前言
其实，“通过Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题”是一种解，但不是最优解
1.痛点
上一篇文章的标题是：
通过Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题
当时在文章的末尾就指出，使用Redis+AOP的方式有很多漏洞，只有在服务调用方发送调用请求的情况下才会触发切面中更新Ribbon缓存的逻辑。如果每次在发布Eureka新服务的场景下，告警的接口都能准确定位到，那将这些接口方法通过切面去针对性的加上更新Ribbon缓存的前置操作完全是没问题的。但是如果告警接口数量众多，并且无法定位，上述方法就有些不够看了。
2.解决方案
于是，基于此种困境，我想到了用mq的事件驱动模式来推进Ribbon缓存更新（“下线”这一事件驱动，而不是“发送跨服务调用请求”这一事件），具体如下：
即，当服务被调用方中调用了下线接口下线了指定服务，会生产消息到MQ里，服务被调用方会监听这个队列去消费消息，并通过消费消息这一事件（消费下线服务端口信息）去驱动更新Ribbon缓存。
说明：
在以前我觉得用MQ不能做下线，压测了很多次也没成功，这本质还是没搞懂Eureka-Server，Eureka-Client，Ribbon三者的关系和之间的动作，其实这个体系里有两个非常关键的点（在配置文件中设置），可以直接影响无感知下线的结果，需要动态调整：那就是要关闭Eureka-server的三级缓存useReadOnlyResponseCache: false，并且缩短Eureka-Client端向Eureka-server端拉取服务列表的时间registry-fetch-interval-seconds: 3。可能这里大家看到去改配置有点鸡肋并且在实际场景中也不太现实，但别急，暂时先往下看，后面我会专门写一篇文章来解决这一问题
3.具体实现
3.1配置RabbitMQ
1.配置RabbitMQ（安装这些大家可以去看看平台比较成熟的文章）这里就不写了，我是直接在服务器上用docker容器化运行的：
在调用方与被调用方都配好MQ
3.2生产下线消息
首先声明一个队列：
@Configuration
@EnableRabbit
public class RabbitMqConfig {
@Bean
public Queue theQueue() {
return new Queue("SERVER_LIST");
}
}
服务下线接口处，生产下线消息到MQ，向这接口/service-down-list发送GET请求，传递指定的下线服务实例信息即可下线服务，即http://localhost:8081/control/service-down-list?portParams=8083就下线了8083服务实例
@Value("${eureka-server.ipAddress}")
private String ipAddress;
@Value("${eureka-server.appName}")
private String appName;
@Value("${DIY_QUEUE.VALUE}")
private String queueName;
@GetMapping(value = "/service-down-list")
public String offLine(@RequestParam List<Integer> portParams) {
List<Integer> successList = new ArrayList<>();
//得到服务信息
List<InstanceInfo> instances = eurekaClient.getInstancesByVipAddress(appName, false);
List<Integer> servicePorts = instances.stream().map(InstanceInfo::getPort).collect(Collectors.toList());
//去服务列表里挨个下线
OkHttpClient client = new OkHttpClient();
log.error("开始时间：{}", System.currentTimeMillis());
portParams.parallelStream().forEach(temp -> {
if (servicePorts.contains(temp)) {
String url = "http://" + ipAddress + ":" + temp + "/control/service-down";
try {
Response response = client.newCall(new Request.Builder().url(url).build()).execute();
if (response.code() == 200) {
log.debug(temp + "服务下线成功");
successList.add(temp);
} else {
log.debug(temp + "服务下线失败");
}
} catch (IOException e) {
log.error(e.toString());
}
}
});
//todo MQ通知
HashMap<String, List<Integer>> portInfo = new HashMap<>();
portInfo.put(appName,successList);
rabbitTemplate.convertAndSend(queueName,portInfo);
return successList + "优雅下线成功";
}
这里向MQ的队列里传递了下线的服务实例端口信息
3.3更新Ribbon缓存
服务调用方通过“下线“这一事件驱动Ribbon缓存更新
/**
* 消费者
*/
@Slf4j
@Component
public class Consumer {
@Resource
SpringClientFactory springClientFactory;
@Resource
ClearRibbonCacheBean clearRibbonCacheBean;
