Dubbo 原始碼分析 - 叢集容錯之 Cluster
1.簡介
為了避免單點故障，現在的應用至少會部署在兩臺伺服器上。對於一些負載比較高的服務，會部署更多臺伺服器。這樣，同一環境下的服務提供者數量會大於1。對於服務消費者來說，同一環境下出現了多個服務提供者。這時會出現一個問題，服務消費者需要決定選擇哪個服務提供者進行呼叫。另外服務呼叫失敗時的處理措施也是需要考慮的，是重試呢，還是丟擲異常，亦或是隻列印異常等。為了處理這些問題，Dubbo 定義了叢集介面 Cluster 以及及 Cluster Invoker。叢集 Cluster 用途是將多個服務提供者合併為一個 Cluster Invoker，並將這個 Invoker 暴露給服務消費者。這樣一來，服務消費者只需通過這個 Invoker 進行遠端呼叫即可，至於具體呼叫哪個服務提供者，以及呼叫失敗後如何處理等問題，現在都交給叢集模組去處理。叢集模組是服務提供者和服務消費者的中間層，為服務消費者遮蔽了服務提供者的情況，這樣服務消費者就可以處理遠端呼叫相關事宜。比如發請求，接受服務提供者返回的資料等。這就是叢集的作用。
Dubbo 提供了多種叢集實現，包含但不限於 Failover Cluster、Failfast Cluster 和 Failsafe Cluster 等。每種叢集實現類的用途不同，接下來我會一一進行分析。
2. 叢集容錯
在對叢集相關程式碼進行分析之前，這裡有必要先來介紹一下叢集容錯的所有元件。包含 Cluster、Cluster Invoker、Directory、Router 和 LoadBalance 等，先來看圖。
* 圖片來源： ofollow,noindex">Dubbo 官方文件
這張圖來自 Dubbo 官方文件，接下來我會按照這張圖介紹叢集工作過程。叢集工作過程可分為兩個階段，第一個階段是在服務消費者初始化期間，叢集 Cluster 實現類為服務消費者建立 Cluster Invoker 例項，即上圖中的 merge 操作。第二個階段是在服務消費者進行遠端呼叫時。以 FailoverClusterInvoker 為例，該型別 Cluster Invoker 首先會呼叫 Directory 的 list 方法列舉 Invoker 列表（可將 Invoker 簡單理解為服務提供者）。Directory 的用途是儲存 Invoker，可簡單類比為 List<Invoker>。其實現類 RegistryDirectory 是一個動態服務目錄，可感知註冊中心配置的變化，它所持有的 Inovker 列表會隨著註冊中心內容的變化而變化。每次變化後，RegistryDirectory 會動態增刪 Inovker，並呼叫 Router 的 route 方法進行路由，過濾掉不符合路由規則的 Invoker。回到上圖，Cluster Invoker 實際上並不會直接呼叫 Router 進行路由。當 FailoverClusterInvoker 拿到 Directory 返回的 Invoker 列表後，它會通過 LoadBalance 從 Invoker 列表中選擇一個 Inovker。最後 FailoverClusterInvoker 會將引數傳給 LoadBalance 選擇出的 Invoker 例項的 invoker 方法，進行真正的 RPC 呼叫。
以上就是叢集工作的整個流程，這裡並沒介紹叢集是如何容錯的。Dubbo 主要提供了這樣幾種容錯方式：
- Failover Cluster - 失敗自動切換
- Failfast Cluster - 快速失敗
- Failsafe Cluster - 失敗安全
- Failback Cluster - 失敗自動恢復
- Forking Cluster - 並行呼叫多個服務提供者
這裡暫時只對這幾種容錯模式進行簡單的介紹，在接下來的章節中，我會重點分析這幾種容錯模式的具體實現。好了，關於叢集的工作流程和容錯模式先說到這，接下來進入原始碼分析階段。
3.原始碼分析
3.1 Cluster 實現類分析
我在上一章提到了叢集介面 Cluster 和 Cluster Invoker，這兩者是不同的。Cluster 是介面，而 Cluster Invoker 是一種 Invoker。服務提供者的選擇邏輯，以及遠端呼叫失敗後的的處理邏輯均是封裝在 Cluster Invoker 中。那麼 Cluster 介面和相關實現類有什麼用呢？用途比較簡單，用於生成 Cluster Invoker，僅此而已。下面我們來看一下原始碼。
public class FailoverCluster implements Cluster {
public final static String NAME = "failover";
@Override
public <T> Invoker<T> join(Directory<T> directory) throws RpcException {
// 建立並返回 FailoverClusterInvoker 物件
return new FailoverClusterInvoker<T>(directory);
}
}
如上，FailoverCluster 總共就包含這幾行程式碼，用於建立 FailoverClusterInvoker 物件，很簡單。下面再看一個。
public class FailbackCluster implements Cluster {
public final static String NAME = "failback";
@Override
public <T> Invoker<T> join(Directory<T> directory) throws RpcException {
// 建立並返回 FailbackClusterInvoker 物件
return new FailbackClusterInvoker<T>(directory);
}
}
如上，FailbackCluster 的邏輯也是很簡單，無需解釋了。所以接下來，我們把重點放在各種 Cluster Invoker 上
3.2 Cluster Invoker 分析
