瓜子二手车在 Dubbo 版本升级、多机房方案方面的思考和实践
前言
隨著瓜子業(yè)務的不斷發(fā)展，系統規(guī)模在逐漸擴大，目前在瓜子的私有云上已經運行著數百個 Dubbo 應用，上千個 Dubbo 實例。瓜子各部門業(yè)務迅速發(fā)展，版本沒有來得及統一，各個部門都有自己的用法。隨著第二機房的建設，Dubbo 版本統一的需求變得越發(fā)迫切。幾個月前，公司發(fā)生了一次與 Dubbo 相關的生產事故，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)點未及時刪除導致provider不能恢復注冊的問題修復
事故背景
在生產環(huán)境，瓜子內部各業(yè)務線共用一套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，導致zookeeper集群出現了幾分鐘的網絡波動。在zookeeper集群恢復后，正常情況下dubbo的provider應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，直到手動重啟應用后才恢復注冊。
排查過程
首先，我們統計了出現這種現象的dubbo服務的版本分布情況，發(fā)現在大多數的dubbo版本中都存在這種問題，且發(fā)生問題的服務比例相對較低，在github中我們也未找到相關問題的issues。因此，推斷這是一個尚未修復的且在網絡波動情況的場景下偶現的問題。
接著，我們便將出現問題的應用日志、zookeeper日志與dubbo代碼邏輯進行相互印證。在應用日志中，應用重連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默認使用curator作為zookeeper的客戶端，curator與zookeeper是通過session維持連接的。當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正常：
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dubbo認為重新注冊成功，但實際未成功的情況，也就是我們在生產環(huán)境遇到的問題。
此時，問題的根源已被定位。定位問題之后，經我們與 Dubbo 社區(qū)交流，發(fā)現考拉的同學也遇到過同樣的問題，更確定了這個原因。
問題的復現與修復
定位到問題之后，我們便開始嘗試本地復現。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，并在本地復現了此問題。
在排查問題的過程中，我們發(fā)現kafka的舊版本在使用zookeeper時也遇到過類似的問題，并參考kafka關于此問題的修復方案，確定了dubbo的修復方案。在創(chuàng)建Ephemeral節(jié)點捕獲到NodeExistsException時進行判斷，若Ephemeral節(jié)點的SessionId與當前客戶端的SessionId不同，則刪除并重建Ephemeral節(jié)點。在內部修復并驗證通過后，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
上文中的問題修復方案已經確定，但我們顯然不可能在每一個dubbo版本上都進行修復。在咨詢了社區(qū)dubbo的推薦版本后，我們決定在dubbo2.7.3版本的基礎上，開發(fā)內部版本修復來這個問題。并借這個機會，開始推動公司dubbo版本的統一升級工作。
為什么要統一dubbo版本
為什么選擇dubbo2.7.3
內部版本定位
基于社區(qū)dubbo2.7.3版本開發(fā)的dubbo內部版本屬于過渡性質的版本，目的是為了修復線上provider不能恢復注冊的問題，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)自已的內部功能。因此我們在dubbo內部版本中修復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)的同學咨詢了版本升級方面的相關經驗后，于9月下旬開始了dubbo版本的升級工作。
首先,我們梳理了一些需要驗證的兼容性case，針對公司內部使用較多的dubbo版本，與dubbo2.7.3一一進行了兼容性驗證。經驗證，除dubboX外，dubbo2.7.3與其他dubbo版本均兼容。dubboX由于對dubbo協議進行了更改，與dubbo2.7.3不兼容。
在初步驗證兼容性通過后，我們與業(yè)務線合作，挑選了一些重要程度較低的項目，在生產環(huán)境對dubbo2.7.3與其他版本的兼容性進行了進一步驗證。并在內部版本修復了一些兼容性問題。
在10月初，完成了dubbo兼容性驗證后，我們開始在各個業(yè)務線推動dubbo的升級工作。截止到12月初,已經有30%的dubbo服務的完成了版本升級。按照排期，預計于2020年3月底前完成公司dubbo版本的統一升級。
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)點時提示沒有權限
dubbo配置文件中已經配置了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zookeeper的address復用之前已建立的連接。當多個注冊中心使用同一個address，但權限不同時，就會出現NoAuth的問題。 - 參考社區(qū)的pr，我們在內部版本進行了修復。
- issues:https://github.com/apache/dubbo/issues/5076
-
curator版本兼容性問題
- dubbo2.7.3與低版本的curator不兼容，因此我們默認將curator版本升級至4.2.0
- 分布式調度框架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已經很久沒有人進行維護，目前一些業(yè)務線計劃將elastic-job-lite替換為其他的調度框架。
- 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,進行服務暴露。openFeign提前觸發(fā)了ContextRefreshedEvent，此時ServiceBean還未完成初始化，于是就導致了應用啟動異常。
參考社區(qū)的pr，我們在內部版本修復了此問題。
- 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默認開啟qos功能，導致一些混部在物理機的dubbo服務升級時出現qos端口占用問題。關閉qos功能后恢復。 - 自定義擴展兼容性問題
業(yè)務線對于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導致的問題，由業(yè)務線自行修復。 - 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工作，dubbo多機房是第二機房建設中比較重要的一個話題。在dubbo版本統一的前提下，我們就能夠更順利的開展dubbo多機房相關的調研與開發(fā)工作。
初步方案
我們咨詢了dubbo社區(qū)的建議，并結合瓜子云平臺的現狀，初步確定了dubbo多機房的方案。
同機房優(yōu)先調用
dubbo同機房優(yōu)先調用的實現比較簡單，相關邏輯如下：
針對以上邏輯，我們簡單實現了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)內容，未經允許不得轉載。
總結
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容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： eBay邓明：dubbo-go 中 me
- 下一篇： 战“疫”期，阿里云云效团队在家高效开发实