Spring Cloud

本文示例基于Spring Boot 1.5.x实现，如对Spring Boot不熟悉，可以先学习我的这一篇：《Spring Boot 1.5.x 基础学习示例》。关于微服务基本概念不了解的童鞋，可以先阅读下始祖Martin Fowler的《Microservice》，本文不做介绍和描述。一、分布式服务框架的发展1.1 第一代服务框架　　代表：Dubbo(Java)、Orleans(.Net)等　　特点：和语言绑定紧密1.2 第二代服务框架　　代表：Spring Cloud等　　现状：适合混合式开发（例如借助Steeltoe OSS可以让ASP.Net Core与Spring Cloud集成），正值当年1.3 第三代服务框架　　代表：Service Mesh（服务网格） => 例如Service Fabric、lstio、Linkerd、Conduit等　　现状：在快速发展中，更新迭代比较快1.4 未来（目测不久）主流的服务架构和技术栈　　　　基础的云平台为微服务提供了资源能力（计算、存储和网络等），容器作为最小工作单元被Kubernetes调度和编排，Service Mesh（服务网格）管理微服务的服务通信，最后通过API Gateway向外暴露微服务的业务接口。　　目前，我所在的项目组已经在采用这种技术架构了，服务网格采用的是Linkerd，容器编排采用的是K8S，Spring Cloud已经没用了。But，不代表Spring Cloud没有学习的意义，对于中小型项目团队，Spring Cloud仍然是快速首选。二、Spring Cloud 简介2.1 Spring Cloud极简介绍　　 　　首先，尽管Spring Cloud带有“Cloud”这个单词，但它并不是云计算解决方案，而是在Spring Boot基础之上构建的，用于快速构建分布式系统的通用模式的工具集。　　 其次，使用Spring Cloud开发的应用程序非常适合在Docker和PaaS（比如Pivotal Cloud Foundry）上部署，所以又叫做云原生应用（Cloud Native Application）。云原生可以简单地理解为面向云环境的软件架构。总结 ：Spring Cloud是一个基于Spring Boot实现的云原生应用开发工具，它为基于JVM的云原生应用开发中涉及的配置管理、服务发现、熔断器、智能路由、微代理、控制总线、分布式会话和集群状态管理等操作提供了一种简单的开发方式。　　Spring Cloud具有如下特点：约定大于配置适用于各种环境隐藏了组件的复杂性，并提供声明式、无XML式的配置方式开箱即用，快速启动组件丰富，功能齐全…　　Spring Cloud作为第二代微服务的代表性框架，已经在国内众多大中小型的公司有实际应用案例。许多公司的业务线全部拥抱Spring Cloud，部分公司选择部分拥抱Spring Cloud。例如，拍拍贷资深架构师杨波老师就根据自己的实际经验以及对Spring Cloud的深入调研，并结合国内一线互联网大厂的开源项目应用实践结果，认为Spring Cloud技术栈中的有些组件离生产级开发尚有一定距离，最后提出了一个可供中小团队参考的微服务架构技术栈，又被称为“中国特色的微服务架构技术栈1.0”：　　　　上图中涉及到的组件，这里不做具体介绍，有兴趣的童鞋可以浏览波波老师的这篇文章：《一个可供中小团队参考的微服务架构技术栈》。2.2 Spring Cloud核心子项目Spring Cloud Netflix：核心组件，可以对多个Netflix OSS开源套件进行整合，包括以下几个组件：Eureka：服务治理组件，包含服务注册与发现Hystrix：容错管理组件，实现了熔断器Ribbon：客户端负载均衡的服务调用组件Feign：基于Ribbon和Hystrix的声明式服务调用组件Zuul：网关组件，提供智能路由、访问过滤等功能Archaius：外部化配置组件Spring Cloud Config：配置管理工具，实现应用配置的外部化存储，支持客户端配置信息刷新、加密/解密配置内容等。Spring Cloud Bus：事件、消息总线，用于传播集群中的状态变化或事件，以及触发后续的处理Spring Cloud Security：基于spring security的安全工具包，为我们的应用程序添加安全控制Spring Cloud Consul : 封装了Consul操作，Consul是一个服务发现与配置工具（与Eureka作用类似），与Docker容器可以无缝集成…三、参考学习资料　　备注：下面资料都是我们项目组新同事以及老同事（.Net技术背景）所采用的学习资料，并不保证适合于所有人。本示例主要也主要是基于下面的资料而写的sample code。　　（1）周立：《Spring Cloud与Docker 微服务架构实战》　　　　（2）程序猿DD：《Spring Cloud 微服务实战》、《Spring Cloud基础教程（Dalston版本）（强力推荐）》　　　　（3）纯洁的微笑，《Spring Cloud系列文章》四、示例结构说明4.1 示例环境版本Java : JDK & JRE 1.8 8u151Spring Boot : 1.5.15.RELEASESpring Cloud : Edgware.SR3 （小贴士：Spring Cloud的版本命名是以伦敦地铁站的名字来命名的）4.2 示例地址与结构说明　　示例地址：https://github.com/EdisonChou/EDC.SpringCloud.Samples4.2.1 服务注册与发现 - 基于Eureka　　此部分示例位于：part1_service-register-discovery　　此部分示例主要演示了如何基于Eureka实现服务的注册与发现，其中包括两个版本：　　① 单节点版本 （开发环境调试用） => 位于eureka-service-sn (sn代表single node)项目内　　　　这里需要注意的地方是：在开发环境需要关闭Eureka的自我保护机制，不然你无法轻易看到服务移除的效果，需要在application.yml中如下设置：eureka: server: enableSelfPreservation: false # 本地调试环境下关闭自我保护机制　　这是因为Eureka考虑到生产环境中可能存在的网络分区故障，会导致微服务与Eureka Server之间无法正常通信。