我們首先從各種 Cluster Invoker 的父類 AbstractClusterInvoker 原始碼開始說起。前面說過，叢集工作過程可分為兩個階段，第一個階段是在服務消費者初始化期間，這個在服務引用那篇文章中已經分析過了，這裡不再贅述。第二個階段是在服務消費者進行遠端呼叫時，此時 AbstractClusterInvoker 的 invoke 方法會被呼叫。列舉 Invoker，負載均衡等操作均會在此階段被執行。因此下面先來看一下 invoke 方法的邏輯。
public Result invoke(final Invocation invocation) throws RpcException {
checkWhetherDestroyed();
LoadBalance loadbalance = null;
// 繫結 attachments 到 invocation 中.
Map<String, String> contextAttachments = RpcContext.getContext().getAttachments();
if (contextAttachments != null && contextAttachments.size() != 0) {
((RpcInvocation) invocation).addAttachments(contextAttachments);
}
// 列舉 Invoker
List<Invoker<T>> invokers = list(invocation);
if (invokers != null && !invokers.isEmpty()) {
// 載入 LoadBalance
loadbalance = ExtensionLoader.getExtensionLoader(LoadBalance.class).getExtension(invokers.get(0).getUrl()
.getMethodParameter(RpcUtils.getMethodName(invocation), Constants.LOADBALANCE_KEY, Constants.DEFAULT_LOADBALANCE));
}
RpcUtils.attachInvocationIdIfAsync(getUrl(), invocation);
// 呼叫 doInvoke 進行後續操作
return doInvoke(invocation, invokers, loadbalance);
}
// 抽象方法，由子類實現
protected abstract Result doInvoke(Invocation invocation, List<Invoker<T>> invokers,
LoadBalance loadbalance) throws RpcException;
AbstractClusterInvoker 的 invoke 方法主要用於列舉 Invoker，以及載入 LoadBalance。最後再呼叫模板方法 doInvoke 進行後續操作。下面我們來看一下 Invoker 列舉方法 list(Invocation) 的邏輯，如下：
protected List<Invoker<T>> list(Invocation invocation) throws RpcException {
// 呼叫 Directory 的 list 方法
List<Invoker<T>> invokers = directory.list(invocation);
return invokers;
}
如上，AbstractClusterInvoker 中的 list 方法做的事情很簡單，只是簡單的呼叫了 Directory 的 list 方法，沒有其他更多的邏輯了。Directory 的 list 方法我在前面的文章中已經分析過了，這裡就不贅述了。
接下來，我們把目光轉移到 AbstractClusterInvoker 的各種實現類上，來看一下這些實現類是如何實現 doInvoke 方法邏輯的。
3.2.1 FailoverClusterInvoker
FailoverClusterInvoker 在呼叫失敗時，會自動切換 Invoker 進行重試。在無明確配置下，Dubbo 會使用這個類作為預設 Cluster Invoker。下面來看一下該類的邏輯。
public class FailoverClusterInvoker<T> extends AbstractClusterInvoker<T> {
// 省略部分程式碼
@Override
public Result doInvoke(Invocation invocation, final List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
List<Invoker<T>> copyinvokers = invokers;
checkInvokers(copyinvokers, invocation);
// 獲取重試次數
int len = getUrl().getMethodParameter(invocation.getMethodName(), Constants.RETRIES_KEY, Constants.DEFAULT_RETRIES) + 1;
if (len <= 0) {
len = 1;
}
RpcException le = null;
List<Invoker<T>> invoked = new ArrayList<Invoker<T>>(copyinvokers.size());
Set<String> providers = new HashSet<String>(len);
// 迴圈呼叫，失敗重試
for (int i = 0; i < len; i++) {
if (i > 0) {
checkWhetherDestroyed();
// 在進行重試前重新列舉 Invoker，這樣做的好處是，如果某個服務掛了，
// 通過呼叫 list 可得到最新可用的 Invoker 列表
copyinvokers = list(invocation);
// 對 copyinvokers 進行判空檢查
checkInvokers(copyinvokers, invocation);
}
// 通過負載均衡選擇 Invoker
