SpringCloud Consul功能介绍及其Raft算法原理

一、Consul 简介

Consul 为一款包含服务注册与发现、分布式一致性协议实现、健康检查、Key/Value存储、多数据中心方案一体化的注册中心工具。

二、主要功能

服务注册与发现

添加依赖，在yml文件中服务注册配置之后将服务启动后将会注册到consul注册中心上：

spring:application:name: service-product#consul 信息配置cloud:consul:host: 172.18.58.92 #consul注册中心的ip地址port: 8500 #consul注册中心端口discovery:register: true #是否需要注册instance-id: ${spring.application.name}-1 #实例id(唯一标志)service-name: ${spring.application.name} #服务的名称prefer-ip-address: true #开启ip地址注册ip-address: ${spring.cloud.client.ip-address} #当前服务的请求ipport: ${server.port} #服务的请求端口

可以通过 DNS 或 HTTP 的方式获取服务信息。

服务列表查询(get)： http://192.168.17.128:8500/v1/catalog/services

服务详情查询（get）：http://192.168.17.128:8500/v1/catalog/service/servicename

服务注册（put）： http://192.168.17.128:8500/v1/catalog/register

{"Datacenter":"wuhan","Node":"node-1","Address":"172.18.58.92","Service":{"ID":"test-service-id","Service":"test-service","tags":["master","v1"],"Address":"172.18.58.92","Port":9001}
}

更多参考：https://www.consul.io/api-docs/index

支持Ribbon 客户端负载均衡

借助给RestTemplate 添加 @Loadbalance 注解，可以在调用远程服务时使用服务名称来代替服务ip端口信息。

@Configuration
public class ApplicationContextConfig {@LoadBalanced@Beanpublic RestTemplate getRestTemplate(){return  new RestTemplate();}
}

@RestController
public class OrderController {@Autowiredprivate RestTemplate restTemplate;@GetMapping("/consumer/product/get/{id}")public CommonResult<Payment> getProduct(@PathVariable("id") Long id){return  restTemplate.getForObject("http://service-product/product/get/"+id,CommonResult.class);}
}

分布式一致性协议实现

Consul的一致性协议实现主要依靠Raft算法进行选举以及选举后的数据同步来实现，文章下部分将对该算法进行详细描述。

健康检查

Consul的健康检查是啥？做了什么，解决了什么，待补充

Key/Value 存储

新增数据：

查询数据：（查询全部、查询单条）

修改数据：

删除数据：

多数据中心

多数据中心之间数据（服务数据、KV存储数据）不会同步，但是调用服务在当前中心没有的话，会找到对应的中心并进行跨中心调用并返回结果。

三、Raft算法介绍

节点的三种角色：当选人（Leader）、候选人(candidate)、跟随者（follower ）。

在Raft中，有两个超时设置控制着选举过程，

1,选举超时时间（election timeout）：一个节点从跟随者变成候选人的时间，这个时间为150ms到300ms之间的一个随机值。

2,心跳发送间隔时间（heartbeat timeout）。

选举算法流程：

0，系统初始三台节点都为跟随者（follower），并且当前轮数(term)为0。

1，当随机数超时时间最小的节点在选举超时时间之后，该节点第一个从跟随者（follower ）变为候选人(candidate)。变更为候选人的节点的轮数加一（term=1）,并且给自己投递一票，并且给其他节点发送投票请求信息。

2，当接受者在他们的节点在他们的轮数（term=0）的轮次内没有进行投过票，他们将会投票给提出投给自己票的候选者Node A，并且重新开始自身的超时时间（150ms-300ms）,以及将自身的轮数也加一（term=1）。

4,一旦候选者在接收到了超过半数的选票后，则当选为Leader。当选为Leader的节点向其他节点发送心跳消息。并且这些消息以心跳超时时间（heartbeat timeout）间隔发送给其他节点

跟随者在接收到消息后，会对该消息进行反馈回复。并且在每次接收到心跳消息后其重置自身的选举超时时间，从0开始计时，在随机的时间内接收到新的心跳请求，再继续重新计时。

系统将在当前状态中持续运行。直到某一台follower 在心跳时间内没有接收到心跳请求，变成了一个candidate 候选者。

场景1（此时Leader挂掉了）：

1，当两台节点在接收到心跳请求后，开始新的计时。节点B的随机选举超时时间为160ms,节点C的随机选举超时时间为280ms。

2，由于在接收到上次心跳请求后，Leader节点挂掉了。节点B第一个先到达了自身的选举超时时间。由于该时间内没有收到心跳请求，节点B将自身变更为候选人，并投给自己一票，并将自身轮数term+1 变为 2，并发送给其他节点发送投票请求。

3，节点C收到投票请求后，投票给B,并将自身的轮数term+1 = 2。节点B收到了C的投票，以及自身的投票获得了半数以上（存活的节点一半以上的数）的投票，当选为新的Leader(term=2的Leader)。并且开始持续向其他节点发送心跳请求（包括挂掉的上一届(term=1)Leader）。由于新的Leader需要获得半数以上的投票，所以每次选举只能选出一个Leader.

场景2（当两个节点同时变为候选人时，分裂投票出现）：

四个节点中，两个节点同时变为了候选人（B、D），并且他们向其他节点发送的投票请求，都分别先到达了一个跟随者（B->A,D->C）。

A和C 在接收到各自的第一个投票请求后，将票投递给了提出者。后面接收的请求本轮将不再投票。

此时B和C 各取得了两张投票。这是由于票数已经不能区分高低

节点将根据自身的选举超时时间再次发起投票。第一个变为候选人的将再次发送投票请求（并且term+1。自身票数记为1,自己投了自己一票），其他节点接收到投票请求后，term+1。重置选举超时时间，投票给候选人。直到选出一个Leader.