它的架构哲学是宁可同时保留所有微服务（健康的微服务和不健康的微服务都会保留），也不盲目注销任何健康的微服务。　　关于自我保护机制，更多内容可以参考：《Spring Cloud Eureka全解之自我保护机制》　　　　② HA多节点版本 （部署/生产环境用） => 位于eureka-service-ha-1 & eureka-service-ha-2这两个项目内　　此版本需要注意的是两个节点的application.yml保持一致，但由于其中使用了peer1和peer2的hostname，在本地开发环境需要给Windows（我假设你使用的是Windows系统）设置hosts文件如下： 127.0.0.1 peer1 peer2扩展：除了Eureka之外，还可以选择通用型较强的Consul，关于Consul的基本概念与服务端的安装配置可以看看我的这一篇《.Net Core微服务之基于Consul实现服务注册于发现》了解一下。最后，不得不说，Spring Boot 和 Spring Cloud中核心组件封装的注解真的是太强大了，很多操作一个注解直接搞定，无须过多的coding。　　4.2.2 客户端负载均衡 - 基于Ribbon　　此部分示例位于：part2_client-load-balance　　此部分示例主要演示了如何基于Ribbon实现客户端的负载均衡，建议启动方式：先启动Eureka，再启动UserService和MovieService。通过访问MovieService的API接口 /log-instance 进行日志查看，测试结果如下图所示：　　　　从上图可以看出，通过客户端的负载均衡算法，依次访问了不同的服务节点。4.2.3 声明式REST调用 - 基于Feign　　此部分示例位于：part3_feign　　　　此部分示例主要演示了基于Feign如何实现声明式调用，包括以下内容：　　（1）基本整合Feign进行单参数与多参数的请求：位于movie-service这个项目内　　需要注意的就是别忘了在启动类加上@EnableFeignClients注解@SpringBootApplication@EnableDiscoveryClient@EnableFeignClients // 要使用Feign，需要加上此注解public class MovieServiceApplication { public static void main(String[] args) { SpringApplication.run(MovieServiceApplication.class, args); }}　　（2）自定义Feign配置的使用：位于movie-service-feign-customizing这个项目内　　下面的Feign接口就使用了自定义的配置类FeignConfiguration。@FeignClient(name = “user-service”, configuration = FeignConfiguration.class)public interface UserFeignClient { /** * 使用feign自带的注解@RequestLine * @see https://github.com/OpenFeign/feign * @param id 用户id * @return 用户信息 / @RequestLine(“GET /{id}”) User findById(@Param(“id”) Long id);}　　（3）Feign的日志的使用：位于movie-service-feign-logging这个项目内　　需要注意的是：Feign虽然提供了logger，但是其日志打印只会对DEBUG级别做出响应。日志级别一共有4种类型，如下所示：Logger.Level 可选值： NONE: 不记录任何日志（默认值）* BASIC: 仅记录请求方法、URL、响应状态码以及执行时间* HEADERS: 记录BASIC级别的基础之上，记录请求和响应的header* FULL: 记录请求和响应的header，body和元数据　　要输出日志打印，application.yml内要设置DEBUG级别：logging: level: # 将Feign接口的日志级别设置为DEBUG，因为Feign的Logger.Level只针对DEBUG做出响应 com.mbps.cd.movieservice.feign.UserFeignClient: DEBUG　　最后，针对FULL级别的日志打印效果如下图所示：　　4.2.4 容错处理 - 基于Hystrix　　此部分示例位于：part4_hystrix　　此部分示例主要演示如何基于Hystrix实现容错处理，主要包括以下内容：　　（1）通用方式整合Hystrix：此示例位于movie-service项目中　　针对普通的方法，只需加上HystrixCommand注解及定义回退方法即可，例如： @HystrixCommand(fallbackMethod = “findByIdFallback”) @GetMapping(value = “/user/{id}”) public User findById(@PathVariable Long