微服務4：服務註冊與發現
★ 微服務系列
1 微服務的註冊與發現
我們前面在全景架構中對服務註冊與發現做了大致的說明，本章我們著重詳細說明微服務下註冊與發現的這個能力。
微服務註冊與發現類似於生活中的”電話通訊錄”的概念，它記錄了通訊錄服務和電話的映射關係。在分散式架構中，服務會註冊進去，當服務需要調用其它服務時，就這裡找到服務的地址，進行調用。
步驟如下：
1、你先要把”好友某某”記錄在通訊錄中。
2、撥打電話的時候通過通訊錄中找到”好友某某”，並撥通回電話。
3、當好友某某電話號碼更新的時候，需要通知到你，並修改通訊錄服務中的號碼。
從這個過程中我們看到了一些特點：
1、把 “好友某某” 的電話號碼寫入通訊錄中，統一在通訊錄中維護，後續號碼變更也是更新到通訊錄中，這個過程就是服務註冊的過程。
2、後續我們通過”好友某某”就可以定位到通訊錄中的電話號碼，並撥通電話，這個過程理解為服務發現的過程。
而我們微服務架構中的服務註冊與發現結構如下圖所示：
圖片中是一個典型的微服務架構，這個結構中主要涉及到三大角色：
provider – 服務提供者
consumer – 服務消費者
register center – 註冊中心
它們之間的關係大致如下：
1、每個微服務在啟動時，將自己的網路地址等資訊（微服務的ServiceName、IP、Port、MetaData等）註冊到註冊中心，註冊中心存儲這些數據。
2、服務消費者從註冊中心查詢服務提供者的地址，並通過該地址調用服務提供者的介面。
3、各個微服務與註冊中心使用一定機制（例如心跳）通訊。如果註冊中心與某微服務長時間無法通訊，就會註銷該實例。
優點如下：
1、解耦：服務消費者跟服務提供者解耦，各自變化，不互相影響
2、擴展：服務消費者和服務提供者增加和刪除新的服務，對於雙方沒有任何影響
3、中介者設計模式：用一個中介對象來封裝一系列的對象交互，這是一種多對多關係的中介者模式。
從功能上拆開主要有三塊：服務註冊、服務發現，和註冊中心。我們一個一個來看。
1.1 服務註冊
如圖中，為Register註冊中心註冊一個服務資訊，會將服務的資訊：ServiceName、IP、Port以及服務實例MetaData元數據資訊寫入到註冊中心。當服務發生變化的時候，也可以更新到註冊中心。
服務提供者（服務實例） 的服務註冊模型是一種簡單、容易理解、流行的服務註冊模型，其在多種技術生態中都有所體現：
1、在K8S生態中，通過 K8S Service服務資訊，和Pod的 endpoint（用來記錄service對應的pod的訪問地址）來進行註冊。
2、在Spring Cloud生態中，應用名 對應 服務Service，實例 IP + Port 對應 Instance實例。比較典型的就是A服務，後面對應有多個實例做負載均衡。
3、在其他的註冊組件中，比如 Eureka、Consul，服務模型也都是 服務→ 服務實例。
可以認為服務實例是一個真正的實體的載體，服務是對這些相同能力或者相同功能服務實例的一個抽象。
1.2 服務發現
服務發現實際就是我們查詢已經註冊好的服務提供者，比如 p->p.queryService(serviceName)，通過服務名稱查詢某個服務是否存在，如果存在，
返回它的所有實例資訊，即一組包含ip 、 port 、metadata元數據資訊的endpoints資訊。
這一組endpoints資訊一般會被快取在本地，如果註冊中心掛掉，可保證段時間內依舊可用，這是去中心化的做法。對於單個 Service 後面有多個 Instance的情況（如上圖），做 load balance。
服務發現的方式一般有兩種：
1、拉取的方式：服務消費方（Consumer）主動向註冊中心發起服務查詢的請求。
2、推送的方式：服務訂閱/通知變更（下發）：服務消費方（Consumer）主動向註冊中心訂閱某個服務，當註冊中心中該服務資訊發生變更時，註冊中心主動通知消費者。
1.3 註冊中心
註冊中心提供的基本能力包括：提供服務註冊、服務發現 以及 健康檢查。
服務註冊跟服務發現上面已經詳細介紹了， 健康檢查指的是指註冊中心能夠感知到微服務實例的健康狀況，便於上游微服務實例及時發現下游微服務實例的健康狀況。採取必備的訪問措施，如避免訪問不健康的實例。
