Eureka的三级缓存以及生产优化

最新推荐文章于 2024-04-18 06:16:15 发布

宇泽希

最新推荐文章于 2024-04-18 06:16:15 发布

阅读量1.4k

点赞数 2

分类专栏：笔记文章标签： eureka java

本文链接：https://blog.csdn.net/weixin_49149614/article/details/121059046

版权

笔记专栏收录该内容

27 篇文章 2 订阅

订阅专栏

Eureka生产优化

Eureka生产优化核心就是优化服务注册、上下线的速度，减少服务上下线的延时

eureka的优化之前需要了解原理，通过debug发现待优化的点

原理概述

进入EurekaServer的依赖中发现通过配置文件spring.factories将EurekaServerAutoConfiguration注入进来
我们的启动类上又有个@EnableEurekaServer
进入这个注解中发现又导入了EurekaServerMarkerConfiguration

在EurekaServerMarkerConfiguration类中注入了一个Marker空类

@Configuration(proxyBeanMethods = false)
public class EurekaServerMarkerConfiguration {

	@Bean
	public Marker eurekaServerMarkerBean() {
		return new Marker();  // 注入了一个空类
	}

	class Marker {

	}

}

通过@ConditionalOnBean(EurekaServerMarkerConfiguration.Marker.class)发现，容器中有了这个Marker类才能将EurekaServerAutoConfiguration类注入到容器中，这个Marker类（空类）就是起到一个开关的作用

结构图：

Eureka的自我保护

假设如果总共有1000个服务，此时有3个服务因为网络抖动导致Eureka-Server收不到心跳，这会是非常正常的现象，但是我们的Eureka不能因为网络抖动把这三个收不到心跳的服务踢掉。

但是如果不开启自我保护机制这三个就会踢掉了。

什么时候开自我保护什么时候不开呢？

服务多的时候开启自我保护，服务少的不开启。

因为服务多的时候，超过15%没收到心跳，网络问题可能性更大。但是服务少超过15%没心跳，服务挂的可能性更大，如果把挂掉的服务保护起来，就会给客户端返回错

一些配置信息

**客户端心跳发送时间间隔（eureka.instance.lease-renewal-interval-in-seconds）：**默认30s

客户端服务续约时间（eureka.instance.lease-expiration-duration-in-seconds）： 默认90s。当客户端最后一次发送心跳后，在该服务续约时间内如果没有再向服务端发送心跳链接，则服务器端可以对该服务进行剔除操作。（客户端配置）

**服务端的服务剔除时间间隔（eureka.server.eviction-interval-timer-in-ms）：**默认60 * 1000（60s ）。在server服务端会定期的将没有心跳的服务剔除。（服务端配置）

阈值更新时间间隔（renewalPercentThreshold） : eureka-server此次单位时间内收到的心跳总数 / 上次单位时间内收到的心跳总数（系统默认配置的因子值为0.85）的间隔时间，默认为15分钟。

获取注册信息的时间间隔(eureka.client.registry-fetchI-interval-seconds ): 从eureka服务器注册表中获取注册信息的时间间隔（s），默认为30秒

什么时候开启自我保护机制：Eureka Server有个阈值，当此次单位时间内收到的心跳总数 / 上次单位时间内收到的心跳总数小于阈值，就会触发自我保护机制，Eureka就认为本台EurekaServer节点可能网络出现故障，当做自身问题处理，不会去剔除客户端服务信息。（当然也存在可能真的是Eureka客户端服务节点真的都挂了，调用将会出现失败情况）

三级缓存

Eureka Server 存在三个变量：registry、readWriteCacheMap、readOnlyCacheMap 保存服务注册信息。

public abstract class AbstractInstanceRegistry implements InstanceRegistry {
    // 一级缓存registry注册表
    private final ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>> registry
            = new ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();
}

public class ResponseCacheImpl implements ResponseCache {
    
    // 三级缓存readOnlyCacheMap
    private final ConcurrentMap<Key, Value> readOnlyCacheMap = new ConcurrentHashMap<Key, Value>();
		// 二级缓存readWriteCacheMap
    private final LoadingCache<Key, Value> readWriteCacheMap;
}

三级缓存工作流程
默认情况下定时任务每 30s 将 readWriteCacheMap 同步至 readOnlyCacheMap，每 60s 清理超过 90s 未续约的节点，Eureka Client 每 30s 从 readOnlyCacheMap 拉取服务注册信息，而服务的注册则在 registry 更新信息。

源码如下(ResponseCacheImpl类)