id) { return restTemplate.getForObject(“http://user-service/” + id, User.class); } public User findByIdFallback(Long id){ User user = new User(); user.setId(-1L); user.setUsername(“Default User”); return user; }　　（2）Feign使用Hystrix：此示例位于movie-service-feign-hystrix项目中　　针对Feign，它是以接口形式工作的，好在Spring Cloud已默认为Feign整合了Hystrix，不过默认是关闭的，需要手动在配置文件中开启：feign: hystrix: enabled: true　　在之前的版本（Dalston之前的版本）中是默认开启的，至于为何要改为默认禁用，可以看看这里：https://github.com/spring-cloud/spring-cloud-netflix/issues/1277　　然后直接在FeignClient注解中加入fallback属性即可，例如下面所示：@FeignClient(name = “user-service”, fallback = FeignClientFallback.class)public interface UserFeignClient { @GetMapping(value = “/{id}”) User findById(@PathVariable(“id”) Long id);} @Componentclass FeignClientFallback implements UserFeignClient{ @Override public User findById(Long id) { User user = new User(); user.setId(-1L); user.setUsername(“Default User”); return user; }}　　如果想要在Feign发生回退时能够留下日志供查看回退原因，那么可以使用FallbackFactory，示例项目：movie-service-feign-fallback-factory. View Code　　当发生回退时，日志输出信息如下：　　除此之外，关于Hystrix部分，还有监控的主题，这里由于我所在的项目组的技术架构中不会涉及到，也就没有弄，有兴趣的童鞋可以关注一下Hystrix自带的监控以及基于Turbine的聚合监控。参考文章：《Hystrix监控面板（Dalston版）》与《Hystrix监控数据聚合》。4.2.5 API网关 - 基于Zuul　　此部分示例位于：part5_zuul　　此部分示例主要演示如何基于Zuul实现API网关，主要包括以下内容：　　（1）整合Zuul编写API网关：位于zuul-service项目中　　可以测试验证的内容：路由规则：依次启动eureka，user-service，movie-service，zuul-service，然后通过zuul访问user-service接口负载均衡：依次启动eureka，多个user-service，zuul-service，然后多次访问user-service，最后查看日志信息（两个user-service都会打印hibernate日志信息），验证是否达到负载均衡的效果。PS：Zuul内置了Ribbon来实现负载均衡。　　路由端点：依次启动eureka，user-service，movie-service，zuul-service，然后浏览器访问zuul-service（http://localhost:5000/routes）可以得到路由端点信息　　对于路由端点，需要改一下以下配置，才能正常显示路由端点信息，否则会报401的错误：management: security: enabled: false # 默认为true，改为false以便可以看到routes路由配置：示例主要演示了路由前缀、全局敏感设置以及路由规则设置大文件上传设置：针对超大文件上传（比如500M），需要在Zuul中提升超时设置 View Code　　（2）Zuul的过滤器：主要位于zuul-service-filter这个项目中　　对于Zuul的请求声明周期来说，一共有4种标准过滤器类型：PRE：在请求被路由之前调用，可利用这种过滤器实现身份验证、记录调试信息等操作；ROUTING：将请求路由到微服务，可利用这种过滤器用于构建发送给微服务的请求；POST：在路由到微服务以后执行，可用来为响应添加标准的HTTP Header、收集统计信息和指标、将响应从微服务发送给客户端等；ERROR：在其他阶段发生错误时执行该过滤器；　　　　　　　　此示例中演示了PRE类型的过滤器，部分场景下，想要禁用部分过滤器，只需要在配置文件中设置即可，例如这里禁用PreRequestLogFilter过滤器： View Code　　（3）Zuul的容错与回退：主要位于zuul-service-fallback这个项目中　　Zuul自身就带有Hystrix，但是它监控的粒度是微服务级别，而不是某个API，当某个API不可用时，会统一抛500错误码的异常页。我们可以为Zuul添加回退，以实现更友好的返回信息。实现也很简单，只需要实现FallbackProvider接口即可。这里要注意的是，对于Edgware之前的版本（即Dalston及更低版本）需要实现的是ZuulFallbackProvider接口，而Edgware及之后的版本要实现的是FallbackProvider接口。