主要的檢查方式包括：
1、服務Provider 進行 TTL 健康彙報（Time To Live，微服務Provider定期向註冊中心彙報健康狀態）。
2、註冊中心主動檢查服務Provider介面。
綜合我們前面的內容，可以總結下註冊中心有如下幾種能力：
1、高可用
這個主要體現在兩個方面。一個方面是，註冊中心本身作為基礎設施層，具備高可用；第二種是就是前面我們說到的去中心化，極端情況下的故障，短時間內是不影響微服務應用的調用的
2、可視化操作
常用的註冊中心，類似 Eureka、Consul 都有比較豐富的管理介面，對配置、服務註冊、服務發現進行可視化管理。
3、高效運維
註冊中心的文檔豐富，對運維的支援比較好，並且對於服務的註冊是動態感知獲取的，方便動態擴容。
4、許可權控制
數據是具有敏感性，無論是服務資訊註冊或服務是調用，需要具備許可權控制能力，避免侵入或越權請求
5、服務註冊推、拉能力
這個前面說過了，微服務應用程式（服務的Consumer），能夠快速感知到服務實例的變化情況，使用拉取或者註冊中心下發的方式進行處理。
2 現下的主流註冊中心
2.1 Eureka
2.1.1 介紹
Eureka是Netflix OSS套件中關於服務註冊和發現的解決方案。因為Spring Cloud 在它的微服務解決方案中對Eureka進行了集成，並作為優先推薦方案進行宣傳，所以早期有用 Spring Cloud 來建設微服務系統的同學會比較熟悉。
目前大量公司的微服務系統中依舊使用Eureka作為註冊中心，它的核心設計思想也被後續大量註冊中心產品借鑒。但目前 Eureka 2.0已經停止維護，所以新的微服務架構設計中，不再建議使用。
Spring Cloud Netflix主要分為兩個部分：
1、Eureka Server： 作為註冊中心Server端，向微服務應用程式提供服務註冊、發現、健康檢查等能力。
2、Eureka Client： 微服務應用程式Client端，用以和Eureka Server進行通訊。
Eureka有比較友好的管理介面，如上圖所示：
1、System Status：顯示當前Eureka Server資訊。
2、Instances Current registered with Eureka：在Eureka Server當前註冊的數據，在Spring Cloud生態中，被註冊的服務可以唄發現並羅列在這個地方。
3、General Info：基本資訊，如cpu、記憶體、環境等。
2.1.2 整體架構
Eureka Server可以運行多個實例來構建集群，解決單點問題，但不同於ZooKeeper的選舉leader的過程，Eureka Server採用的是Peer to Peer對等通訊。
所以他有如下特點：
1、去中心化的架構：無master/slave區分，每一個Peer都是對等的。在這種架構中，節點通過彼此互相註冊來提高可用性，每個節點需要添加一個或多個有效的serviceUrl指向其他節點。每個節點都可被視為其他節點的副本。
2、故障轉移/故障恢復：如果某台Eureka Server宕機，Eureka Client的請求會自動切換到新的Eureka Server節點，當宕機的伺服器重新恢復後，Eureka會再次將其納入到伺服器集群管理之中。
3、節點複製：當節點開始接受客戶端請求時，所有的操作都會進行replicateToPeer（節點間複製）操作，將請求複製到其他Eureka Server當前所知的所有節點中。
同理，一個新的Eureka Server節點啟動後，會首先嘗試從鄰近節點獲取所有實例註冊表資訊，完成初始化。
4、CAP模式：複製演算法非強一致性演算法，而是當有數據寫入時，Eureka Server將數據同步給其他的節點，因此Eureka在CAP提系統（一致性、可用性、分區容錯性）是典型的AP系統。
2.1.3 接入Spring Cloud
如上圖所示：
1、Provider 服務提供者：服務向註冊中心註冊服務資訊，即 服務 -> 服務實例 數據模型， 同時定時向註冊中心彙報健康檢查，如果一定時間內（一般90s）沒有進行心跳彙報，則會被註冊中心剔除。
所以這邊注意，註冊中心感知到應用下線並進行剔除這個過程可能比較長。
