阿里巴巴微服务注册中心ConfigServer

刺骨的言语ヽ痛彻心扉 2023-05-22 04:59 14阅读 0赞

## **1、Eureka1.0 架构存在的问题** ##

Eureka 作为 Netflix 公司力推和 SpringCloud 微服务标配的注册中心开源解决方案，其 Eureka 2.0 (Discontinued) 的消息在社区引起了不小的骚动；其实早在 2015 年社区就已经放出了 2.0 架构的升级设想，但是 3 年的时间过去，等到的确是 Discontinued 的消息，虽然 2.0 的代码在 github 的主页上也已经放出，但是告诫用户要自行承担当中的使用风险。我想不会有人真的把 2.0 直接投入到生产中使用。

对于为什么要做 Eureka2.0，其官方的 wiki 中的 Why Eureka 2.0 和 Eureka 2.0 Improvements 做了说明，Eureka1.0 的架构主要存在如下的不足：

*  阅端拿到的是服务的全量的地址：这个对于客户端的内存是一个比较大的消耗，特别在多数据中心部署的情况下，某个数据中心的订阅端往往只需要同数据中心的服务提供端即可。
 *  pull 模式：客户端采用周期性向服务端主动 pull 服务数据的模式（也就是客户端轮训的方式），这个方式存在实时性不足以及无谓的拉取性能消耗的问题。
 *  一致性协议：Eureka 集群的多副本的一致性协议采用类似“异步多写”的 AP 协议，每一个 server 都会把本地接收到的写请求（register/heartbeat/unregister/update）发送给组成集群的其他所有的机器（Eureka 称之为 peer），特别是 hearbeat 报文是周期性持续不断的在 client->server->all peers 之间传送；这样的一致性算法，导致了如下问题
 *  每一台 Server 都需要存储全量的服务数据，Server 的内存明显会成为瓶颈。
 *  当订阅者却来越多的时候，需要扩容 Eureka 集群来提高读的能力，但是扩容的同时会导致每台 server 需要承担更多的写请求，扩容的效果不明显。
 *  组成 Eureka 集群的所有 server 都需要采用相同的物理配置，并且只能通过不断的提高配置来容纳更多的服务数据

Eureka2.0 主要就是为了解决上述问题而提出的，主要包含了如下的改进和增强：

*  数据推送从 pull 走向 push 模式，并且实现更小粒度的服务地址按需订阅的功能。
 *  读写分离：写集群相对稳定，无需经常扩容；读集群可以按需扩容以提高数据推送能力。
 *  新增审计日志的功能和功能更丰富的 Dashboard。

Eureka1.0 版本存在的问题以及 Eureka2.0 架构设想和阿里巴巴内部的同类产品 ConfigServer 所经历的阶段非常相似（甚至 Eureka2.0 如果真的落地后存在的问题，阿里巴巴早已经发现并且已经解决），下面我带着你来回顾一下我们所经历过的。

## **2、阿里巴巴服务注册中心 ConfigServer 技术发现路线** ##

阿里巴巴早在 2008 就开始了服务化的进程，在那个时候就就已经自研出服务发现解决方案（内部产品名叫 ConfigServer）。

当 2012 年 9 月 1 号 Eureka 放出第一个 1.1.2 版本的时候，我们把 ConfigServer 和 Eureka 进行了深度的对比，希望能够从 Eureka 找到一些借鉴来解决当时的 ConfigServer 发展过程中碰到的问题（后面会提到）；然而事与愿违，我们已经发现 Eureka1.x 架构存在比较严重的扩展性和实时性的问题（正如上面所描述的），这些问题 ConfigServer 当时的版本也大同小异的存在，我们在 2012 年底对 ConfigServer 的架构进行了升级来解决这些问题。

当 2015 年 Eureka 社区放出 2.0 架构升级的声音的时候，我们同样第一时间查看了 2.0 的目标架构设计，我们惊奇的发现 Eureka 的这个新的架构同 2012 年底 ConfigServer 的架构非常相似，当时一方面感慨“英雄所见略同”，另一方也有些失望，因为 ConfigServer2012 年的架构早就无法满足阿里巴巴内部的发展诉求了。