选举过程（以五台举例）

step1:当分别启动五台单机的consul节点，并指定其正常运行的集群中最少正常节点数量为3。

step2:启动完成后，没太节点都是相互独立的节点，我们对节点1执行 consul join xx.xx.x.xx（节点5的ip）,此时节点1和节点5将组成集群，但是当前集群数量2小于第一步中设置最小运行节点数3，所以集群仍不能提供服务。

step3:我们在节点2上执行 consul join xx.xx.x.xx（节点5的ip）,此时节点1、2、5将组成集群，并且当前集群节点数量3 大于等于启动设置的最小运行节点数3 。当前三台节点将开始进行选举。

step4:三台节点目前角色都为选举者，根据上面的选举过程，将产生一个Leader.

step5:后续的节点4 和 5 在加入集群时发现已经有了Leader将直接变为跟随者。

数据同步过程

1，一个client发送了一个改变数据请求到Leader,更改将添加到领导者的日志中

2，主节点将在下次心跳请求中传递改变信息，Leader在收到大多数的反馈后，将进行提交。并且对客户端做一个反馈。

3，客户端发送了一个+2的操作请求给Leader,Leader 将+2 操作发给每个节点，并收到后自身也+2 操作。操作完成反馈给client。

分区情况下的同步，在开始为一个网络环境下的5个节点，由于网络故障，集群被分割成了两部分，相互不能通讯。在其他节点较多的没有主节点的节点将term加一，并进行重新选举。

发送到B上的数据更改由于没能同步到大多数的节点上，所以该条请求未能进行提交处理。另外一部分节点由于节点数较多，收到的数据操作请求同步到了大多数节点上，故可以被提交

网络修复好之后，两个节点都想集群中节点发送心跳，由于上面部分的三个节点的term较高，为最新的集群状态。并且都跟随新的Leader。老的Leader将退出成为跟随者。节点B和A回滚未提交的数据请求,整个节点数据将以term高的集群数据为准。

四、与Eureka对比

CAP: 一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）

1，一致性

Consul与Zookeeper 一样，遵循的CP 强一致性。使用Consul注册服务时，需要等大多数节点都写入成功才认为注册成功，相比Eureka的一个节点处理了就返回注册成功相比，Consul 服务注册会慢一些。当主节点挂掉，重新选举时间段内，不能对外提供服务，保证了强一致性，牺牲了可用性。

Eureka 保证高可用和最终一致性（AP）。服务注册相对较快，因为不需要等其他节点都数据同步上。但有可能同步不成功，其他节点该服务信息不可用，但是有问题节点找不到数据，会从其他节点获取到。

2，开发语言

Consul 基于Go语言开发，安装即用。Eureka 为Servlet程序，运行在Servlet容器中。

SpringCloud Consul功能介绍及其Raft算法原理相关推荐

图论算法—图的拓扑排序介绍和Kahn算法原理解析以及Java代码的实现
详细介绍了图的拓扑排序的概念,然后介绍了求拓扑序列的算法:Kahn算法的原理,最后提供了基于邻接矩阵和邻接表的图对该算法的Java实现. 阅读本文需要一定的图的基础,如果对于图不是太明白的可以看看这篇 ...
神经网络算法基本介绍,简单神经网络算法原理
神经网络是什么? 生物神经网络主要是指人脑的神经网络,它是人工神经网络的技术原型. 人脑是人类思维的物质基础,思维的功能定位在大脑皮层,后者含有大约10^11个神经元,每个神经元又通过神经突触与大约1 ...
图像处理：TDLMS算法原理介绍及MATLAB实现
一.TDLMS介绍 1.1 算法原理二维最小均方(two-dimensional least mean square, TDLMS)滤波算法由最小均方误差(least mean square err ...
ETCD介绍—etcd概念及原理方面分析
etcd作为一个受到ZooKeeper与doozer启发而催生的项目,除了拥有与之类似的功能外,更专注于以下四点. 简单:基于HTTP+JSON的API让你用curl就可以轻松使用. 安全:可选SSL ...
raft算法_Raft算法与实现
强一致性.高可用的存储组件是构建现代分布式系统的必要条件,广泛应用于注册中心.配置中心等平台设施中,分布式锁.协调器等等各类场景需求也有相关需求,在该领域有众多知名的开源组件,如etcd.zookee ...
Raft算法在Curve中的实践
Curve作为高性能.高可用.高可靠的新一代分布式存储系统,对于多副本数据同步,负载均衡,容灾恢复方面都有较高的要求.Curve选用Raft算法作为底层一致性协议,并基于Raft的特性,实现了异常情况 ...
OpenCV4机器学习算法原理与编程实战（附部分模型下载地址）
一直想找本书,能在机器学习复杂的算法原理和高效的编程实战之间达到合适的平衡:让感兴趣的同学拿到就有能用的代码,还有基本原理的介绍,因为了解原理才知道什么时候用什么算法最合适,以及如何调整参数. 一直没 ...
干货 | 非常全面的谱聚类算法原理总结
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达谱聚类算法是目前最流行的聚类算法之一,其性能及适用场景优于传统的聚 ...
手把手教你EMD算法原理与Python实现(更新)
Rose今天主要介绍一下EMD算法原理与Python实现.关于EMD算法之前介绍过<EMD算法之Hilbert-Huang Transform原理详解和案例分析>, SSVEP信号中含有自 ...

SpringCloud Consul功能介绍及其Raft算法原理

SpringCloud Consul功能介绍及其Raft算法原理相关推荐

最新文章

热门文章