今天下午突然 出現(xiàn) 測(cè)試環(huán)境 cpu飆高，干到了 60%，其他項(xiàng)目 響應(yīng)時(shí)間明顯變長(zhǎng)。。。有點(diǎn)嚇人，不想背鍋

項(xiàng)目背景

出問(wèn)題的項(xiàng)目是 需要連接各個(gè)不同nacos 和不同的 namespace 進(jìn)行對(duì)應(yīng)操作的 一個(gè)項(xiàng)目，對(duì)nacos的操作都是httpClient 調(diào)用的api接口，httpClient方法 沒(méi)有問(wèn)題，不用質(zhì)疑這個(gè)

定位問(wèn)題

首先 這 cpu高了，直接top -Hp 看看

定位到 進(jìn)程id，然后 執(zhí)行 jstack 進(jìn)程id -> 1.txt

看到堆棧信息 ，下面提示信息有很多

"com.alibaba.nacos.client.config.security.updater"?#2269?daemon?prio=5?os_prio=0?tid=0x00007fa3ec401800?nid=0x8d85?waiting?on?condition?[0x00007fa314396000]

???java.lang.Thread.State:?TIMED_WAITING?(parking)
????????at?sun.misc.Unsafe.park(Native?Method)
????????-?parking?to?wait?for??<0x00000000f7f3eae0>?(a?java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject)
????????at?java.util.concurrent.locks.LockSupport.parkNanos(LockSupport.java:215)
????????at?java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.awaitNanos(AbstractQueuedSynchronizer.java:2078)
????????at?java.util.concurrent.ScheduledThreadPoolExecutor$DelayedWorkQueue.take(ScheduledThreadPoolExecutor.java:1093)
????????at?java.util.concurrent.ScheduledThreadPoolExecutor$DelayedWorkQueue.take(ScheduledThreadPoolExecutor.java:809)
????????at?java.util.concurrent.ThreadPoolExecutor.getTask(ThreadPoolExecutor.java:1074)
????????at?java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1134)
????????at?java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
????????at?java.lang.Thread.run(Thread.java:748)

但是上面這個(gè)提示信息 顯示 是 線程內(nèi)部的，而且是nacos client 內(nèi)部的

你這么搞，讓我很難受啊，我都是http 調(diào)用的，當(dāng)時(shí)就是為了 防止開(kāi)啟無(wú)用的線程，這。。。。。怎么

那我去 根據(jù)你的關(guān)鍵字找找 是哪里打印的，關(guān)鍵字 com.alibaba.nacos.client.config.security.updater

ServerHttpAgent 類(lèi)的方法

//?init?executorService
this.executorService?=?new?ScheduledThreadPoolExecutor(1,?new?ThreadFactory()?{
????@Override
????public?Thread?newThread(Runnable?r)?{
????????Thread?t?=?new?Thread(r);
????????t.setName("com.alibaba.nacos.client.config.security.updater");
????????t.setDaemon(true);
????????return?t;
????}
});

這是構(gòu)造方法啊，應(yīng)該只初始化一次的啊，往上debug，我靠，NacosConfigService 類(lèi)中調(diào)用了，debug 看什么時(shí)候調(diào)用了 不就行了嘛

項(xiàng)目初始化的時(shí)候 調(diào)用了一次，業(yè)務(wù)系統(tǒng)依賴(lài)nacos嘛，ok 可以理解

再就是漫長(zhǎng)的等待,30s后 發(fā)現(xiàn)又是一次調(diào)用，我去，怎么可能。。。

往回debug，代碼如下

scheduler.schedule("定時(shí)校對(duì)灰度nacos?配置",?()?->?loadGrayConfig(grayFileName),
????1800,?1800,?TimeUnit.SECONDS);

/**
?*?灰度配置更新?解決?網(wǎng)絡(luò)隔離的問(wèn)題
?*
?*?@param?grayFileName?灰度文件的名稱(chēng)
?*/
private?void?loadGrayConfig(String?grayFileName)?{
????synchronized?(this)?{
????????System.err.println("loadGrayConfig?datetime:?"?+?DateUtils.formatDate(new?Date()));
????????//刷一次?緩存?重新獲取nacos?內(nèi)容?賦值
????????grayConfigManager.loadNoCache(grayFileName);
????}
}

?

?

等會(huì)，難道 小丑是我。。。。

這當(dāng)時(shí)是為了灰度功能，定時(shí)數(shù)據(jù)校驗(yàn)用的 用了一個(gè)線程池，當(dāng)時(shí)以為用了線程池 妥妥的。。。還特意調(diào)用的 Nocache 方法，讓他創(chuàng)建新的nacos Config對(duì)象，做數(shù)據(jù)校對(duì)

但是每調(diào)用一次 NacosFactory.createConfigService(properties) ，nacos config 構(gòu)造器就會(huì)開(kāi)一個(gè)線程，就導(dǎo)致了這個(gè)問(wèn)題

這里可能你要問(wèn)了你說(shuō)為了防止網(wǎng)絡(luò)隔離才加的這個(gè)調(diào)度任務(wù)，什么是網(wǎng)絡(luò)隔離?。?/p>

我剛開(kāi)始聽(tīng)說(shuō)這個(gè)概念是 當(dāng)時(shí)學(xué)習(xí) Raft

假設(shè)一個(gè)Raft集群擁有三個(gè)節(jié)點(diǎn)，其中節(jié)點(diǎn)3的網(wǎng)絡(luò)被隔離，那么按照BasicRaft的實(shí)現(xiàn)，集群會(huì)有以下動(dòng)作：

