前言

隨著瓜子業(yè)務(wù)的不斷發(fā)展，系統(tǒng)規(guī)模在逐漸擴大，目前在瓜子的私有云上已經(jīng)運行著數(shù)百個 Dubbo 應(yīng)用，上千個 Dubbo 實例。瓜子各部門業(yè)務(wù)迅速發(fā)展，版本沒有來得及統(tǒng)一，各個部門都有自己的用法。隨著第二機房的建設(shè)，Dubbo 版本統(tǒng)一的需求變得越發(fā)迫切。幾個月前，公司發(fā)生了一次與 Dubbo 相關(guān)的生產(chǎn)事故，成為了公司 基于社區(qū) Dubbo 2.7.3 版本升級的誘因。

接下來，我會從這次線上事故開始，講講我們這段時間所做的 Dubbo 版本升級的歷程以及我們規(guī)劃的 Dubbo 后續(xù)多機房的方案。

一、Ephermal節(jié)點未及時刪除導(dǎo)致provider不能恢復(fù)注冊的問題修復(fù)

事故背景

在生產(chǎn)環(huán)境，瓜子內(nèi)部各業(yè)務(wù)線共用一套zookeeper集群作為dubbo的注冊中心。2019年9月份，機房的一臺交換機發(fā)生故障，導(dǎo)致zookeeper集群出現(xiàn)了幾分鐘的網(wǎng)絡(luò)波動。在zookeeper集群恢復(fù)后，正常情況下dubbo的provider應(yīng)該會很快重新注冊到zookeeper上，但有一小部分的provider很長一段時間沒有重新注冊到zookeeper上，直到手動重啟應(yīng)用后才恢復(fù)注冊。

排查過程

首先，我們統(tǒng)計了出現(xiàn)這種現(xiàn)象的dubbo服務(wù)的版本分布情況，發(fā)現(xiàn)在大多數(shù)的dubbo版本中都存在這種問題，且發(fā)生問題的服務(wù)比例相對較低，在github中我們也未找到相關(guān)問題的issues。因此，推斷這是一個尚未修復(fù)的且在網(wǎng)絡(luò)波動情況的場景下偶現(xiàn)的問題。

接著，我們便將出現(xiàn)問題的應(yīng)用日志、zookeeper日志與dubbo代碼邏輯進行相互印證。在應(yīng)用日志中，應(yīng)用重連zookeeper成功后provider立刻進行了重新注冊，之后便沒有任何日志打印。而在zookeeper日志中，注冊節(jié)點被刪除后，并沒有重新創(chuàng)建注冊節(jié)點。對應(yīng)到dubbo的代碼中，只有在FailbackRegistry.register(url)的doRegister(url)執(zhí)行成功或線程被掛起的情況下，才能與日志中的情況相吻合。

public void register(URL url) {super.register(url);failedRegistered.remove(url);failedUnregistered.remove(url);try {// Sending a registration request to the server sidedoRegister(url);} catch (Exception e) {Throwable t = e;// If the startup detection is opened, the Exception is thrown directly.boolean check = getUrl().getParameter(Constants.CHECK_KEY, true)&& url.getParameter(Constants.CHECK_KEY, true)&& !Constants.CONSUMER_PROTOCOL.equals(url.getProtocol());boolean skipFailback = t instanceof SkipFailbackWrapperException;if (check || skipFailback) {if (skipFailback) {t = t.getCause();}throw new IllegalStateException("Failed to register " + url + " to registry " + getUrl().getAddress() + ", cause: " + t.getMessage(), t);} else {logger.error("Failed to register " + url + ", waiting for retry, cause: " + t.getMessage(), t);}// Record a failed registration request to a failed list, retry regularlyfailedRegistered.add(url);}}

在繼續(xù)排查問題前，我們先普及下這些概念：dubbo默認(rèn)使用curator作為zookeeper的客戶端，curator與zookeeper是通過session維持連接的。當(dāng)curator重連zookeeper時，若session未過期，則繼續(xù)使用原session進行連接；若session已過期，則創(chuàng)建新session重新連接。而ephemeral節(jié)點與session是綁定的關(guān)系，在session過期后，會刪除此session下的ephemeral節(jié)點。

