nacos架构和原理（四）——Nacos 内核设计之通信通道
- Nacos 长链接
- 现状背景
- 场景分析
- 配置
- 服务
- 长链接核心诉求
- 功能性诉求
- 客户端
- 服务端
- 性能要求
- 负载均衡
- 客户端随机
- 服务端柔性调整
- 连接⽣命周期
- 心跳保活机制
- 我们需要什么
- 安全性
- 低成本多语⾔实现
- 长链接选型对比
- 基于长链接的⼀致性模型
- 配置⼀致性模型
- 服务⼀致性模型
Nacos 长链接
现状背景
Nacos 1.x 版本 Config/Naming 模块各自的推送通道都是按照自己的设计模型来实现的。
配置和服务器模块的数据推送通道不统⼀，http 短连接性能压力巨大，未来 Nacos 需要构建能够 同时支持配置以及服务的长链接通道，以标准的通信模型重构推送通道。
场景分析
配置
SDK 和 Server 之间
○ 客户端 SDK 需要感知服务节点列表，并按照某种策略选择其中⼀个节点进行连接；底层连接 断开时，需要进行切换 Server 进行重连。
○ 客户端基于当前可用的长链接进行配置的查询，发布，删除，监听，取消监听等配置领域的 R PC 语意接口通信。 ○ 感知配置变更消息，需要将配置变更消息通知推送当前监听的客户端；网络不稳定时，客户端 接收失败，需要支持重推，并告警。
○ 感知客户端连接断开事件，将连接注销，并且清空连接对应的上下文，比如监听信息上下文清 理。
Server 之间通信
○ 单个 Server 需要获取到集群的所有 Server 间的列表，并且为每⼀个 Server 创建独立的长链 接；连接断开时，需要进行重连，服务端列表发生变更时，需要创建新节点的长链接，销毁下 线的节点长链接。
○ Server 间需要进行数据同步，包括配置变更信息同步,当前连接数信息，系统负载信息同步， 负载调节信息同步等。
服务
SDK 和 Server 之间
○ 客户端 SDK 需要感知服务节点列表，并按照某种策略选择其中⼀个节点进行连接；底层连接 断开时，需要切换 Server 进行重连。
○ 客户端基于当前可用的长链接进行配置的查询，注册，注销，订阅，取消订阅等服务发现领域 的 RPC 语意接口通信。
○ 感知服务变更，有服务数据发生变更，服务端需要推送新数据到客户端；需要有推送 ack，方 便服务端进行 metrics 和重推判定等。
○ 感知客户端连接断开事件，将连接注销，并且清空连接对应的上下文，比如该客户端连接注册 的服务和订阅的服务。
Server 之间通信
○ 服务端之间需要通过长连接感知对端存活状态，需要通过长连接汇报服务状态（同步 RPC 能 力）。
○ 服务端之间进行 AP Distro 数据同步，需要异步 RPC 带 ack 能力。
长链接核心诉求
功能性诉求
客户端
连接生命周期实时感知能力，包括连接建立，连接断开事件。
客户端调用服务端支持同步阻塞，异步 Future，异步 CallBack 三种模式。
底层连接自动切换能力。
响应服务端连接重置消息进行连接切换。 选址/服务发现。
服务端
连接生命周期实时感知能力，包括连接建立，连接断开事件。
服务端往客户端主动进行数据推送，需要客户端进行 Ack 返回以支持可靠推送,并且需要进行失 败重试。
服务端主动推送负载调节能力。
性能要求
性能方面，需要能够满足阿里的生产环境可用性要求，能够支持百万级的长链接规模及请求量和推 送量，并且要保证足够稳定。
负载均衡
常见的负载均衡策略：随机，hash，轮询，权重，最小连接数，最快响应速度等
短连接和长链接负载均衡的异同：在短连接中，因为连接快速建立销毁，“随机，hash，轮询， 权重”四种方式大致能够保持整体是均衡的，服务端重启也不会影响整体均衡，其中“最小连接 数，最快响应速度”是有状态的算法，因为数据延时容易造成堆积效应；长连接因为建立连接后， 如果没有异常情况出现，连接会⼀直保持，断连后需要重新选择⼀个新的服务节点，当出现服务
节点发布重启后，最终连接会出现不均衡的情况出现，“随机，轮询，权重”的策略在客户端重 连切换时可以使用，“最小连接数，最快响应速度”和短连接⼀样也会出现数据延时造成堆积效 应。长连接和短连接的⼀个主要差别在于在整体连接稳定时，服务端需要⼀个 rebalance 的机制， 将集群视角的连接数重新洗牌分配，趋向另外⼀种稳态.
