springcloud项目优雅重启（六）：解决方案

问题

回到第一章节讲到的几个问题：

业务项目实例shutdown时，会停止当前未完成的REQUEST请求。
某个业务项目实例已经停止了，但是网关仍会转发请求过去，导致请求失败。
某个业务项目实例已经重新启动了，但是网关并不会马上向这个实例转发请求；假如项目只有两个实例，如果在第一个节点刚启动完就立刻重启另外一个实例，就会导致服务不可用。

第一个问题是因为：springboot-tomcat在系统停止时会粗暴的shutdownNow线程池。
第二和第三个问题的原因是一样的，因为ribbon缓存和eureka缓存导致：

项目服务节点停止后，gateway从缓存（ribbon、eureka-client、eureka-server三个都有可能缓存过时的数据）里还能取到该节点信息，还会访问该节点。
项目启动后，同样由于gateway从缓存（ribbon、eureka-client、eureka-server三个都有可能缓存过时的数据）里还没有该节点数据，所以不会向该节点请求数据。

整体方案

所以解决问题的核心在于，在服务停止之前（严格按照顺序）：

注销注册中心信息。
清除gateway eureka-client注册信息。
让gateway ribbon重新获取服务列表（刷新缓存）。
tomcat停止接收请求。
等待tomat处理未完成的请求。
停止tomcat。

在服务启动且eureka完成注册之后（严格按照顺序）：

tomcat启动完成。
注册服务。
让gateway eureka-client立即获取服务。
让gateway ribbon重新获取服务列表（刷新缓存）。

流程图

eureka-client

注销

1. 注销注册中心信息

从《项目优雅重启（三）：eureka-client》可以看到，DiscoveryClient有个shutdown方法，并且这个方法是public，而shutdown方法是在接口EurekaClient定义的，所以我们只要EurekaClient.shutdown即可。
springboot的EurekaClientAutoConfiguration类里会生产EurekaClient-Bean，所以只需要注入EurekaClient即可。

@Autowired
private EurekaClient client;

这里需要特别注意的是：eureka-client会调用eureka-server接口来注销信息，假如网络出了问题，或者eureka-client出了问题了，可能会导致请求非常慢，所以我们需要加一层保障，保证在指定的时间内还没完成注销操作，就强行中断并继续下一步。

private void unregisterEurekaData() {
    Thread shutDownEurakaThread = new Thread(() -> {
        try {
            getClient().shutdown();
            logger.info(" ============================== shutdown local eureka data success!");
        } catch (Exception e) {
            logger.error(" ============================== shutdown local eureka data error!", e);
        }
    });
    try {
        shutDownEurakaThread.start();
        shutDownEurakaThread.join(unregisterEurekaShutdownWaitSeconds * 1000); // 不能无限制等待
        if (shutDownEurakaThread.isAlive()) {
            logger.error(" ============================== shutdown local eureka doesn't compelete in allow time!");
            shutDownEurakaThread.interrupt();
        }
    } catch (Exception e) {
        logger.error(" ============================== shutdown local eureka data error!", e);
    }
}

2. 刷新gateway缓存

可以通过gateway提供接口，client调用接口的方式来刷新缓存，gateway接口内容后面会讲到，client这边需要做的是：

获取所有网关服务器地址。
调用所有网关的接口来刷新服务。

为了加快速度，用了线程池来并行调用，同样的如果超时未完成任务，就强行停止任务。

protected void refreshGatewayEurekaData() {
    if (!ifRegisterWithEureka()) {
        logger.error(" ============================== not registerWithEureka to refreshGatewayEurekaData!");
        return;
    }
    try {
        // gatewayServiceName是gateway在eureka注册的服务名
        Application application = client.getApplication(gatewayServiceName);  
        if (null == application) {
            return;
        }