下面我从头回顾一下，阿里巴巴的 ConfigServer 的技术发展过程中的几个里程碑事件。

## **3、2008 年，无 ConfigServer 的时代** ##

借助用硬件负载设备 F5 提供的 vip 功能，服务提供方只提供 vip 和域名信息，调用方通过域名方式调用，所有请求和流量都走 F5 设备。

遇到的问题：

*  负载不均衡：对于长连接场景，F5 不能提供较好的负载均衡能力。如服务提供方发布的场景，最后一批发布的机器，基本上不能被分配到流量。需要在发布完成后，PE 手工去断开所有连接，重新触发连接级别的负载均衡。
 *  流量瓶颈：所有的请求都走 F5 设备，共享资源，流量很容易会打满网卡，会造成应用之间的相互影响。
 *  单点故障：F5 设备故障之后，所有远程调用会被终止，导致大面积瘫痪。

## **4、2008 年，ConfigServer 单机版 V1.0** ##

单机版定义和实现了服务发现的关键的模型设计（包括服务发布，服务订阅，健康检查，数据变更主动推送，这个模型至今仍然适用），应用通过内嵌 SDK 的方式接入实现服务的发布和订阅；这个版本很重要的一个设计决策就是服务数据变更到底是 pull 还是 push 的模式，我们从最初就确定必须采用 push 的模式来保证数据变更时的推送实时性（Eureka1.x 的架构采用的是 pull 的模式）

当时，HSF 和 Notify 就是采用单机版的 ConfigServer 来完成服务的发现和 topic 的发现。单机版的 ConfigServer 和 HSF、Notify 配合，采用服务发现的技术，让请求通过端到端的方式流动，避免产生流量瓶颈和单点故障。ConfigServer 可以动态的将服务地址推送到客户端，服务调用者可以知道所有提供此服务的机器，每个请求都可以通过随机或者轮询的方式选择服务端，做到请求级别的负载均衡。这个版本已经能很好的解决 F5 设备不能解决的三个问题。

但是单机版本的问题也非常明显，不具备良好的容灾性。

## 5、2009 年初，ConfigServer 单机版 V1.5 ##

单机版的 ConfigServer 所面临的问题就是当 ConfigServer 在发布 / 升级的时候，如果应用刚好也在发布，这个时候会导致订阅客户端拿不到服务地址的数据，影响服务的调用；所以当时我们在 SDK 中加入了本地的磁盘缓存的功能，应用在拿到服务端推送的数据的时候，会先写入本地磁盘，然后再更新内存数据；当应用重启的时候，优先从本地磁盘获取服务数据；通过这样的方式解耦了 ConfigServer 和应用发布的互相依赖；这个方式沿用至今。（我很惊讶，Eureka1.x 的版本至今仍然没有实现客户端磁盘缓存的功能，难道 Eureka 集群可以保持 100% 的 SLA 吗？）

## 6、2009 年 7 月，ConfigServer 集群版本 V2.0 ##

ConfigServer 的集群版本跟普通的应用有一些区别：普通的应用通过服务拆分后，已经属于无状态型，本身已经具备良好的可扩展性，单机变集群只是代码多部署几台；ConfigServer 是有状态的，内存中的服务信息就是数据状态，如果要支持集群部署，这些数据要不做分片，要不做全量同步；由于分片的方案并没有真正解决数据高可用的问题（分片方案还需要考虑对应的 failover 方案），同时复杂度较高；所以当时我们选择了单机存储全量服务数据全量的方案。为了简化数据同步的逻辑，服务端使用客户端模式同步：服务端收到客户端请求后，通过客户端的方式将此请求转发给集群中的其他的 ConfigServer，做到同步的效果，每一台 ConfigServer 都有全量的服务数据。

这个架构同 Eureka1.x 的架构惊人的相似，所以很明显的 Eureka1.x 存在的问题我们也存在；当时的缓解的办法是我们的 ConfigServer 集群全部采用高配物理来部署。

## 7、2010 年底，ConfigServer 集群版 V2.5 ##

基于客户端模式在集群间同步服务数据的方案渐渐无以为继了，特别是每次应用在发布的时候产生了大量的服务发布和数据推送，服务器的网卡经常被打满，同时 cmsgc 也非常频繁；我们对数据同步的方案进行了升级，去除了基于客户端的同步模式，采用了批量的基于长连接级别的数据同步 + 周期性的 renew 的方案来保证数据的一致性（这个同步方案当时还申请了国家专利）；这个版本还对 cpu 和内存做了重点优化，包括同步任务的合并，推送任务的合并，推送数据的压缩，优化数据结构等；

这个版本是 ConfigServer 历史上一个比较稳定的里程碑版本。

但是随着 2009 年天猫独创的双十一大促活动横空出世，服务数量剧增，应用发布时候 ConfigServer 集群又开始了大面积的抖动，还是体现在内存和网卡的吃紧，甚至渐渐到了 fullgc 的边缘；为了提高数据推送能力，需要对集群进行扩容，但是扩容的同时又会导致每台服务器的写能力下降，我们的架构到了“按下葫芦浮起瓢”的瓶颈。