繼續(xù)對doRegister(url)的代碼進行進一步排查，我們發(fā)現(xiàn)在CuratorZookeeperClient.createEphemeral(path)方法中有這么一段邏輯：在createEphemeral(path)捕獲了NodeExistsException，創(chuàng)建ephemeral節(jié)點時，若此節(jié)點已存在，則認(rèn)為ephemeral節(jié)點創(chuàng)建成功。這段邏輯初看起來并沒有什么問題，且在以下兩種常見的場景下表現(xiàn)正常：

Session未過期，創(chuàng)建Ephemeral節(jié)點時原節(jié)點仍存在,不需要重新創(chuàng)建

Session已過期，創(chuàng)建Ephemeral節(jié)點時原節(jié)點已被zookeeper刪除，創(chuàng)建成功

public void createEphemeral(String path) {try {client.create().withMode(CreateMode.EPHEMERAL).forPath(path);} catch (NodeExistsException e) {} catch (Exception e) {throw new IllegalStateException(e.getMessage(), e);}}

但是實際上還有一種極端場景，zookeeper的Session過期與刪除Ephemeral節(jié)點不是原子性的，也就是說客戶端在得到Session過期的消息時，Session對應(yīng)的Ephemeral節(jié)點可能還未被zookeeper刪除。此時dubbo去創(chuàng)建Ephemeral節(jié)點,發(fā)現(xiàn)原節(jié)點仍存在，故不重新創(chuàng)建。待Ephemeral節(jié)點被zookeeper刪除后，便會出現(xiàn)dubbo認(rèn)為重新注冊成功，但實際未成功的情況，也就是我們在生產(chǎn)環(huán)境遇到的問題。

此時，問題的根源已被定位。定位問題之后，經(jīng)我們與 Dubbo 社區(qū)交流，發(fā)現(xiàn)考拉的同學(xué)也遇到過同樣的問題，更確定了這個原因。

問題的復(fù)現(xiàn)與修復(fù)

定位到問題之后，我們便開始嘗試本地復(fù)現(xiàn)。由于zookeeper的Session過期但Ephemeral節(jié)點未被刪除的場景直接模擬比較困難，我們通過修改zookeeper源碼，在Session過期與刪除Ephemeral節(jié)點的邏輯中增加了一段休眠時間，間接模擬出這種極端場景，并在本地復(fù)現(xiàn)了此問題。

在排查問題的過程中，我們發(fā)現(xiàn)kafka的舊版本在使用zookeeper時也遇到過類似的問題，并參考kafka關(guān)于此問題的修復(fù)方案，確定了dubbo的修復(fù)方案。在創(chuàng)建Ephemeral節(jié)點捕獲到NodeExistsException時進行判斷，若Ephemeral節(jié)點的SessionId與當(dāng)前客戶端的SessionId不同，則刪除并重建Ephemeral節(jié)點。在內(nèi)部修復(fù)并驗證通過后，我們向社區(qū)提交了issues及pr。

kafka類似問題issues：https://issues.apache.org/jira/browse/KAFKA-1387

dubbo注冊恢復(fù)問題issues：https://github.com/apache/dubbo/issues/5125

二、瓜子的dubbo升級歷程

上文中的問題修復(fù)方案已經(jīng)確定，但我們顯然不可能在每一個dubbo版本上都進行修復(fù)。在咨詢了社區(qū)dubbo的推薦版本后，我們決定在dubbo2.7.3版本的基礎(chǔ)上，開發(fā)內(nèi)部版本修復(fù)來這個問題。并借這個機會，開始推動公司dubbo版本的統(tǒng)一升級工作。