因为FallbackProvider是ZuulFallbackProvider的子接口，而它的好处就是多了一个接口可以获取可能造成回退的原因，具体可以参考这一篇文章：《Spring Cloud Edgware新特性之八：Zuul回退的改进》。下面是本示例中访问user-service接口（user-service被我手动关闭）后的返回结果：　　　　（4）Zuul的高可用架构　　生产环境中一般都需要部署高可用的Zuul以避免单点故障，实际开发中有两种情况：　　① Zuul的客户端也注册到了Eureka Server上（比如：MVC App, SPA 等）　　　　此时Zuul的高可用和其他微服务没区别，都是借助Eureka和Ribbon来实现负载均衡。　　② Zuul的客户端未注册到Eureka Server上（比如手机App端等）　　现实中这种场景或许更常见，此时需要借助一个额外的负载均衡器来实现Zuul的高可用，比如：Nginx、HAProxy以及F5等。　　　　更多Zuul高可用的内容，可以浏览周立老师的这一篇：《Zuul的高可用》　　（5）使用Zuul聚合微服务：此示例位于zuul-service-aggregation项目中　　许多场景下可能一个外部请求要查询Zuul后端的多个服务，这时可以使用Zuul来聚合服务请求，即只需请求一次，由Zuul来请求各个服务，然后组织好数据发送给客户端（比如App客户端）。示例中主要基于RxJava与Zuul来结合实现的微服务请求的聚合。4.2.6 统一配置管理 - 基于Spring Cloud Config　　Spring Cloud Config为分布式系统外部化配置提供了服务端和客户端的支持，包括Config Server和Config Client两部分，其架构图如下图所示：　　　　其中，各个微服务在启动时会请求Config Server以获取所需要的配置属性，然后缓存这些属性以提高性能，如下图所示：　　此部分示例位于：part6_config　　此部分示例主要演示如何基于Spring Cloud Config实现统一配置中心，主要包括以下内容：　　（1）基本的Config Server与Config Client编写：此示例位于config-service与config-client中　　此示例需要用到一些已放到git的配置文件，这里我已将其放到了github方便大家可以直接拿来测试用，仓库地址为：https://github.com/EdisonChou/EDC.SpringCloud.Samples.Config端点与配置文件的映射规则如下：/{application}/{profile}[/{label}]/{application}-{profile}.yml/{label}/{application}-{profile}.yml/{application}-{profile}.properties/{label}/{application}-{profile}.properties其中，application: 表示微服务的虚拟主机名，即配置的spring.application.nameprofile: 表示当前的环境，dev, test or production?label: 表示git仓库分支，master or relase or others repository name? 默认是master　　项目中，config-service的配置文件如下：server: port: 8080 spring: application: name: sampleservice-config-server cloud: config: server: git: # 配置Git仓库地址 uri: https://github.com/EdisonChou/EDC.SpringCloud.Samples.Config # Git仓库账号（如果需要认证） username: # Git仓库密码（如果需要认证） password:　　启动顺序：先启动config-server，再启动config-client，因为config-client在启动时就回去config-server获取配置，如果这时config-server未启动则会报错。　　这里需要注意的就是在config-client中，对于spring cloud config的配置应该放在bootstrap.yml中而不是application.yml中，否则会不起作用。这里涉及到一个spring cloud的“引导上下文”的概念，可以参考这篇《深入理解Spring Cloud引导上下文》来了解一下。　　（2）使用/refresh端点手动刷新配置：仍然位于config-client项目中　　要想在运行期间刷新配置，需要两点改造：加上@RefreshScope注解@RestController@RefreshScope // @RefreshScope注解不能少，否则即使调用/refresh，配置也不会刷新public class ConfigClientController { @Value("${profile}") private String profile; @GetMapping("/profile") public String hello(){ return this.profile; }}　　此外，针对Spring Boot 1.5.x，还需要给config-client端关闭安全认证，否则无法正常refresh：management: security: enabled: false　　之后，就可以通过对config-client发起POST请求刷新配置了：　　　　不过，如果所有微服务都需要手动刷新配置，工作量会很大。所以，在实际环境中，一般会实现配置的自动刷新。　　