Invoker<T> invoker = select(loadbalance, invocation, copyinvokers, invoked);
// 新增到 invoker 到 invoked 列表中
invoked.add(invoker);
// 設定 invoked 到 RPC 上下文中
RpcContext.getContext().setInvokers((List) invoked);
try {
// 呼叫目標 Invoker 的 invoke 方法
Result result = invoker.invoke(invocation);
return result;
} catch (RpcException e) {
if (e.isBiz()) {
throw e;
}
le = e;
} catch (Throwable e) {
le = new RpcException(e.getMessage(), e);
} finally {
providers.add(invoker.getUrl().getAddress());
}
}
// 若重試均失敗，則丟擲異常
throw new RpcException(..., "Failed to invoke the method ...");
}
}
如上，FailoverClusterInvoker 的 doInvoke 方法首先是獲取重試次數，然後根據重試次數進行迴圈呼叫，失敗後進行重試。在 for 迴圈內，首先是通過負載均衡元件選擇一個 Invoker，然後再通過這個 Invoker 的 invoke 方法進行遠端呼叫。如果失敗了，記錄下異常，並進行重試。重試時會再次呼叫父類的 list 方法列舉 Invoker。整個流程大致如此，不是很難理解。下面我們看一下 select 方法的邏輯。
protected Invoker<T> select(LoadBalance loadbalance, Invocation invocation, List<Invoker<T>> invokers, List<Invoker<T>> selected) throws RpcException {
if (invokers == null || invokers.isEmpty())
return null;
// 獲取呼叫方法名
String methodName = invocation == null ? "" : invocation.getMethodName();
// 獲取 sticky 配置，sticky 表示粘滯連線。所謂粘滯連線是指讓服務消費者儘可能的
// 呼叫同一個服務提供者，除非該提供者掛了再進行切換
boolean sticky = invokers.get(0).getUrl().getMethodParameter(methodName, Constants.CLUSTER_STICKY_KEY, Constants.DEFAULT_CLUSTER_STICKY);
{
// 檢測 invokers 列表是否包含 stickyInvoker，如果不包含，
// 說明 stickyInvoker 代表的服務提供者掛了，此時需要將其置空
if (stickyInvoker != null && !invokers.contains(stickyInvoker)) {
stickyInvoker = null;
}
// 在 sticky 為 true，且 stickyInvoker != null 的情況下。如果 selected 包含
// stickyInvoker，表明 stickyInvoker 對應的服務提供者可能因網路原因未能成功提供服務。
// 但是該提供者並沒掛，此時 invokers 列表中仍存在該服務提供者對應的 Invoker。
if (sticky && stickyInvoker != null && (selected == null || !selected.contains(stickyInvoker))) {
// availablecheck 表示是否開啟了可用性檢查，如果開啟了，則呼叫 stickyInvoker 的
// isAvailable 方法進行檢查，如果檢查通過，則直接返回 stickyInvoker。
if (availablecheck && stickyInvoker.isAvailable()) {
return stickyInvoker;
}
}
}
// 如果執行緒走到當前程式碼處，說明前面的 stickyInvoker 為空，或者不可用。
// 此時呼叫繼續呼叫 doSelect 選擇 Invoker
Invoker<T> invoker = doSelect(loadbalance, invocation, invokers, selected);
// 如果 sticky 為 true，則將負載均衡元件選出的 Invoker 賦值給 stickyInvoker
if (sticky) {
stickyInvoker = invoker;
}
return invoker;
}
如上，select 方法的主要邏輯集中在了對粘滯連線特性的支援上。首先是獲取 sticky 配置，然後再檢測 invokers 列表中是否包含 stickyInvoker，如果不包含，則認為該 stickyInvoker 不可用，此時將其置空。這裡的 invokers 列表可以看做是 存活著的服務提供者 列表，如果這個列表不包含 stickyInvoker，那自然而然的認為 stickyInvoker 掛了，所以置空。如果 stickyInvoker 存在於 invokers 列表中，此時要進行下一項檢測 ---- 檢測 selected 中是否包含 stickyInvoker。如果包含的話，說明 stickyInvoker 在此之前沒有成功提供服務（但其仍然處於存活狀態）。此時我們認為這個服務不可靠，不應該在重試期間內再次被呼叫，因此這個時候不會返回該 stickyInvoker。如果 selected 不包含 stickyInvoker，此時還需要進行可用性檢測，比如檢測服務提供者網路連通性等。當可用性檢測通過，才可返回 stickyInvoker，否則呼叫 doSelect 方法選擇 Invoker。如果 sticky 為 true，此時會將 doSelect 方法選出的 Invoker 賦值給 stickyInvoker。