        List instanceInfos = application.getInstances();
        if (CollectionUtils.isEmpty(instanceInfos)) {
            return;
        }
        SimpleClientHttpRequestFactory clientHttpRequestFactory = new SimpleClientHttpRequestFactory();
        clientHttpRequestFactory.setConnectTimeout(3000);
        clientHttpRequestFactory.setReadTimeout(3000);
        RestTemplate restTemplate = new RestTemplate(clientHttpRequestFactory);
        int poolSize = instanceInfos.size();
        if(poolSize > maxPoolSize) {
            poolSize = maxPoolSize;
        }
        ExecutorService executorService = Executors.newFixedThreadPool(instanceInfos.size());
        instanceInfos.forEach(i ->
                executorService.submit(() -> {
                    String url = getRefreshGatewayUrl(i);
                    try {
                        ResponseEntity response = restTemplate.getForEntity(url, String.class);
                        if (!HttpStatus.OK.equals(response.getStatusCode())) {
                            logger.error(" ============================== refresh remote gateway[{}] eureka data error:[{}]!", url, response.getBody());
                        } else {
                            logger.info(" ============================== refresh remote gateway[{}] eureka data success!", url);
                        }
                    } catch (Exception e) {
                        logger.error(" ============================== refresh remote gateway[{}] eureka data error!", url, e);
                    }
                })
        );
        executorService.shutdown();
        if (!executorService.awaitTermination(refreshGatewauEurekaShutdownWaitSeconds, TimeUnit.SECONDS)) {
            logger.error(" ============================== refresh remote gateway eureka data thread pool did not shut down gracefully within {} seconds. Proceeding with forceful shutdown", refreshGatewauEurekaShutdownWaitSeconds);
            if (!executorService.isShutdown()) {
                executorService.shutdownNow();
            }
        }
    } catch (Exception e) {
        logger.error(" ============================== refresh remote gateway eureka data!", e);
    }
}

protected String getRefreshGatewayUrl(InstanceInfo instanceInfo) {
    return instanceInfo.getHomePageUrl() + gatewayRefreshEurekaUrl + (gatewayRefreshEurekaUrl.indexOf('?') == -1 ? "?" : "&") + 
        "serviceId=" + applicationName.toUpperCase();
}

3. 停止tomcat

从《springcloud项目优雅重启（五）：tomcat关闭流程》可以看到，tomcat的关闭是个很复杂很长的流程，并且tomcat暴力shutdown是因为对线程池用了shutdownNow，我们只是想在项目停止时，**在“上两步完成之后-tomcat停止之前”让tomcat不再接收请求。

上文我们有个特别标注的地方：发布关闭事件publishEvent(new ContextClosedEvent(this))是在关闭资源onClose之前，并且Spring事件处理默认是同步处理的。所以我们可以监听ContextClosedEvent事件，在onClose之前做我们想要做的事。
通过TomcatContextCustomizer可以获取到Connector。
通过Connector可以获取到线程池。

获取到线程池之后，由于前面的步骤正常情况下已经保证不会再接收到请求，这时候只需要等线程池内所有的请求都处理之后，再让流程继续往下走。

@Configuration
@ConditionalOnProperty(name = "server.container.custom-config", havingValue = "true", matchIfMissing = true)
@AutoConfigureAfter(EurekaClientAutoConfiguration.class)
public class ContainerConfiguration {
    @Bean
    public ServletWebServerFactory servletContainer(@Autowired GracefulShutdown gracefulShutdown) {
        // springboot是在ServletWebServerFactoryConfiguration类里生成TomcatServletWebServerFactory，方式也是直接new一个对象。
        // 我们可以像这样自己new（ServletWebServerFactoryConfiguration里用了ConditionalOnMissingBean），也可以注入springboot生成。
        TomcatServletWebServerFactory tomcat = new TomcatServletWebServerFactory();
        tomcat.addConnectorCustomizers(gracefulShutdown);
        return tomcat;
    }
}    
public class DefaultGracefulShutdown implements TomcatConnectorCustomizer, ApplicationListener {

    @Override
    public void customize(Connector connector) {
        this.connector = connector;
    }
    