（3）使用Spring Cloud Bus自动刷新配置：此示例位于config-server-cloud-bus与config-client-cloud-bus项目中　　此示例使用到的架构如下图所示，它将Config Server加入消息总线之中，并使用Config Server的/bus/refersh端点来实现配置的刷新。这样，各个微服务只需要关注自身的业务逻辑，而无需再自己手动刷新配置。　　　　Tip：Spring Cloud Bus基于轻量级地消息代理（例如RabbitMQ、Kafka等）连接分布式系统的节点，就可以通过广播的方式来传播状态的更改（例如配置的更新）或者其他的管理指令。我们可以将Spring Cloud Bus想象成一个分布式的Spring Boot Actuator。　　　　运行顺序：先启动config-service-cloud-bus，再启动两个config-client-cloud-bus（第一个默认端口8081，第二个端口改为8082），修改github中sampleservice-foo-dev.properties中的profile值后commit & push，然后POST请求config-service-cloud-bus的/bus/refersh端点，最后再次访问两个client的/profile端点进行验证。　　如果部分场景想要知道Spring Cloud Bus事件传播的细节，可以通过以下设置来跟踪事件总线：spring: cloud: bus: trace: enabled: true # 开启cloud bus跟踪（4）与Eureka的配合使用：此示例位于config-service-eureka与config-client-eureka两个项目中　　（5）Config Server的高可用：涉及到Git仓库的高可用、RabbitMQ的高可用以及Config Server自身的高可用。　　对于Git仓库的高可用，第三方Git仓库类似于GitHub等本身已经实现了高可用，而针对自建Git仓库如GitLab，可以参考GitLab官方文档搭建高可用：https://about.gitlab.com/high-availability/　　对于Config Server自身的高可用，也可以分为未注册到Eureka和注册到Eureka两种情形，具体可以参考Zuul的高可用的架构图。　　此外，对于配置内容的加密，此示例没有涉及，它依赖于JCE（Java Cryptography Extension），可以参考这一篇《Spring Cloud配置文件加密》了解一下。扩展：关于统一配置中心，还可以选择更好用的Apollo（携程的开源项目），可以看看我的这一篇《.Net Core微服务之基于Apollo实现统一配置中心》了解一下。4.2.7 微服务跟踪 - 基于Spring Cloud Sleuth　　首先，值得一提的是Spring Cloud Sleuth大量借用了Google Dapper，Twitter Zipkin和Apache HTrace的设计，我们得了解一些术语，例如：span、trace、annotation等，详细可以参考这篇《Spring Cloud系列之分布式链路监控Spring Cloud Sleuth》。　　此示例位于：part7_sleuth　　此部分示例主要演示如何基于Spring Cloud Sleuth实现分布式链路监控，主要包括以下内容：　　（1）基础整合Spring Cloud Sleuth：位于user-service-trace与movie-service-trace项目中，主要查看控制台输出日志　　（2）Spring Cloud Sleuth与Zipkin的配合使用：位于zipkin-service-server、user-service-trace-zipkin与movie-service-trace-zipkin三个项目中　　Zipkin是Twitter开源的分布式跟踪系统，基于Dapper论文设计而来，主要功能是收集系统的时序数据，从而追踪微服务架构的系统延时问题，此外还提供了一个非常友好的界面来帮助追踪分析数据。　　下图是一个接入Zipkin之后的服务调用简易流程图：运行顺序：首先运行zipkin-service-server，其次运行user-service-zipkin与movie-service-zipkin，然后访问http://localhost:8010/user/1得到数据结果，最后访问zipkin server首页，填入起始时间、结束时间等筛选条件后，点击Find a trace按钮，可以看到trace列表，如下图所示：　点击“依赖分析”，可以得到下图，有助于我们分析依赖关系：　需要注意的是，在开发调试时，因为默认的采样百分比是10%，Sleuth会忽略大量span，因此我们可以在开发环境将其设置为100%：spring: sleuth: sampler: # 指定需采样的请求的百分比，默认是0.1（即10%），这里方便查看设为100%（实际环境不要这样设置） percentage: 1.0（3）使用RabbitMQ收集数据：此示例位于zipkin-service-server-stream与user-service-trace-zipkin-stream两个项目中　　此外，Spring Cloud Sleuth还可以与ELK配合使用，不过此示例没有涉及，感兴趣的朋友可以参考这一篇《Spring Cloud Sleuth与ELK集成》。当然，示例中的跟踪数据都是存放到内存中，但是跟踪数据还是建议存放到ElasticSearch中，生产环境切莫只存储到内存中。

U2FsdGVkX18RVHoOLPO0eVSmiB5nq2eQdkL4qaGp7BbrqssktJmUnUg3hiVlG23Z
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