前言

其实，“通过Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题”是一种解，但不是最优解

1.痛点

上一篇文章的标题是：
通过Redis手动更新Ribbon缓存来解决Eureka微服务架构中服务下线感知的问题
当时在文章的末尾就指出，使用Redis+AOP的方式有很多漏洞，只有在服务调用方发送调用请求的情况下才会触发切面中更新Ribbon缓存的逻辑。如果每次在发布Eureka新服务的场景下，告警的接口都能准确定位到，那将这些接口方法通过切面去针对性的加上更新Ribbon缓存的前置操作完全是没问题的。但是如果告警接口数量众多，并且无法定位，上述方法就有些不够看了。

2.解决方案

于是，基于此种困境，我想到了用mq的事件驱动模式来推进Ribbon缓存更新（“下线”这一事件驱动，而不是“发送跨服务调用请求”这一事件），具体如下：

即，当服务被调用方中调用了下线接口下线了指定服务，会生产消息到MQ里，服务被调用方会监听这个队列去消费消息，并通过消费消息这一事件（消费下线服务端口信息）去驱动更新Ribbon缓存。
说明：
在以前我觉得用MQ不能做下线，压测了很多次也没成功，这本质还是没搞懂Eureka-Server，Eureka-Client，Ribbon三者的关系和之间的动作，其实这个体系里有两个非常关键的点（在配置文件中设置），可以直接影响无感知下线的结果，需要动态调整：那就是要关闭Eureka-server的三级缓存useReadOnlyResponseCache: false，并且缩短Eureka-Client端向Eureka-server端拉取服务列表的时间registry-fetch-interval-seconds: 3。可能这里大家看到去改配置有点鸡肋并且在实际场景中也不太现实，但别急，暂时先往下看，后面我会专门写一篇文章来解决这一问题

3.具体实现

3.1配置RabbitMQ

1.配置RabbitMQ（安装这些大家可以去看看平台比较成熟的文章）这里就不写了，我是直接在服务器上用docker容器化运行的：

在调用方与被调用方都配好MQ

3.2生产下线消息

首先声明一个队列：

@Configuration@EnableRabbitpublicclassRabbitMqConfig{ @BeanpublicQueuetheQueue(){ returnnewQueue("SERVER_LIST");}}

服务下线接口处，生产下线消息到MQ，向这接口/service-down-list发送GET请求，传递指定的下线服务实例信息即可下线服务，即http://localhost:8081/control/service-down-list?portParams=8083就下线了8083服务实例

@Value("${ eureka-server.ipAddress}")privateStringipAddress;@Value("${ eureka-server.appName}")privateStringappName;@Value("${ DIY_QUEUE.VALUE}")privateStringqueueName;@GetMapping(value ="/service-down-list")publicStringoffLine(@RequestParamList<Integer>portParams){ List<Integer>successList =newArrayList<>();//得到服务信息List<InstanceInfo>instances =eurekaClient.getInstancesByVipAddress(appName,false);List<Integer>servicePorts =instances.stream().map(InstanceInfo::getPort).collect(Collectors.toList());//去服务列表里挨个下线OkHttpClientclient =newOkHttpClient();log.error("开始时间：{ }",System.currentTimeMillis());portParams.parallelStream().forEach(temp ->{ if(servicePorts.contains(temp)){ Stringurl ="http://"+ipAddress +":"+temp +"/control/service-down";try{ Responseresponse =client.newCall(newRequest.Builder().url(url).build()).execute();if(response.code()==200){ log.debug(temp +"服务下线成功");successList.add(temp);}else{ log.debug(temp +"服务下线失败");}}catch(IOExceptione){ log.error(e.toString());}}});//todo MQ通知HashMap<String,List<Integer>>portInfo =newHashMap<>();portInfo.put(appName,successList);rabbitTemplate.convertAndSend(queueName,portInfo);returnsuccessList +"优雅下线成功";}