    @Override
    public void onApplicationEvent(ContextClosedEvent event) {
        shutdownTomcatConnector();
    }


    private void shutdownTomcatConnector() {
        try {
            this.connector.pause();
            logger.info(" ============================== after Tomcat connector pause!");
            Executor executor = this.connector.getProtocolHandler().getExecutor();
            if (executor instanceof ThreadPoolExecutor) {
                logger.info(" ============================== Tomcat thread pool begin to shut down gracefully!");
                ThreadPoolExecutor threadPoolExecutor = (ThreadPoolExecutor) executor;
                threadPoolExecutor.shutdown();
                if (!threadPoolExecutor.awaitTermination(tomcatShutdownWaitSeconds, TimeUnit.SECONDS)) {
                    logger.error(" ============================== Tomcat thread pool did not shut down gracefully within {} seconds. Proceeding with forceful shutdown", tomcatShutdownWaitSeconds);
                    if (!threadPoolExecutor.isShutdown()) {
                        threadPoolExecutor.shutdownNow();
                    }
                }
            }
        } catch (Exception e) {
            logger.error(" ============================== shutdown Tomcat connector error!", e);
        }
    }    
}

4. 结合
以上三步结合起来需要考虑几个细节：

第一步和第二步之间：eureka-server接收到请求之后，是异步传播给集群其他节点。所以我们要等eureka-server都刷新了数据之后，再去让gateway刷新，否则gateway可能从一个还未更新数据的server节点取到未刷新的数据。但是我们并不知道server什么时候会刷新完，所以我们只能给个我们能容忍的等待时间。
第二步和第三步之间：如果有个请求在网关刷新缓存之前获取到了服务节点，但是还没调用服务，当这个请求发送到当前服务节点时，服务已经connector.pause()，会导致调用失败。整个流程如下：

public void onApplicationEvent(ContextClosedEvent event) {
    logger.info(" ============================== begin gracefully shutdown service!");
    // 本地调试时可能会关闭eureka或者不注册eureka
    if (ifRegister()) {
        unregisterEurekaData();
        try {
            // 等待全部"eureka-server"刷新数据
            TimeUnit.SECONDS.sleep(3); 
        } catch (InterruptedException ignore) {
        }
       refreshGatewayEurekaData();
        // 睡眠3秒，再停止tomcat接收新服务，如果有个请求在client.shutdown()之前获取到了服务节点，但是还没调用服务，这时候如果connector.pause()，会导致调用失败
        try {
            TimeUnit.SECONDS.sleep(3);
        } catch (InterruptedException ignore) {
        }
    }
    shutdownTomcatConnector();
    logger.info(" ============================== finish gracefully shutdown service!");
}

启动

启动要做到事是：eureka-client向eureka-server注册成功之后，调用网关接口刷新缓存。从eureka-client源码里面发现，client在注册成功之后，并没有发送事件（public event），也就是无法知道什么时候注册成功。那我们就换个思路，在项目启动完成之后，我们自己调用注册方法，这样的结果就是，eureka-client会向eureka-server注册两次（自己注册一次，原先的启动流程注册一次），但是重复的注册并不会有什么影响。

public class DefaultStartRegister implements ApplicationListener {
    @Override
    public void onApplicationEvent(ApplicationReadyEvent event) {
        if (ifRegister()) {
            register();
        }
    }
    