// 这是个定时任务
private TimerTask getCacheUpdateTask() {
        return new TimerTask() {
            @Override
            public void run() {
                logger.debug("Updating the client cache from response cache");
                for (Key key : readOnlyCacheMap.keySet()) {
                    if (logger.isDebugEnabled()) {
                        logger.debug("Updating the client cache from response cache for key : {} {} {} {}",
                                key.getEntityType(), key.getName(), key.getVersion(), key.getType());
                    }
                    try {
                        CurrentRequestVersion.set(key.getVersion());
                        Value cacheValue = readWriteCacheMap.get(key); // 从二级缓存里拉取信息
                        Value currentCacheValue = readOnlyCacheMap.get(key);  // 从三级缓存里拉取信息
                        if (cacheValue != currentCacheValue) {    // 如果信息不同将信息同步一下
                            readOnlyCacheMap.put(key, cacheValue);
                        }
                    } catch (Throwable th) {
                        logger.error("Error while updating the client cache from response cache for key {}", key.toStringCompact(), th);
                    } finally {
                        CurrentRequestVersion.remove();
                    }
                }
            }
        };
    }

// 这段代码是每隔一段时间调用上面那个二三级缓存同步的定时任务
if (shouldUseReadOnlyResponseCache) {
            timer.schedule(getCacheUpdateTask(),
                    new Date(((System.currentTimeMillis() / responseCacheUpdateIntervalMs) * responseCacheUpdateIntervalMs)
                            + responseCacheUpdateIntervalMs),
                    responseCacheUpdateIntervalMs);
}

三级缓存的优点
保证了对EurekaServer的大量请求，都是快速从内存中取，提高性能的同时保证了注册表中的数据不会出现读写冲突。

eureka.server.use-read-only-response-cache  # 是否使用多级缓存

Eureka的CAP

Eureka同步注册表的流程

每 30s 从二级缓存向三级缓存同步数据

二级缓存有效
- 从二级缓存向三级缓存同步数据
二级缓存失效
- 触发二级缓存的同步（从registry注册表中拉取数据）

在哪些地方没实现一致性？也就是CAP中的C。

ReadOnlyCacheMap和ReadWriteCacheMap之间的数据同步

由于我们取获取服务时，默认从readOnlyCacheMap中读取，由于readWriteCacheMap每隔30s才同步到readOnlyCacheMap，数据不是强一致性的，所以这是Eureka只实现了AP，没有实现C的原因。
从其他节点获取注册表，所以不保证节点间的状态一定是强一致，只能保证最终一致
集群同步，集群并没有扩大Eureka并没有扩大它的承受能力，只是实现了可用性。
在什么情况下会同步数据？我们从以下几个节点分析。
1. 注册：第一个节点注册进来，只同步下一个节点。
2. 续约：有新服务续约，自动同步到其他Eureka-Server。
3. 下线：一直同步所有集群。
4. 剔除：不同步，每个Server都有自己的剔除机制。

服务测算

怎样测算出Eureka的并发量

比如有100个服务，每个服务部署20个实例。就是2000个实例。

每台机器上的服务实例内部都有一个Eureka Client组件，它会每隔30秒请求一次Eureka Server，拉取变化的注册表。

那么这个Eureka Server作为一个微服务注册中心，每秒钟要被请求多少次？一天要被请求多少次？

此外，每个服务实例上的Eureka Client都会每隔30秒发送一次心跳请求给Eureka Server。

一个实例默认30秒发一次心跳，30秒拉取一次注册表。那Service每分钟接收到的请求量就是。2000 * 2 * 2 = 8000次。那一天能承受的量就是 8000 * 60 * 24 = 1152w次请求，每天1000多万的访问量。

换算到每秒，则是8000 / 60 = 133次左右，大概估算为Eureka Server每秒会被请求150次

所以通过设置一个适当的拉取注册表以及发送心跳的频率，可以保证大规模系统里对Eureka Server的请求压力不会太大。

定时器Timer的优化

Eureka源码用了大量的Timer定时任务，由于Timer定时器存在以下缺陷：

Timer的缺陷：
Timer在执行所有定时任务时只会创建一个线程，当存在多个任务时，其任务是串行执行的。由于Timer只会创建一个线程，那么在TimerTask抛出了一个未检出的异常，那么Timer线程就会被终止掉，导致其它任务都停止。Timer执行周期任务时依赖系统时间，如果当前系统时间发生变化会出现一些执行上的变化。
建议使用ScheduledExecutorService

但是它是基于源码层面的，我们无法进行修改

Eureka注册的原理

发起注册，先注册到registry中
找readOnlyCacheMap —没有—> readWriteCacheMap —没有—> registry
拉取注册表到服务中
新部署了一个服务，注册到了registry中
registry发生变化，过期readWriteCacheMap
自动同步两个readWriteCacheMap到readOnlyCacheMap