## 8、2012 年底，ConfigServer 集群版 V3.0 ##

在 2011 年双十一之前我们完成了 V3 架构的落地，类似 Eureka2.0 所设计的读写分离的方案，我们把 ConfigServer 集群拆分成 session 和 data 两个集群，客户端分片的把服务数据注册到 session 集群中，session 集群会把数据异步的写到 data 集群，data 集群完成服务数据的聚合后，把压缩好的服务数据推送到 session 层缓存下来，客户端可以直接从 session 层订阅到所需要的服务数据；这个分层架构中，session 是分片存储部分的服务数据的（我们设计了 failover 方案），data 存储的是全量服务数据（天生具备 failover 能力）；

data 集群相对比较稳定，不需要经常扩容；session 集群可以根据数据推送的需求很方便的扩容（这个思路和 Eureka2.0 所描述的思路是一致的）；session 的扩容不会给 data 集群带来压力的增加。session 集群我们采用低配的虚拟机即可满足需求，data 由于存储是全量的数据我们仍然采用了相对高配的物理机（但是同 V2.5 相比，对物理机的性能要求已经答复下降）。

这个版本也是 ConfigServer 历史上一个划时代的稳定的大版本。

## 9、2014 年，ConfigServer 集群版 V3.5 ##

2013 年，阿里巴巴开始落地了异地多活方案，从一个 IDC 渐渐往多个 IDC 跨越，随之而来的对流量的精细化管控要求越来越高（比如服务的同机房调用，服务流量的调拨以支持灰度能力等），基于这个背景 ConfigServer 引入了服务元数据的概念，支持对服务和 IP 进行元数据的打标来满足各种各样的服务分组诉求。

## 10、2017 年，ConfigServer 集群版 V4.0 ##

V3 版本可见的一个架构的问题就是 data 集群是存储全量的服务数据的，这个随着服务数的与日俱增一定会走到升级物理机配置也无法解决问题的情况（我们当时已经在生产使用了 G1 的垃圾回收算法），所以我们继续对架构进行升级，基于 V3 的架构进行升级其实并不复杂；session 层的设计保持不变，我们把 data 进行分片，每一个分片同样按照集群的方式部署以支持 failover 的能力；

目前 V4 的版本已经稳定运行了 2 年多，2017 年双十一所管理的服务实例数已经几近千万的级别，服务订阅数已经超过 5 千万。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b3Fpbmdsb25nODUwMTAy_size_16_color_FFFFFF_t_70][]

## **11、Nacos** ##

作为同属于 AP 类型的注册中心，Eureka 和 ConfigServer 发展过程中所面临的诸多问题有很大的相似性，但是阿里巴巴这些年业务的跨越式发展，每年翻番的服务规模，不断的给 ConfigServer 的技术架构演进带来更高的要求和挑战，我们有更多的机会在生产环境发现和解决一个个问题的过程中，做架构的一代代升级。我们正在计划通过开源的手段把我们这些年在生产环境上的实践经验通过 Nacos(http://nacos.io) 产品贡献给社区，一方面能够助力和满足同行们在微服务落地过程当中对工业级注册中心的诉求，另一方面也希望通过开源社区及开源生态的协同发展给 ConfigServer 带来更多的可能性。

炎炎夏日，在 Eureka 2.0 (Discontinued) 即将结束的时候，在同样的云原生时代，Nacos 却正在迎来新生，技术演进和变迁的趣味莫过于此。

Nacos 将努力继承 Eureka 未竟的遗志，扛着 AP 系注册中心的旗帜继续前行，不同的是 Nacos 更关注 DNS-based Service Discovery 以及与 Kubernetes 体系的融会贯通。

我们看不透未来，却仍将与同行们一起上下求索，砥砺前行。

最后附上 Nacos 的架构图。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b3Fpbmdsb25nODUwMTAy_size_16_color_FFFFFF_t_70 1][]

作者介绍

许真恩 (慕义)，阿里巴巴高级技术专家

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b3Fpbmdsb25nODUwMTAy_size_16_color_FFFFFF_t_70]: /images/20230521/043544363740442d988d43ba1301f359.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b3Fpbmdsb25nODUwMTAy_size_16_color_FFFFFF_t_70 1]: /images/20230521/5b12f1fbfcd24f9e97bb68bcffd1361c.png