    public void register() {
        executorService.submit(() -> {
            try {
                EurekaClient client = getClient();
                if (InstanceInfo.InstanceStatus.UP.equals(client.getApplicationInfoManager().getInfo().getStatus())) {
                    Method method = ReflectionUtils.findMethod(DiscoveryClient.class, "register");
                    // 非public方法
                    method.setAccessible(true);
                    // springcloud下的EurekaClient实际上是个代理对象
                    Object target = AopUtils.isAopProxy(client) ? ProxyUtils.getTargetObject(client) : client;
                    AtomicReference registerResult = new AtomicReference<>(false);
                    Thread registerEurakaThread = new Thread(() -> {
                        boolean ret = (boolean) ReflectionUtils.invokeMethod(method, target);
                        registerResult.set(ret);
                        logger.info(" ============================== invoke EurekaClient.register method to registerWithEureka result: {}!", ret);
                    });
                    try {
                        registerEurakaThread.start();
                        // 不能无限制等待
                        registerEurakaThread.join(registerEurekaShutdownWaitSeconds * 1000);
                        if (registerEurakaThread.isAlive()) {
                            logger.error(" ============================== register local eureka doesn't compelete in allow time!");
                            registerEurakaThread.interrupt();
                        }
                    } catch (Exception e) {
                        logger.error(" ============================== register local eureka data error!", e);
                    }
                    try {
                        // 等待全部"eureka-server"刷新数据
                        TimeUnit.SECONDS.sleep(3);
                    } catch (InterruptedException ignore) {
                    }
                    if (registerResult.get()) {
                        refreshGatewayEurekaData();
                    }
                }
            } catch (Exception e) {
                logger.error("register eureka after start error!", e);
            }
        });
    }
}

整个步骤采用线程池来异步化，尽量减少对项目启动速度的影响。
eureka-client的注册方法DiscoveryClient.register不是public，所以使用了反射的方式：用反射的优点是简单明了；缺点是如果eureka版本升级，可能就会变得不兼容/不可用（一般第三方组件升级时会尽量“保留/兼容”public的方法，非public的方法就无法保证了），但是由于现在eureka已经停止维护了，所以也就没有这个问题了。
springcloud下的EurekaClient实际上是个代理对象，反射的时候需要注意这个。
跟启动时一样，注册完成之后，等待eureka-server广播完成之后再调用gateway接口。

eureka-server

eureka-server的三级缓存中，registry和readWriteCacheMap都是实时更新，而readOnlyCacheMap是通过定时任务定时从readWriteCacheMap取数据更新。

如果我们通过改造readWriteCacheMap，让它也实时更新，那就变得跟readWriteCacheMap作用差不多了（从细节上讲，readWriteCacheMap用的是guava-cache，还是会做一些额外的事情，比如计数统计、清理）。
registry、readWriteCacheMap和readOnlyCacheMap数据都是存储在JVM内存里，对于绝大部分的系统来说两级缓存性能已经足够了。

所以eureka-server端，我们只需要关闭readOnlyCacheMap即可：eureka.server.use-read-only-response-cache: false。虽然性能上会有下降，但是这点儿性能差别，对于大部分系统来说是没有影响的，除非超高并发的系统。

gateway

gateway需要提供一个接口给client在停机和启动时调用，接口做两件事：

刷新eureka-client缓存。
让ribbon重新从eureka-client里获取缓存。

1. 刷新`eureka-client`缓存

通过源码可以看到，DiscoveryClient里有个refreshRegistry方法会刷新缓存，但是这个方法不是public，同样需要反射调用。

2. 刷新`ribbon`缓存

由于不同的服务分别有不同的LoadBalancer对象，需要先获取到服务对应的LoadBalancer，那就需要知道当前要刷新的是哪个服务，所以接口要有个参数，参数是服务在eureka-server上注册的服务名，要特别注意的是，eureka服务名默认是大写，所以传过来的服务名参数值也需要是大写。
同样的通过源码可以找到RibbonLoadBalancerClient.DynamicServerListLoadBalancer.updateListOfServers方法会刷新ribbon缓存，这里之所以选择从RibbonLoadBalancerClient作为入口，是因为springboot有将RibbonLoadBalancerClient暴露成Bean。

3. 代码

public class GatewayApplication {
    @Autowired
    private EurekaClient eurekaClient;
    @Autowired
    private LoadBalancerClient loadBalancerClient;