為什么要統(tǒng)一dubbo版本

統(tǒng)一dubbo版本后，我們可以在此版本上內(nèi)部緊急修復(fù)一些dubbo問題（如上文的dubbo注冊故障恢復(fù)失效問題）。

瓜子目前正在進行第二機房的建設(shè)，部分dubbo服務(wù)也在逐漸往第二機房遷移。統(tǒng)一dubbo版本，也是為dubbo的多機房做鋪墊。

有利于我們后續(xù)對dubbo服務(wù)的統(tǒng)一管控。

dubbo社區(qū)目前的發(fā)展方向與我們公司現(xiàn)階段對dubbo的一些訴求相吻合，如支持gRPC、云原生等。

為什么選擇dubbo2.7.3

我們了解到，在我們之前攜程已經(jīng)與dubbo社區(qū)合作進行了深度合作，攜程內(nèi)部已全量升級為 2.7.3 的社區(qū)版本，并在協(xié)助社區(qū)修復(fù)了 2.7.3 版本的一些兼容性問題。感謝攜程的同學(xué)幫我們踩坑～

dubbo2.7.3版本在當(dāng)時雖然是最新的版本，但已經(jīng)發(fā)布了2個月的時間，從社區(qū)issues反饋來看，dubbo2.7.3相對dubbo2.7之前的幾個版本，在兼容性方面要好很多。

我們也咨詢了dubbo社區(qū)的同學(xué)，推薦升級版本為2.7.3。

內(nèi)部版本定位

基于社區(qū)dubbo2.7.3版本開發(fā)的dubbo內(nèi)部版本屬于過渡性質(zhì)的版本，目的是為了修復(fù)線上provider不能恢復(fù)注冊的問題，以及一些社區(qū)dubbo2.7.3的兼容性問題。瓜子的dubbo最終還是要跟隨社區(qū)的版本，而不是開發(fā)自已的內(nèi)部功能。因此我們在dubbo內(nèi)部版本中修復(fù)的所有問題均與社區(qū)保持了同步，以保證后續(xù)可以兼容升級到社區(qū)dubbo的更高版本。

兼容性驗證與升級過程

我們在向dubbo社區(qū)的同學(xué)咨詢了版本升級方面的相關(guān)經(jīng)驗后，于9月下旬開始了dubbo版本的升級工作。

初步兼容性驗證
首先,我們梳理了一些需要驗證的兼容性case，針對公司內(nèi)部使用較多的dubbo版本，與dubbo2.7.3一一進行了兼容性驗證。經(jīng)驗證，除dubboX外，dubbo2.7.3與其他dubbo版本均兼容。dubboX由于對dubbo協(xié)議進行了更改，與dubbo2.7.3不兼容。

生產(chǎn)環(huán)境兼容性驗證
在初步驗證兼容性通過后，我們與業(yè)務(wù)線合作，挑選了一些重要程度較低的項目，在生產(chǎn)環(huán)境對dubbo2.7.3與其他版本的兼容性進行了進一步驗證。并在內(nèi)部版本修復(fù)了一些兼容性問題。

推動公司dubbo版本升級
在10月初，完成了dubbo兼容性驗證后，我們開始在各個業(yè)務(wù)線推動dubbo的升級工作。截止到12月初,已經(jīng)有30%的dubbo服務(wù)的完成了版本升級。按照排期，預(yù)計于2020年3月底前完成公司dubbo版本的統(tǒng)一升級。

兼容性問題匯總

在推動升級dubbo2.7.3版本的過程整體上比較順利,當(dāng)然也遇到了一些兼容性問題：

• 創(chuàng)建zookeeper節(jié)點時提示沒有權(quán)限
  dubbo配置文件中已經(jīng)配置了zookeeper的用戶名密碼，但在創(chuàng)建zookeeper節(jié)點時卻拋出KeeperErrorCode = NoAuth的異常，這種情況分別對應(yīng)兩個兼容性問題：

  • issues:https://github.com/apache/dubbo/issues/5076
    dubbo在未配置配置中心時，默認(rèn)使用注冊中心作為配置中心。通過注冊中心的配置信息初始化配置中心配置時，由于遺漏了用戶名密碼，導(dǎo)致此問題。
  • issues:https://github.com/apache/dubbo/issues/4991
    dubbo在建立與zookeeper的連接時會根據(jù)zookeeper的address復(fù)用之前已建立的連接。當(dāng)多個注冊中心使用同一個address，但權(quán)限不同時，就會出現(xiàn)NoAuth的問題。
  • 參考社區(qū)的pr，我們在內(nèi)部版本進行了修復(fù)。

