Eureka服务治理机制与Dubbo服务治理机制的比较:
Feature | Eureka | Zookeeper |
---|---|---|
服务健康检查 | 可配支持 | (弱)长连接,keepalive |
CAP | AP | CP |
watch支持(客户端观察到服务提供者的变化) | 支持long polling/大部分增量 | 支持 |
自我保护 | 支持 | - |
客户端缓存 | 支持 | - |
自身集群监控 | metrics | - |
Eureka 支持健康检查,自我保护等。
Zookeeper为CP设计,Eureka为AP设计。作为服务发现产品,可用性优先级较高,一致性的特点并不重要,宁可返回错误的数据,也比不返回结果要好的多。
服务列表变更Zookeeper服务端会有通知,Eureka则通过长轮询来实现。
CAP理论:
- 一致性(Consistency)
- 可用性(Availability)
- 分区容错性(Partition tolerance)
分区容忍性:分布式系统在遇到任何网络分区故障的时候,仍然能够保证对外提供满足一致性和可用性的服务,除非是整个网络环境都发生了故障。
CAP理论提出就是针对分布式数据库环境的,所以,P这个属性是必须具备的。
P就是在分布式环境中,由于网络的问题可能导致某个节点和其他节点失去联系,这时就形成了P(partition),也就是由于网络问题,将系统的成员隔离成了2个区域,互相无法知道对方的状态,这在分布式环境下是非常常见的。
在分布式环境下,为了保证系统可用性,通常都采用了复制的方式,避免一个节点损坏,导致系统的不可用。(例如数据库的读写,通常对数据库的大部分操作都是读,所以会布置较多的读的服务器,数据库的读写是分离的。为了保证数据的一致性,写数据库经过操作,就要对每个读数据库进行同步。)当出现网络问题,导致读写节点之间的连接异常时,我们就要面临两个选择:
① 选择可用性A (availability),此时,那个失去联系的节点依然可以向系统提供服务,不过他的数据就不能保证是同步的了(失去了 C属性)。
② 选择一致性C(Consistency),为了保证数据库的一致性,我们必须等待失去联系的节点恢复过来,在这个过程中,那个节点是不允许对外提供服务的,这时候系统处于不可用状态(失去了A属性)。
最常见的例子是读写分离,某个节点负责写入数据,然后将数据同步到其他节点,其他节点提供读取的服务,当两个节点出现通信问题时,你就面临着选择A(继续提供服务,但是数据不保证准确),C(用户处于等待状态,一直等到数据同步完成)