以上就是 select 方法的邏輯，這段邏輯看起來不是很複雜，但是資訊量比較大。不搞懂 invokers 和 selected 兩個入參的含義，以及粘滯連線特性，這段程式碼應該是沒法看懂的。大家在閱讀這段程式碼時，不要忽略了對背景知識的理解。其他的不多說了，繼續向下分析。
private Invoker<T> doSelect(LoadBalance loadbalance, Invocation invocation, List<Invoker<T>> invokers, List<Invoker<T>> selected) throws RpcException {
if (invokers == null || invokers.isEmpty())
return null;
if (invokers.size() == 1)
return invokers.get(0);
if (loadbalance == null) {
// 如果 loadbalance 為空，這裡通過 SPI 載入 Loadbalance，預設為 RandomLoadBalance
loadbalance = ExtensionLoader.getExtensionLoader(LoadBalance.class).getExtension(Constants.DEFAULT_LOADBALANCE);
}
// 通過負載均衡元件選擇 Invoker
Invoker<T> invoker = loadbalance.select(invokers, getUrl(), invocation);
// 如果 selected 包含負載均衡選擇出的 Invoker，或者該 Invoker 無法經過可用性檢查，此時進行重選
if ((selected != null && selected.contains(invoker))
|| (!invoker.isAvailable() && getUrl() != null && availablecheck)) {
try {
// 進行重選
Invoker<T> rinvoker = reselect(loadbalance, invocation, invokers, selected, availablecheck);
if (rinvoker != null) {
// 如果 rinvoker 不為空，則將其賦值給 invoker
invoker = rinvoker;
} else {
// rinvoker 為空，定位 invoker 在 invokers 中的位置
int index = invokers.indexOf(invoker);
try {
// 獲取 index + 1 位置處的 Invoker，以下程式碼等價於：
//invoker = invokers.get((index + 1) % invokers.size());
invoker = index < invokers.size() - 1 ? invokers.get(index + 1) : invokers.get(0);
} catch (Exception e) {
logger.warn("... may because invokers list dynamic change, ignore.");
}
}
} catch (Throwable t) {
logger.error("cluster reselect fail reason is : ...");
}
}
return invoker;
}
doSelect 主要做了兩件事，第一是通過負載均衡元件選擇 Invoker。第二是，如果選出來的 Invoker 不穩定，或不可用，此時需要呼叫 reselect 方法進行重選。若 reselect 選出來的 Invoker 為空，此時定位 invoker 在 invokers 列表中的位置 index，然後獲取 index + 1 處的 invoker，這也可以看做是重選邏輯的一部分。關於負載均衡的選擇邏輯，我將會在下篇文章進行詳細分析。下面我們來看一下 reselect 方法的邏輯。
private Invoker<T> reselect(LoadBalance loadbalance, Invocation invocation,
List<Invoker<T>> invokers, List<Invoker<T>> selected, boolean availablecheck)
throws RpcException {
List<Invoker<T>> reselectInvokers = new ArrayList<Invoker<T>>(invokers.size() > 1 ? (invokers.size() - 1) : invokers.size());
// 根據 availablecheck 進行不同的處理
if (availablecheck) {
// 遍歷 invokers 列表
for (Invoker<T> invoker : invokers) {
// 檢測可用性
if (invoker.isAvailable()) {
// 如果 selected 列表不包含當前 invoker，則將其新增到 reselectInvokers 中
if (selected == null || !selected.contains(invoker)) {
reselectInvokers.add(invoker);
}
}
}
// reselectInvokers 不為空，此時通過負載均衡元件進行選擇
if (!reselectInvokers.isEmpty()) {
return loadbalance.select(reselectInvokers, getUrl(), invocation);
}
// 不檢查 Invoker 可用性
} else {
for (Invoker<T> invoker : invokers) {
// 如果 selected 列表不包含當前 invoker，則將其新增到 reselectInvokers 中