    @Bean
    public RouterFunction routerFunction() {
        return RouterFunctions.route(RequestPredicates.path("/eureka/refresh"), request -> {
            try {
                log.info("receive eureka refresh, eureka current service count {}!", eurekaClient.getApplications().size());
                Method method = ReflectionUtils.findMethod(DiscoveryClient.class, "refreshRegistry");
                // 非public方法
                method.setAccessible(true); 
                // springcloud下的EurekaClient实际上是个代理对象
                Object target = AopUtils.isAopProxy(eurekaClient) ? ProxyUtils.getTargetObject(eurekaClient) : eurekaClient; 
                ReflectionUtils.invokeMethod(method, target);
                log.info("finish eureka refresh, eureka current service count {}!", eurekaClient.getApplications().size());
                request.queryParam("serviceId").filter(StringUtils::isNotBlank).ifPresent(serviceId -> {
                    RibbonLoadBalancerClient ribbonLoadBalancerClient = (RibbonLoadBalancerClient) loadBalancerClient;
                    Method ribbonMethod = ReflectionUtils.findMethod(RibbonLoadBalancerClient.class, "getLoadBalancer", String.class);
                    ribbonMethod.setAccessible(true); // 非public方法
                    Object ribbonTarget = AopUtils.isAopProxy(ribbonLoadBalancerClient) ? ProxyUtils.getTargetObject(ribbonLoadBalancerClient) : ribbonLoadBalancerClient;
                    DynamicServerListLoadBalancer dynamicServerListLoadBalancer = (DynamicServerListLoadBalancer) ReflectionUtils.invokeMethod(ribbonMethod, ribbonTarget, serviceId);
                    log.info("begin refresh ribbon, ribbon current service[{}] count {}!", serviceId, dynamicServerListLoadBalancer.getAllServers().size());
                    // 也可以调用Ribbon的BaseLoadbalancer.markServerDown方法来清理Ribbon数据
                    dynamicServerListLoadBalancer.updateListOfServers();
                    log.info("finish refresh ribbon, ribbon current service[{}] count {}!", serviceId, dynamicServerListLoadBalancer.getAllServers().size());
                });
                return ok().body(Mono.just("success"), String.class);
            } catch (Exception e) {
                log.info("refresh eureka error!", e);
                return ServerResponse.status(HttpStatus.INTERNAL_SERVER_ERROR).body(Mono.just(e.getClass().getName() + ":" + e.getMessage()), String.class);
            }
        });
    }
}

需要注意到是，RibbonLoadBalancerClient.getLoadBalancer返回的是接口ILoadBalancer，由于springboot-ribbon默认是 DynamicServerListLoadBalancer，所以直接类型强转，但是如果有哪个项目配置了自定义规则，返回的就不一定是 DynamicServerListLoadBalancer（我没试过，所以也不确定）。
刷新ribbon这一步，也可以通过BaseLoadbalancer.markServerDown(Server server)方法来让指定的服务节点失效，这个方法是public方法。我在这里采用了比较简单粗暴的updateListOfServers直接刷新整个服务。

发版

jenkins流程中，除了重启脚本之外，还需要做两件事：

备份当前正在运行的文件。
如果发版失败，回滚版本。

服务器要分两批启动，确保第一批有启动成功（可以提供服务）的节点之后，才能启动第二批，所以要有检查启动成功的机制。

1. 备份文件

检查是否存在backup文件夹，如果没有则创建。
将当前正在运行的jar文件移动到backup目录中，并在文件后面加上时间戳。

#!/bin/bash
service_name=$1

if [ -z "$service_name" ]
then
  echo "usage: ./backup-service.sh xxxx"
  exit 1
fi

base_dir="/data/app/tscm/$service_name"
backup_dir="$base_dir/backup"
if [ ! -d "$backup_dir" ]; then
  mkdir -m 775 -p $backup_dir
fi

cd $base_dir
time=$(date "+%Y%m%d%H%M%S")
for var in ${service_name}*.jar;
do
  mv "$var" "backup/${var%.jar}_$time.jar";
done

exit 0

执行命令为sh backup-service.sh 项目名，其中打包的jar文件名称前缀文件项目名，例如项目为my-test，则打包的文件必须为my-test{这里可以有其他字符}.jar。
脚本中的/data/app/tscm/目录改为自己服务器中实际的目录。
函数成功返回0，失败返回1。