• curator版本兼容性問題

  • dubbo2.7.3與低版本的curator不兼容，因此我們默認(rèn)將curator版本升級至4.2.0
  <dependency><groupId>org.apache.curator</groupId><artifactId>curator-framework</artifactId><version>4.2.0</version> </dependency> <dependency><groupId>org.apache.curator</groupId><artifactId>curator-recipes</artifactId><version>4.2.0</version> </dependency>
  • 分布式調(diào)度框架elastic-job-lite強依賴低版本的curator,與dubbo2.7.3使用的curator版本不兼容,這給dubbo版本升級工作帶來了一定阻塞。考慮到elastic-job-lite已經(jīng)很久沒有人進行維護，目前一些業(yè)務(wù)線計劃將elastic-job-lite替換為其他的調(diào)度框架。
• openFeign與dubbo兼容性問題
  issues:?https://github.com/apache/dubbo/issues/3990

dubbo的ServiceBean監(jiān)聽spring的ContextRefreshedEvent,進行服務(wù)暴露。openFeign提前觸發(fā)了ContextRefreshedEvent，此時ServiceBean還未完成初始化，于是就導(dǎo)致了應(yīng)用啟動異常。
參考社區(qū)的pr，我們在內(nèi)部版本修復(fù)了此問題。

• RpcException兼容性問題
  dubbo低版本consumer不能識別dubbo2.7版本provider拋出的org.apache.dubbo.rpc.RpcException。因此，在consumer全部升級到2.7之前，不建議將provider的com.alibaba.dubbo.rpc.RpcException改為org.apache.dubbo.rpc.RpcException
• qos端口占用
  dubbo2.7.3默認(rèn)開啟qos功能，導(dǎo)致一些混部在物理機的dubbo服務(wù)升級時出現(xiàn)qos端口占用問題。關(guān)閉qos功能后恢復(fù)。
• 自定義擴展兼容性問題
  業(yè)務(wù)線對于dubbo的自定義擴展比較少，因此在自定義擴展的兼容性方面暫時還沒有遇到比較難處理的問題，基本上都是變更package導(dǎo)致的問題，由業(yè)務(wù)線自行修復(fù)。
• skywalking agent兼容性問題
  我們項目中一般使用skywalking進行鏈路追蹤，由于skywalking agent6.0的plugin不支持dubbo2.7，因此統(tǒng)一升級skywalking agent到6.1。

三、dubbo多機房方案

瓜子目前正在進行第二機房的建設(shè)工作，dubbo多機房是第二機房建設(shè)中比較重要的一個話題。在dubbo版本統(tǒng)一的前提下，我們就能夠更順利的開展dubbo多機房相關(guān)的調(diào)研與開發(fā)工作。

初步方案

我們咨詢了dubbo社區(qū)的建議，并結(jié)合瓜子云平臺的現(xiàn)狀，初步確定了dubbo多機房的方案。

在每個機房內(nèi)，部署一套獨立的zookeeper集群。集群間信息不同步。這樣就沒有了zookeeper集群跨機房延遲與數(shù)據(jù)不同步的問題。

dubbo服務(wù)注冊時，僅注冊到本機房的zookeeper集群；訂閱時，同時訂閱兩個機房的zookeeper集群。

實現(xiàn)同機房優(yōu)先調(diào)用的路由邏輯。以減少跨機房調(diào)用導(dǎo)致的不必要網(wǎng)絡(luò)延遲。

同機房優(yōu)先調(diào)用

dubbo同機房優(yōu)先調(diào)用的實現(xiàn)比較簡單，相關(guān)邏輯如下：

瓜子云平臺默認(rèn)將機房的標(biāo)志信息注入容器的環(huán)境變量中。

provider暴露服務(wù)時，讀取環(huán)境變量中的機房標(biāo)志信息，追加到待暴露服務(wù)的url中。

consumer調(diào)用provider時，讀取環(huán)境變量中的機房標(biāo)志信息，根據(jù)路由策略優(yōu)先調(diào)用具有相同標(biāo)志信息的provider。

針對以上邏輯，我們簡單實現(xiàn)了dubbo通過環(huán)境變量進行路由的功能，并向社區(qū)提交了pr。

dubbo通過環(huán)境變量路由pr:?https://github.com/apache/dubbo/pull/5348

原文鏈接
本文為阿里云原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的瓜子二手车在 Dubbo 版本升级、多机房方案方面的思考和实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。