这里向MQ的队列里传递了下线的服务实例端口信息

3.3更新Ribbon缓存

服务调用方通过“下线“这一事件驱动Ribbon缓存更新

/** * 消费者 */@Slf4j@ComponentpublicclassConsumer{ @ResourceSpringClientFactoryspringClientFactory;@ResourceClearRibbonCacheBeanclearRibbonCacheBean;@RabbitListener(queues ="SERVER_LIST")publicvoidlistenWorkQueue1(HashMap<String,List<Integer>>message){ log.debug("消费者1接收到消息——"+message +"时间为："+LocalTime.now());for(Stringkey :message.keySet()){ List<Integer>value =message.get(key);log.debug("Key: "+key);log.debug("Value: "+value);if(ObjectUtils.isNotEmpty(value)){ clearRibbonCacheBean.clearRibbonCache(springClientFactory,value.toString(),key);}log.debug("现在的所有服务列表：{ }",springClientFactory.getLoadBalancer(key).getAllServers());}}}

清理Ribbon缓存的Bean：

/** * 手动清除Ribbon缓存 */@Configuration@Slf4jpublicclassClearRibbonCacheBean{ /**     * 削减     */publicstaticbooleancutDown(List<Integer>ports,Serverindex){ returnports.contains(index.getPort());}publicvoidclearRibbonCache(SpringClientFactoryclientFactory,StringportParams,StringappName){ // 获取指定服务的负载均衡器ILoadBalancerloadBalancer =clientFactory.getLoadBalancer(appName);//在主动拉取可用列表，而不是走拦截器被动的方式——这里为什么获取可用的之后还要过滤，就是因为所谓的可用不是实时的可用而是缓存中的可用List<Server>reachableServers =loadBalancer.getReachableServers();//这里从客户端获取，会等待客户端同步三级缓存//过滤掉已经下线的端口，符合条件端口的服务过滤出来List<Integer>portList =StringChange.stringToList(portParams);List<Server>ableServers =reachableServers.stream().filter(temp ->!cutDown(portList,temp)).collect(Collectors.toList());log.debug("可用服务列表：{ }",ableServers);// 在某个时机需要清除Ribbon缓存((BaseLoadBalancer)loadBalancer).setServersList(ableServers);// 清除Ribbon负载均衡器的缓存}

3.4压测

运行项目，调用下线接口并压测来模拟一下线上场景：
此时我们调用下线接口，下线8083服务实例：

压测结果，均无异常：
观察服务实例的日志输出：
未下线的8081,8084

下线的8083

这说明，Eureka服务下线感知的延迟已经完全被消除

4.优化

以上的MQ还是采用简单队列的模式，即生产者生产一条消息到队列中，该消息也只能被一个消费者消费到。在微服务架构中，用户微服务肯定不只是被单方面调用，而是会被多方调用。那这就要求我们不能单纯只将消息生产到队列里，应该通过广播的模式进行消息的分发。为了更方便交换机与队列的灵活绑定，以及方便扩展，采用Topic话题的模型进行消息的广播：

声明一个新队列：

@BeanpublicQueuetheQueue(){ returnnewQueue("USER-QUEUE");}

将生产消息的地方改为携带一个routingkey并发送到交换机中：

//todo MQ通知HashMap<String,List<Integer>>portInfo =newHashMap<>();portInfo.put(appName,successList);rabbitTemplate.convertAndSend(exchangeName,"USER.SERVICE-DOWN",portInfo);// 这个队列以后可能会发USER话题下的很多信息

将消费者端的消息监听器进行改造，变为监听指定话题的消息：

@RabbitListener(bindings =@QueueBinding(value =@Queue(name ="USER-QUEUE"),exchange =@Exchange(name ="USER-TOPIC",type =ExchangeTypes.TOPIC),key ="USER.SERVICE-DOWN"))publicvoidlistenWorkQueue1(HashMap<String,List<Integer>>message){ log.debug("消费者1接收到消息——"+message +"时间为："+LocalTime.now());for(Stringkey :message.keySet()){ List<Integer>value =message.get(key);log.debug("Key: "+key);log.debug("Value: "+value);if(ObjectUtils.isNotEmpty(value)){ clearRibbonCacheBean.clearRibbonCache(springClientFactory,value.toString(),key);}log.debug("现在的所有服务列表：{ }",springClientFactory.getLoadBalancer(key).getAllServers());}}