种子，生成一个重新排序的serverList，也就是对应代码中的randomList，所以每个EurekaClient获取到的serverList顺序可能不同，在使用过程中，取列表的第一个元素作为server端host，从而达到负载的目的。

思考

原来代码是通过EurekaClient的IP进行负载的，所以刚才通过DEMO程序结果就能解释的通了，因为我们做实验都是用的同一个IP，所以每次都是会访问同一个Server节点。

既然说到了负载，这里肯定会有另一个疑问：

通过IP进行的负载均衡，每次请求都会均匀分散到每一个Server节点吗？

比如第一次访问Peer1，第二次访问Peer2，第三次访问Peer3，第四次继续访问Peer1等，循环往复......

我们可以继续做个试验，假如我们有10000个EurekaClient节点，3个EurekaServer节点。

Client节点的IP区间为：192.168.0.0 ~ 192.168.255.255，这里面共覆盖6w多个ip段，测试代码如下：

/**

 * 模拟注册中心集群负载，验证负载散列算法

 *

 *  @author 一枝花算不算浪漫

 *  @date 2020/6/21 23:36

 */

public class EurekaClusterLoadBalanceTest {

    public static void main(String[] args) {

        testEurekaClusterBalance();

    }

    /**

     * 模拟ip段测试注册中心负载集群

     */

    private static void testEurekaClusterBalance() {

        int ipLoopSize = 65000;

        String ipFormat = "192.168.%s.%s";

        TreeMap<String, Integer> ipMap = Maps.newTreeMap();

        int netIndex = 0;

        int lastIndex = 0;

        for (int i = 0; i < ipLoopSize; i++) {

            if (lastIndex == 256) {

                netIndex += 1;

                lastIndex = 0;

            }

            String ip = String.format(ipFormat, netIndex, lastIndex);

            randomize(ip, ipMap);

            System.out.println("IP: " + ip);

            lastIndex += 1;

        }

        printIpResult(ipMap, ipLoopSize);

    }

    /**

     * 模拟指定ip地址获取对应注册中心负载

     */

    private static void randomize(String eurekaClientIp, TreeMap<String, Integer> ipMap) {

        List<String> eurekaServerUrlList = Lists.newArrayList();

        eurekaServerUrlList.add("http://peer1:8080/eureka/");

        eurekaServerUrlList.add("http://peer2:8080/eureka/");

        eurekaServerUrlList.add("http://peer3:8080/eureka/");

        List<String> randomList = new ArrayList<>(eurekaServerUrlList);

        Random random = new Random(eurekaClientIp.hashCode());

        int last = randomList.size() - 1;

        for (int i = 0; i < last; i++) {

            int pos = random.nextInt(randomList.size() - i);

            if (pos != i) {

                Collections.swap(randomList, i, pos);

            }

        }

        for (String eurekaHost : randomList) {

            int ipCount = ipMap.get(eurekaHost) == null ? 0 : ipMap.get(eurekaHost);

            ipMap.put(eurekaHost, ipCount + 1);

            break;

        }

    }

    private static void printIpResult(TreeMap<String, Integer> ipMap, int totalCount) {

        for (Map.Entry<String, Integer> entry : ipMap.entrySet()) {

            Integer count = entry.getValue();

            BigDecimal rate = new BigDecimal(count).divide(new BigDecimal(totalCount), 2, BigDecimal.ROUND_HALF_UP);

            System.out.println(entry.getKey() + ":" + count + ":" + rate.multiply(new BigDecimal(100)).setScale(0, BigDecimal.ROUND_HALF_UP) + "%");

        }

    }

}

负载测试结果如下：

可以看到第二个机器会有50%的请求，最后一台机器只有17%的请求，负载的情况并不是很均匀，我认为通过IP负载并不是一个好的方案。

还记得我们之前讲过Ribbon默认的轮询算法RoundRobinRule，【一起学源码-微服务】Ribbon 源码四：进一步探究Ribbon的IRule和IPing 。

这种算法就是一个很好的散列算法，可以保证每次请求都很均匀，原理如下图：

故障转移原理

原理图解

还是先上结论，如下图：

我们的serverList按照client端的ip进行重排序后，每次都会请求第一个元素作为和Server端交互的host，如果请求失败，会尝试请求serverList列表中的第二个元素继续请求，这次请求成功后，会将此次请求的host放到全局的一个变量中保存起来，下次client端再次请求就会直接使用这个host。

这里最多会重试请求两次。

代码实现

直接看底层交互的代码，位置在

com.netflix.discovery.shared.transport.decorator.RetryableEurekaHttpClient.execute() 中：

我们来分析下这个代码：

第101行，获取client上次成功server端的host，如果有值则直接使用这个host
第105行，getHostCandidates()是获取client端配置的serverList数据，且通过ip进行重排序的列表
第114行，candidateHosts.get(endpointIdx++)，初始endpointIdx=0，获取列表中第1个元素作为host请求
第120行，获取返回的response结果，如果返回的状态码是200，则将此次请求的host设置到全局的delegate变量中
第133行，执行到这里说明第120行执行的response返回的状态码不是200，也就是执行失败，将全局变量delegate中的数据清空
再次循环第一步，此时endpointIdx=1，获取列表中的第二个元素作为host请求
依次执行，第100行的循环条件numberOfRetries=3，最多重试2次就会跳出循环

我们还可以第123和129行，这也正是我们业务抛出来的日志信息，所有的一切都对应上了。

总结

感谢你看到这里，相信你已经清楚了开头提问的问题。

上面已经分析完了Eureka集群下Client端请求时负载均衡的选择以及集群故障时自动重试请求的实现原理。

如果还有不懂的问题，可以添加我的微信或者给我公众号留言，我会单独和你讨论交流。

本文首发自：一枝花算不算浪漫 公众号，如若转载请在文章开头标明出处，如需开白可直接公众号回复即可。