@RabbitListener(queues = "SERVER_LIST")
public void listenWorkQueue1(HashMap<String, List<Integer>> message) {
log.debug("消费者1接收到消息——" + message + "时间为：" + LocalTime.now());
for (String key : message.keySet()) {
List<Integer> value = message.get(key);
log.debug("Key: " + key);
log.debug("Value: " + value);
if (ObjectUtils.isNotEmpty(value)) {
clearRibbonCacheBean.clearRibbonCache(springClientFactory, value.toString(), key);
}
log.debug("现在的所有服务列表：{}", springClientFactory.getLoadBalancer(key).getAllServers());
}
}
}
清理Ribbon缓存的Bean：
/**
* 手动清除Ribbon缓存
*/
@Configuration
@Slf4j
public class ClearRibbonCacheBean {
/**
* 削减
*/
public static boolean cutDown(List<Integer> ports, Server index) {
return ports.contains(index.getPort());
}
public void clearRibbonCache(SpringClientFactory clientFactory, String portParams,String appName) {
// 获取指定服务的负载均衡器
ILoadBalancer loadBalancer = clientFactory.getLoadBalancer(appName);
//在主动拉取可用列表，而不是走拦截器被动的方式——这里为什么获取可用的之后还要过滤，就是因为所谓的可用不是实时的可用而是缓存中的可用
List<Server> reachableServers = loadBalancer.getReachableServers();//这里从客户端获取，会等待客户端同步三级缓存
//过滤掉已经下线的端口，符合条件端口的服务过滤出来
List<Integer> portList = StringChange.stringToList(portParams);
List<Server> ableServers = reachableServers.stream().filter(temp -> !cutDown(portList, temp)).collect(Collectors.toList());
log.debug("可用服务列表：{}", ableServers);
// 在某个时机需要清除Ribbon缓存
((BaseLoadBalancer) loadBalancer).setServersList(ableServers); // 清除Ribbon负载均衡器的缓存
}
3.4压测
运行项目，调用下线接口并压测来模拟一下线上场景：
此时我们调用下线接口，下线8083服务实例：
压测结果，均无异常：
观察服务实例的日志输出：
未下线的8081,8084
下线的8083
这说明，Eureka服务下线感知的延迟已经完全被消除
4.优化
以上的MQ还是采用简单队列的模式，即生产者生产一条消息到队列中，该消息也只能被一个消费者消费到。在微服务架构中，用户微服务肯定不只是被单方面调用，而是会被多方调用。那这就要求我们不能单纯只将消息生产到队列里，应该通过广播的模式进行消息的分发。为了更方便交换机与队列的灵活绑定，以及方便扩展，采用Topic话题的模型进行消息的广播：
声明一个新队列：
@Bean
public Queue theQueue() {
return new Queue("USER-QUEUE");
}
将生产消息的地方改为携带一个routingkey并发送到交换机中：
//todo MQ通知
HashMap<String, List<Integer>> portInfo = new HashMap<>();
portInfo.put(appName,successList);
rabbitTemplate.convertAndSend(exchangeName,"USER.SERVICE-DOWN",portInfo);// 这个队列以后可能会发USER话题下的很多信息
将消费者端的消息监听器进行改造，变为监听指定话题的消息：
@RabbitListener(bindings = @QueueBinding(
value = @Queue(name = "USER-QUEUE"),
exchange = @Exchange(name = "USER-TOPIC", type = ExchangeTypes.TOPIC),
key = "USER.SERVICE-DOWN")
)
public void listenWorkQueue1(HashMap<String, List<Integer>> message) {
log.debug("消费者1接收到消息——" + message + "时间为：" + LocalTime.now());
for (String key : message.keySet()) {
List<Integer> value = message.get(key);
log.debug("Key: " + key);
log.debug("Value: " + value);
if (ObjectUtils.isNotEmpty(value)) {
clearRibbonCacheBean.clearRibbonCache(springClientFactory, value.toString(), key);
}
log.debug("现在的所有服务列表：{}", springClientFactory.getLoadBalancer(key).getAllServers());
}
}