節(jié)點(diǎn)3由于網(wǎng)絡(luò)被隔離，收不到來(lái)自Leader的Heartbeat和AppendEntries，所以節(jié)點(diǎn)3會(huì)進(jìn)入選舉過(guò)程，當(dāng)然選舉過(guò)程也是收不到投票的，所以節(jié)點(diǎn)3會(huì)反復(fù)超時(shí)選舉；節(jié)點(diǎn)3的Term就會(huì)一直增大

節(jié)點(diǎn)1與節(jié)點(diǎn)2會(huì)正常工作，并停留在當(dāng)時(shí)的Term

網(wǎng)絡(luò)恢復(fù)之后，Leader給節(jié)點(diǎn)3發(fā)送RPC的時(shí)候，節(jié)點(diǎn)3會(huì)拒絕這些RPC理由是發(fā)送方任期太小。

Leader收到節(jié)點(diǎn)3發(fā)送的拒絕后，會(huì)增大自己的Term，然后變成Follower。

隨后，集群開(kāi)始新的選舉，大概率原本的Leader會(huì)成為新一輪的Leader。

那么網(wǎng)絡(luò)隔離 Raft是怎么解決的呢？

多輪投票的安全問(wèn)題是棘手的，必須避免同一高度不同輪數(shù)分別提交兩個(gè)不同區(qū)塊的情形。在Tendermint中，這個(gè)問(wèn)題可以通過(guò)鎖機(jī)制（locking mechanism）得到解決。

鎖定規(guī)則：預(yù)投票鎖（Prevote-the-Lock）：

驗(yàn)證者只能預(yù)投票(pre-vote) 他們被鎖定的區(qū)塊。這樣就阻止驗(yàn)證者在上一輪中預(yù)提交(pre-commit)一個(gè)區(qū)塊，之后又預(yù)投票了下一輪的另一個(gè)區(qū)塊。

波爾卡解鎖（Unlock-on-Polka ）：驗(yàn)證者只有在看到更高一輪（相對(duì)于其當(dāng)前被鎖定區(qū)塊的輪數(shù)）的波爾卡之后才能釋放該鎖。這樣就允許驗(yàn)證者解鎖，如果他們預(yù)提交了某個(gè)區(qū)塊，但是這個(gè)區(qū)塊網(wǎng)絡(luò)的剩余節(jié)點(diǎn)不想提交，這樣就保護(hù)了整個(gè)網(wǎng)絡(luò)的運(yùn)轉(zhuǎn)，并且這樣做并沒(méi)有損害網(wǎng)絡(luò)安全性。

解決方案是把term替換成(term, nodeid),并且按照字典序比較大小(a > b === a.term > b.term || a.term == b.term && a.nodeid > b. node_id). 這是paxos里的做法, 保證不會(huì)出現(xiàn)raft里的沖突.

原理是, raft對(duì)voting的階段有2個(gè)值來(lái)描述: term和當(dāng)前投了哪個(gè)node_id, 即[term, nodeid], 由于raft不允許一個(gè)term vote2個(gè)不同的不同的node, 也就是說(shuō), vote_req.term > local.term && vote_req.nodeid == local.nodeid 才會(huì)grant這個(gè)vote請(qǐng)求.

把term替換成(term,nodeid)后, vote階段的大小比較變成了: vote_req.term > local.term || vote_req.term == local.term && vote_req.nodeid >= local.nodeid, 條件邊寬松了. 同一個(gè)term內(nèi), 較大nodeid的可以搶走較小nodeid 已經(jīng)建立的leader.

而日志中原本記錄的term也需要將其替換成(term, node_id), 因?yàn)檫@兩項(xiàng)加起來(lái)才能唯一確定一個(gè)leader. 之前raft里只需一個(gè)term就可以唯一確定一個(gè)leader.

vote中比較最大log id相應(yīng)的,從比較tuple (term, index) 改成比較tuple (term, node_id, index).

就這么點(diǎn)修改.

總結(jié)下來(lái)就是 按照字典排序 和 預(yù)投票鎖 保證 當(dāng)多個(gè) term 相同的 candidate 相遇后，肯定會(huì)有一個(gè) 獲得多數(shù)派投票

想法

我們?nèi)绻霈F(xiàn) 異常的網(wǎng)絡(luò)隔離情況再回來(lái)，可能導(dǎo)致 數(shù)據(jù)的不一致，但是上面的 解決辦法 因?yàn)?比較重，不適合我們，我們就單純 引入 定時(shí)校對(duì)的調(diào)度任務(wù) 進(jìn)行比較（和 對(duì)賬一樣）

修復(fù)

我對(duì)nacos config 連接進(jìn)行 遍歷查找 是否存活，不存活 我就shutdown，然后生成一個(gè)新的，而不是這種全部生成一邊，畢竟人家 構(gòu)造器開(kāi)了線程。。。。

說(shuō)回來(lái)還是因?yàn)?我當(dāng)時(shí)自信了，沒(méi)往這個(gè)調(diào)用下面看，在子類(lèi)中 寫(xiě)的開(kāi)線程 哈哈，行吧，改改 ，跑到測(cè)試環(huán)境 看看效果（CPU）

嗯嗯 穩(wěn)定了，明天再看看，應(yīng)該沒(méi)問(wèn)題了

編輯：黃飛

?