2、Consumer 服務消費者：服務向註冊中心獲取所需服務對應的服務實例資訊。這邊需要注意，Eureka不支援訂閱，因此在Spring Cloud生態中，通過定時拉取方式從註冊中心中獲取所需的服務實例資訊。
3、Remote Call 遠程調用：Consumer從註冊中心獲取的Provider的實例資訊，通過 Load Balance的策略，確定一個實際的實例，發起遠程調用。
2.2 ZooKeeper
2.2.1 介紹
作為一個分散式的、開源的協調服務，ZooKeeper實現了一系列基礎功能，包括簡單易用的介面。
這些介面被用來實現服務的註冊與發現功能。並實現一些高級功能，如數據同步、分散式鎖、配置中心、集群選舉、命名服務等。
在數據模型上，類似於傳統的文件系統，節點類型分為：
1、持久節點：節點創建後，就一直存在，除非執行刪除操作，主動刪掉這個節點。
2、臨時節點（註冊中心場景下的主要實現機制）：臨時節點的生命周期和客戶端會話綁定。也就是說，如果客戶端會話失效，那麼這個節點就會自動被清除掉。
在實際場景下，微服務啟動的時候，會創建一個服務臨時節點，等把服務停止，短時間後節點就沒有了。
Zookeeper有如下特點：
2.2.2 整體架構
上圖是Zookeeper 的服務架構，他有如下流程：
1、 多個節點組成分散式架構，每個Server在記憶體中存儲一份數據；
2、通過選舉產生leader，通過 Paxos(帕克索斯)強一致性演算法 進行保證，是典型的CP結構。
3、Leader負責處理數據更新等操作（Zab協議）；
2.2.3 接入Dubbo生態
上圖中的角色如下：
Provider：提供者,服務發布方
Consumer：消費者, 調用服務方
Container：Dubbo容器.依賴於Spring容器
Registry：註冊中心，當Container啟動時把所有可以提供的服務列表上Registry中進行註冊，告訴Consumer提供了什麼服務，以及服務方的位置
Monitor:監聽器
說明：ZooKeeper在註冊中心方面對Dubbo生態支援的比較好。服務提供者Providerzai Container啟動時主動向註冊中心Registry ZooKeeper中註冊資訊。
服務消費者Consumer啟動時向註冊中心Registry ZooKeeper中訂閱註冊中心，當Provider的資訊發生變化時，註冊中心ZooKeeper會主動向Consumer進行推送通知變更。
這邊注意與Eureka的區別，這是主動推送通知，是註冊中心下發的操作。
2.3 Consul
2.3.1 介紹
Consul是HashiCorp推出的一款軟體，是一個Service Mesh解決方案，提供了功能豐富的控制面功能：
1、Service Discovery（服務發現）
2、Configuration（配置化）
3、Segmentation Functionality
這些功能可以根據需要獨立使用，或者將它們一起使用用來構建完整的Service Mesh。
Consul提供的關鍵功能如下：
1、Service Discovery：服務註冊/發現功能。
2、Health Checking：健康檢查，豐富的健康檢查方式；
3、KV Store：KV存儲功能，可應用多種場景，如動態配置存儲，分散式協調、leader選舉等。
4、Multi DataCenter：多數據中心。
2.3.2 整體架構
如上圖為Consul的架構，這邊對技術點做一下說明：
1、Raft: 一種分散式一致性演算法，Consul使用該演算法報紙強一致性，所以也是典型的CP模式
2、Client：Client是一種agent，其將會重定向所有的RPC 請求到Server。Client是無狀態的，其主要參與LAN Gossip協議池。其佔用很少的資源，並且消耗很少的網路頻寬。
3、Server：Server是一種agent，其包含了一系列的責任包括：參與Raft協議寫半數（Raft Quorum）、維護集群狀態、響應RPC響應、和其他Datacenter通過WAN gossip交換資訊和重定向查詢請求至leader或者遠端Datacenter。