Eureka服务优化点

1、Eureka服务的快速下线

Eureka Server在启动时会创建一个定时任务，每隔一段时间(默认60秒)，从当前服务清单中把超时没有续约(默认90秒)的服务剔除。我们可以把服务剔除这个定时任务间隔的时间设置得短一点，做到快速下线。防止拉取到不可用的服务。

eureka:  
	server:     
		eviction-interval-timer-in-ms: 1000 //比如1s

2、缓存优化

Eureka Server为了避免同时读写内存数据结构造成的并发冲突问题，采用了3级缓存机制来进一步提升服务请求的响应速度。

拉取注册表的步骤是：

首先从ReadOnlyCacheMap里查缓存的注册表。
若没有，就找ReadWriteCacheMap里缓存的注册表。
如果还没有，就从内存中registry中获取实际的注册表数据。

当新的服务注册，先更新注册表registry中的数据和ReadWriteCacheMap里缓存的数据，默认30s后把ReadWriteCacheMap里面的数据更新到ReadOnlyCacheMap。

为了提高服务被发现的速度。我们可以做一些设置。

拉取服务的时候，不从ReadOnlyCacheMap里查，直接从ReadWriteCacheMap取。

eureka: 
	server:
		use-read-only-response-cache: false    # 关闭从ReadOnlyCacheMap拉取数据。

缩短ReadWriteCacheMap向ReadOnlyCacheMap同步的时间间隔，默认30秒，我们可以优化到1秒，这个根据自己的情况而定。

eureka: 
	server:
    response-cache-update-interval-ms: 1000  # 减少readWrite 和 readOnly 同步时间间隔。

3、客户端拉取注册表更及时

客户端会定时到eureka-server拉取注册表。默认情况下每30秒拉取一次。可以根据实际情况设置拉取时间间隔。

eureka:  
	client:   
		fetch-registry: true  
    registry-fetch-interval-seconds: 3   # 拉取注册表信息间隔时间

4、url顺序的打乱

我们在生产中配置eureka.client.service-url.defaultZone的时候，各个client端的配置尽量要随机一下，即打乱一下defaultZone中url的顺序。

原因：

在拉取注册表的时候，默认从第一个url开始拉取，拉取不到才从下一个拉取，并且最多只能拉取3个
在注册的时候，只会注册到第一个url，然后同步到后面的url，所以我们打乱了顺序以后，就减少了对某一个server的依赖，也降低了对某一个server的请求次数。

5、client心跳频率
默认情况下，client每隔30秒就会向服务端发送一次心跳。这个时间也可以适当调小一点。

eureka: 
	instance:   
  	lease-renewal-interval-in-seconds: 30   # 每间隔30s，向服务端发送一次心跳。

6、服务端剔除客户端的时间间隔

默认情况下，server在90s之内没有收到client心跳，将服务踢出掉。为了让服务快速响应，可以适当地把这个时间改的小一点。

eureka: 
	instance:   
  	lease-expiration-duration-in-seconds: 90

https://blog.csdn.net/weixin_39665762/article/details/112183496

Eureka的优雅下线和重启服务

方式1：直接关闭服务

简单粗暴，如果直接kill -9 Springcloud服务端口号，服务不会立即剔除，还会在注册表中，等待server在默认90s之内没有收到client心跳进行剔除，那么就会期间导致服务还能调用，但是会报错。

解决办法：

调用方要有重试策略：比如使用Feign作为客户端调用接口可以配置ribbon的重试策略
被调用方要有幂等策略：防止重试调用时出现重复数据的问题。

方式2：调用eurekaClient.shutdown()

调用此方法删除registry中的注册表，但是服务拉取的时候默认走的第三级缓存（ReadOnlyCacheMap），在定时任务同步registry之前这段时间服务依然会正常调用

此方法只能将服务下线，无法将服务上线

方式3：使用actuator

/actuator/service-registry 可以以Get请求的方式获取当前服务的状态，以Post请求的方式修改当前服务状态，如将服务设置为Down状态，这样其他微服务接收到此状态后将不调用此服务。

将服务状态设置为DOWN：

将服务状态设置为UP

这样一个服务的上线和下线就优雅的完成了

总结

以上三种方式都可以实现微服的下线，第三种方式最为优雅，可以主动下线和上线

宇泽希

关注

2
点赞
踩
10

收藏

觉得还不错? 一键收藏
2
评论
Eureka的三级缓存以及生产优化

Eureka生产优化Eureka生产优化核心就是优化服务注册、上下线的速度eureka的优化之前需要了解原理，通过debug发现待优化的点原理概述进入EurekaServer的依赖中发现通过配置文件spring.factories将EurekaServerAutoConfiguration注入进来我们的启动类上又有个@EnableEurekaServer进入这个注解中发现又导入了EurekaServerMarkerConfiguration在EurekaServerM
复制链接

扫一扫