2. 失败回滚

在执行时间内定时循环检查服务。
如果超时还未检查到服务已经启动成功，则将当前发版文件移动到fail-backup目录中，将backup目录中最新的文件（即刚备份的文件）移动回来，重新启动。
项目需要提供一个检查服务的接口。

#!/bin/bash
service_name=$1
env=$2
check_url=$3

if [ -z "$service_name" ]
then
  echo "service_name required, usage: ./backup-service.sh xxxx dev http://localhost:8080/momnitor"
  exit 1
fi
if [ -z "$env" ]
then
  echo "env required, usage: ./backup-service.sh xxxx dev http://localhost:8080/momnitor"
  exit 1
fi
if [ -z "$check_url" ]
then
  echo "check_url required, usage: ./backup-service.sh xxxx dev http://localhost:8080/momnitor"
  exit 1
fi

base_dir="/data/app/tscm/$service_name"
fail_dir="$base_dir/fail-backup"
result=0
count=0
while [ $result -ne 200 -a $count -lt 18 ] # 根据接口返回的HTTP 状态码是否200来判断，循环18次
do
  sleep 10 # 睡眠10秒，也就是给项目最大启动时间为18 * 10 = 180秒 = 3分钟
  let count+=1
  result=$(curl -sIL -w "%{http_code}\n" -o /dev/null ${check_url})
  echo $count" times curl result: "$result
done
if [ $result -eq 200 ]; then
  exit 0
else
  if [ ! -d "$fail_dir" ]; then
    mkdir -m 775 -p $fail_dir
  fi
  cd $base_dir
  time=$(date "+%Y%m%d%H%M%S")
  for var in ${service_name}*.jar;
  do
    mv "$var" "fail-backup/${var%.jar}_$time.jar";
  done
  cd $base_dir/backup
  filename=`ls -t |head -n1|awk '{print $0}'`
  echo "失败回滚文件:$filename"
  mv "$filename" `echo "../$filename" |awk -F '_' '{print $1 ".jar"}'`
  cd ../..
  sh run-service.sh $service_name $env # 重新启动
  exit 1
fi

执行命令为sh check-rollback-service.sh 项目名 spring环境项目节点检查地址，例如：sh check-rollback-service.sh mytest dev http://localhost:6101/base/monitor。
脚本中的/data/app/tscm/目录改为自己服务器中实际的目录。
run-service.sh为项目重启脚本，做两件事：
1. 根据项目名查找jvm进程，并kill。
2. 根据项目名查找jar文件并启动。
函数成功返回0，失败返回1。

Feign

前面的处理方案是刷新网关的的缓存，但是项目组内有部分项目用了feign，导致方案对这些项目无效。

方案

feign跟gateway一样，也是经过robbin和eureka-client两层处理，但是项目重启时，不可能像通知网关那样通过接口同步通知所有节点刷新本地缓存。
可以用消息通知的方式通知其他项目，但是这样有两个问题：

其他项目还得引入MQ/Redis等可以接收通知的中间件。
如果用消息通知的方式，相当于是异步通知，就无法知道其他项目是否已经完成刷新缓存，不过这个也可以通过增加睡眠等待，来尽量保证其他项目已完成刷新。

鉴于通知的方式比较复杂，那是不是可以让feign走网关请求，而不是直接点对点请求。
通过API可以看到FeignClient配置里有url和path两个参数，当指定url参数时，feign就不会再走robbin获取服务节点，而是直接发起请求，所以只需要做很小的调整。
调整前：

@FeignClient(value = "tscm-service-purchase-facader")

调整后：

@FeignClient(value = "tscm-service-purchase-facader", url = "${gateway.host}", path="/tscm-service-purchase-facader")

或

@FeignClient(value = "tscm-service-purchase-facader", url = "${gateway.host}/tscm-service-purchase-facader")