客户端随机+服务端柔性调整
核心的策略是客户端+服务端双向调节策略，客户端随机选择+服务端运行时柔性调整。
客户端随机
客户端在启动时获取服务列表，按照随机规则进行节点选择，逻辑比较简单，整体能够保持随机。
服务端柔性调整
(当前实现版本)人工管控方案：集群视角的系统负载控制台，提供连接数，负载等视图(扩展新增 连接数，负载，CPU 等信息，集群间 report 同步)，实现人工调节每个 Server 节点的连接数， 人工触发 reblance，人工削峰填谷。
○ 提供集群视角的负载控制台：展示 总节点数量，总长链接数量，平均数量，系统负载信息。 ○ 每个节点的地址，长链接数量，与平均数量的差值，正负值。
○ 对高于平均值的节点进行数量调控，设置数量上限(临时和持久化)，并可指定服务节点进行切 换。
(未来终态版本)自动化管控方案：基于每个 server 间连接数及负载自动计算节点合理连接数，自 动触发 reblance，自动削峰填谷。实现周期较长，比较依赖算法准确性。
连接⽣命周期
心跳保活机制
参考：理解 TCP Keepalive
grpc keepalive
netty 的心跳检测
我们需要什么
低成本快速感知：客户端需要在服务端不可用时尽快地切换到新的服务节点，降低不可用时间， 并且能够感知底层连接切换事件，重置上下文；服务端需要在客户端断开连接时剔除客户端连接 对应的上下文，包括配置监听，服务订阅上下文，并且处理客户端连接对应的实例上下线。
○ 客户端正常重启：客户端主动关闭连接，服务端实时感知
○ 服务端正常重启 : 服务端主动关闭连接，客户端实时感知
防抖： ○ 网络短暂不可用: 客户端需要能接受短暂网络抖动，需要⼀定重试机制，防止集群抖动，超过 阈值后需要自动切换 server，但要防止请求风暴。
断网演练：断网场景下，以合理的频率进行重试，断网结束时可以快速重连恢复。
安全性
支持基础的鉴权，数据加密能力。
低成本多语⾔实现
在客户端层面要尽可能多的支持多语言，至少要支持⼀个 Java 服务端连接通道，可以使用多个主 流语言的客户端进行访问，并且要考虑各种语言实现的成本，双边交互上要考虑 thin sdk，降低多 语言实现成本。
长链接选型对比
在当前的备选框架中，从功能的契合度上，Rsocket 比较贴切我们的功能性诉求，性能上比 grpc 要强⼀些，开源社区的活跃度上相对 grpc 要逊色很多。
版本分布参考：
C++：https://www.jetbrains.com/zh-cn/lp/devecosystem-2020/cpp/
JAVA https://www.jetbrains.com/zh-cn/lp/devecosystem-2020/java/
GO：https://www.sohu.com/a/390826880_268033
基于长链接的⼀致性模型
配置⼀致性模型
sdk-server ⼀致性
server 间⼀致性
Server 间同步消息接收处理轻量级实现，重试失败时，监控告警。 断网：断网太久，重试任务队列爆满时，无剔除策略。
服务⼀致性模型
sdk-server 间⼀致性
server 间⼀致性