4、Datacenter: Datacenter其是私有的、低延遲、高頻寬的網路環境，去除了在公共網路上的網路交互。
5、Consensus: Consensus一致性在leader 選舉、順序執行transaction 上。當這些事務已經提交至有限狀態機（finite-state machine）中，Consul定義consensus作為複製狀態機的一致性。本質上使用實現了Raft協議，對於具體實現細節可參考 Consensus Protocol。
6、Gossip：Consul使用了Serf，其提供了Gossip協議多種用途，Serf提供成員關係、失敗檢查和事件廣播。
7、LAN Gossip: Local Area Network Gossip其包含在同一個網路環境或Datacenter的節點。
8、WAN Gossip: Wide Area Network Gossip 其只包含Server節點，這些server分布在不同的datacenter中，其主要通過網際網路或廣域網相互交流。
9、RPC: 遠程過程調用，用於服務之間的通訊。
10、CAP抉擇：在高可用方面，Consul使用Raft協議作為其分散式一致性協議，本身對故障節點有一定的容忍性，在單個DataCenter中Consul集群中節點的數量控制在2*n + 1個節點，其中n為可容忍的宕機個數，通常為3個節點。
所以是典型的CP模式。
根據Consul 的選舉機制和服務原理，我們有兩個注意點 ：
1、部署Consul Service 節點應該奇數為宜，因為+1的偶數節點和奇數節點可容忍的故障數是一樣的，比如上圖3和4，另一方面，偶數個節點在選主節點的時候可能會出現二分選票的情況，還得重新選舉。
2、Consul Service 節點數不是越多越好，雖然Server數量越多可容忍的故障數越多，但是Raft進行日誌複製也是很耗時間的，而且Server數量越多，性能越低，所以結合實際場景，一般建議Server部署3個即可。
有興趣的同學可以去Consul官網看看它的選舉機制，還可以對比下Redis中Sentinel模式。
2.3.3 生態對接
對接Spring Cloud生態
Consul作為註冊中心，集成在Spring Cloud生態。可以看出，跟Eureka對接到Spring Cloud 生態的過程很像。
但是這邊的健康檢查更豐富，可以有多種不同的的Check方式：
- Script check（Script+ Interval）
- 基於HTTP請求
- 基於tcp請求
- 基於grpc請求
2.4 總結對比
| 指標 | Eureka | Zookeeper | Consul | Etcd |
| 一致性協議 | AP | CP（Paxos演算法） | CP（Raft演算法） | CP（Raft演算法） |
| 健康檢查 | TTL(Time To Live) | TCP Keep Alive | TTL\HTTP\TCP\Script | Lease TTL KeepAlive |
| watch/long polling | 不支援 | watch | long polling | watch |
| 雪崩保護 | 支援 | 不支援 | 不支援 | 不支援 |
| 安全與許可權 | 不支援 | ACL | ACL | RBAC |
| 是否支援多數據中心 | 是 | 否 | 是 | 否 |
| 是否有管理介面 | 是 | 否（可用第三方ZkTools） | 是 | 否 |
| Spring Cloud 集成 | 支援 | 支援 | 支援 | 支援 |
| Dubbo 集成 | 不支援 | 支援 | 支援 | 不支援 |
| K8S 集成 | 不支援 | 不支援 | 支援 | 支援 |
這邊是對業內4種註冊中心各緯度上的對比，Eureka是典型的AP類型，Zookeeper和Consul是典型的CP類型。如何選擇取決你的業務是傾向A：高可用性 還是 C：強一致性。
當然，業務是複雜的，在真正的技術選型時，還是要根據自己的實際業務現狀來判斷。有一些傾向，比如你的系統是Spring Cloud體系下，那優先選擇Eureka、Consul。
如果業務會更多向雲原生對齊，則Consul、Etcd會是比較優先的選擇。
