19、Nacos系列-Nacos2.x内核设计之通信通道-小郑聊编程

Nacos通信通道

Nacos 长链接

⼀、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。

二、场景分析

1. 配置

配置对连接的场景诉求分析

2. 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。

三、长链接核心诉求

1. 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。

2. 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。

3. 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。

4. 连接⽣命周期

心跳保活机制

参考：

理解 TCP Keepalive： https://blog.csdn.net/chrisnotfound/article/details/80111559
grpc keepalive ：https://blog.csdn.net/zhaominpro/article/details/103127023
netty 的心跳检测：https://www.cnblogs.com/rickiyang/p/12792120.html

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。

5. 安全性

支持基础的鉴权，数据加密能力。

6. 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。

7. 开源社区

文档，开源社区活跃度，使用用户数等，面向未来是否有足够的支持度。