【SpringCloud】这一次终于使用MQ解决了Eureka服务下线延迟感知问题

前言

其实，“通��Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题”是一种解，但不是最优解

1.痛点

上一篇文章的标题是：

通过Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题

当时在文章的末尾就指出，使用Redis+AOP的方式有很多漏洞，只有在服务调用方发送调用请求的情况下才会触发切面中更新Ribbon缓存的逻辑。如果每次在发布Eureka新服务的场景下，告警的接口都能准确定位到，那将这些接口方法通过切面去针对性的加上更新Ribbon缓存的前置操作完全是没问题的。但是如果告警接口数量众多，并且无法定位，上述方法就有些不够看了。

2.解决方案

于是，基于此种困境，我想到了用mq的事件驱动模式来推进Ribbon缓存更新（“下线”这一事件驱动，而不是“发送跨服务调用请求”这一事件），具体如下：

即，当服务被调用方中调用了下线接口下线了指定服务，会生产消息到MQ里，服务被调用方会监听这个队列去消费消息，并通过消费消息这一事件（消费下线服务端口信息）去驱动更新Ribbon缓存。

说明：

在以前我觉得用MQ不能做下线，压测了很多次也没成功，这本质还是没搞懂Eureka-Server，Eureka-Client，Ribbon三者的关系和之间的动作，其实这个体系里有两个非常关键的点（在配置文件中设置），可以直接影响无感知下线的结果，需要动态调整：那就是要关闭Eureka-server的三级缓存useReadOnlyResponseCache: false，并且缩短Eureka-Client端向Eureka-server端拉取服务列表的时间registry-fetch-interval-seconds: 3。可能这里大家看到去改配置有点鸡肋并且在实际场景中也不太现实，但别急，暂时先往下看，后面我会专门写一篇文章来解决这一问题

3.具体实现

3.1配置RabbitMQ

1.配置RabbitMQ（安装这些大家可以去看看平台比较成熟的文章）这里就不写了，我是直接在服务器上用docker容器化运行的：

在调用方与被调用方都配好MQ

3.2生产下线消息

首先声明一个队列：

@Configuration@EnableRabbitpublic class RabbitMqConfig {    @Bean    public Queue theQueue() {        return new Queue("SERVER_LIST");    }}

服务下线接口处，生产下线消息到MQ，向这接口/service-down-list发送GET请求，传递指定的下线服务实例信息即可下线服务，即http://localhost:8081/control/service-down-list?portParams=8083就下线了8083服务实例

    @Value("${eureka-server.ipAddress}")    private String ipAddress;    @Value("${eureka-server.appName}")    private String appName;    @Value("${DIY_QUEUE.VALUE}")    private String queueName;    @GetMapping(value = "/service-down-list")    public String offLine(@RequestParam List portParams) {        List successList = new ArrayList();        //得到服务信息        List instances = eurekaClient.getInstancesByVipAddress(appName, false);        List servicePorts = instances.stream().map(InstanceInfo::getPort).collect(Collectors.toList());        //去服务列表里挨个下线        OkHttpClient client = new OkHttpClient();        log.error("开始时间：{}", System.currentTimeMillis());        portParams.parallelStream().forEach(temp -> {            if (servicePorts.contains(temp)) {                String url = "http://" + ipAddress + ":" + temp + "/control/service-down";                try {                    Response response = client.newCall(new Request.Builder().url(url).build()).execute();                    if (response.code() == 200) {                        log.debug(temp + "服务下线成功");                        successList.add(temp);                    } else {                        log.debug(temp + "服务下线失败");                    }                } catch (IOException e) {                    log.error(e.toString());                }            }        });        //todo MQ通知        HashMap portInfo = new HashMap();        portInfo.put(appName,successList);        rabbitTemplate.convertAndSend(queueName,portInfo);        return successList + "优雅下线成功";    }

这里向MQ的队列里传递了下线的服务实例端口信息

3.3更新Ribbon缓存

服务调用方通过“下线“这一事件驱动Ribbon缓存更新

/** * 消费者 */@Slf4j@Componentpublic class Consumer {    @Resource    SpringClientFactory springClientFactory;    @Resource    ClearRibbonCacheBean clearRibbonCacheBean;    @RabbitListener(queues = "SERVER_LIST")    public void listenWorkQueue1(HashMap message) {        log.debug("消费者1接收到消息——" + message + "时间为：" + LocalTime.now());        for (String key : message.keySet()) {            List value = message.get(key);            log.debug("Key: " + key);            log.debug("Value: " + value);            if (ObjectUtils.isNotEmpty(value)) {                clearRibbonCacheBean.clearRibbonCache(springClientFactory, value.toString(), key);            }            log.debug("现在的所有服务列表：{}", springClientFactory.getLoadBalancer(key).getAllServers());        }    }}

清理Ribbon缓存的Bean：

/** * 手动清除Ribbon缓存 */@Configuration@Slf4jpublic class ClearRibbonCacheBean {    /**     * 削减     */    public static boolean cutDown(List ports, Server index) {        return ports.contains(index.getPort());    }    public void clearRibbonCache(SpringClientFactory clientFactory, String portParams,String appName) {        // 获取指定服务的负载均衡器        ILoadBalancer loadBalancer = clientFactory.getLoadBalancer(appName);        //在主动拉取可用列表，而不是走拦截器被动的方式——这里为什么获取可用的之后还要过滤，就是因为所谓的可用不是实时的可用而是缓存中的可用        List reachableServers = loadBalancer.getReachableServers();//这里从客户端获取，会等待客户端同步三级缓存        //过滤掉已经下线的端口，符合条件端口的服务过滤出来        List portList = StringChange.stringToList(portParams);        List ableServers = reachableServers.stream().filter(temp -> !cutDown(portList, temp)).collect(Collectors.toList());        log.debug("可用服务列表：{}", ableServers);        // 在某个时机需要清除Ribbon缓存        ((BaseLoadBalancer) loadBalancer).setServersList(ableServers); // 清除Ribbon负载均衡器的缓存    }

3.4压测

运行项目，调用下线接口并压测来模拟一下线上场景：

此时我们调用下线接口，下线8083服务实例：

压测结果，均无异常：

观察服务实例的日志输出：

未下线的8081,8084

下线的8083

这说明，Eureka服务下线感知的延迟已经完全被消除

4.优化

声明一个新队列：

    @Bean    public Queue theQueue() {        return new Queue("USER-QUEUE");    }

将生产消息的地方改为携带一个routingkey并发送到交换机中：

  //todo MQ通知  HashMap portInfo = new HashMap();  portInfo.put(appName,successList);  rabbitTemplate.convertAndSend(exchangeName,"USER.SERVICE-DOWN",portInfo);// 这个队列以后可能会发USER话题下的很多信息

将消费者端的消息监听器进行改造，变为监听指定话题的消息：

 @RabbitListener(bindings = @QueueBinding(            value = @Queue(name = "USER-QUEUE"),            exchange = @Exchange(name = "USER-TOPIC", type = ExchangeTypes.TOPIC),            key = "USER.SERVICE-DOWN")    )    public void listenWorkQueue1(HashMap message) {        log.debug("消费者1接收到消息——" + message + "时间为：" + LocalTime.now());        for (String key : message.keySet()) {            List value = message.get(key);            log.debug("Key: " + key);            log.debug("Value: " + value);            if (ObjectUtils.isNotEmpty(value)) {                clearRibbonCacheBean.clearRibbonCache(springClientFactory, value.toString(), key);            }            log.debug("现在的所有服务列表：{}", springClientFactory.getLoadBalancer(key).getAllServers());        }    }