if (selected == null || !selected.contains(invoker)) {
reselectInvokers.add(invoker);
}
}
if (!reselectInvokers.isEmpty()) {
// 通過負載均衡元件進行選擇
return loadbalance.select(reselectInvokers, getUrl(), invocation);
}
}
{
// 若執行緒走到此處，說明 reselectInvokers 集合為空，此時不會呼叫負載均衡元件進行篩選。
// 這裡從 selected 列表中查詢可用的 Invoker，並將其新增到 reselectInvokers 集合中
if (selected != null) {
for (Invoker<T> invoker : selected) {
if ((invoker.isAvailable())
&& !reselectInvokers.contains(invoker)) {
reselectInvokers.add(invoker);
}
}
}
if (!reselectInvokers.isEmpty()) {
// 再次進行選擇，並返回選擇結果
return loadbalance.select(reselectInvokers, getUrl(), invocation);
}
}
return null;
}
reselect 方法總結下來其實只做了兩件事情，第一是查詢可用的 Invoker，並將其新增到 reselectInvokers 集合中。第二，如果 reselectInvokers 不為空，則通過負載均衡元件再次進行選擇。其中第一件事情又可進行細分，一開始，reselect 從 invokers 列表中查詢有效可用的 Invoker，若未能找到，此時再到 selected 列表中繼續查詢。關於 reselect 方法就先分析到這，繼續分析其他的 Cluster Invoker。
3.2.2 FailbackClusterInvoker
FailbackClusterInvoker 會在呼叫失敗後，返回一個空結果給服務提供者。並通過定時任務對失敗的呼叫進行重傳，適合執行訊息通知等操作。下面來看一下它的實現邏輯。
public class FailbackClusterInvoker<T> extends AbstractClusterInvoker<T> {
private static final long RETRY_FAILED_PERIOD = 5 * 1000;
private final ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(2,
new NamedInternalThreadFactory("failback-cluster-timer", true));
private final ConcurrentMap<Invocation, AbstractClusterInvoker<?>> failed = new ConcurrentHashMap<Invocation, AbstractClusterInvoker<?>>();
private volatile ScheduledFuture<?> retryFuture;
@Override
protected Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
try {
checkInvokers(invokers, invocation);
// 選擇 Invoker
Invoker<T> invoker = select(loadbalance, invocation, invokers, null);
// 進行呼叫
return invoker.invoke(invocation);
} catch (Throwable e) {
// 如果呼叫過程中發生異常，此時僅列印錯誤日誌，不丟擲異常
logger.error("Failback to invoke method ...");
// 記錄呼叫資訊
addFailed(invocation, this);
// 返回一個空結果給服務消費者
return new RpcResult();
}
}
private void addFailed(Invocation invocation, AbstractClusterInvoker<?> router) {
if (retryFuture == null) {
synchronized (this) {
if (retryFuture == null) {
// 建立定時任務，每隔5秒執行一次
retryFuture = scheduledExecutorService.scheduleWithFixedDelay(new Runnable() {
@Override
public void run() {
try {
// 對失敗的呼叫進行重試
retryFailed();
} catch (Throwable t) {
// 如果發生異常，僅列印異常日誌，不丟擲
logger.error("Unexpected error occur at collect statistic", t);
}
}
}, RETRY_FAILED_PERIOD, RETRY_FAILED_PERIOD, TimeUnit.MILLISECONDS);
}
}
}
// 新增 invocation 和 invoker 到 failed 中，
// 這裡的把 invoker 命名為 router，很奇怪，明顯名不副實
failed.put(invocation, router);
}
void retryFailed() {
if (failed.size() == 0) {
return;
}
// 遍歷 failed，對失敗的呼叫進行重試
for (Map.Entry<Invocation, AbstractClusterInvoker<?>> entry : new HashMap<Invocation, AbstractClusterInvoker<?>>(failed).entrySet()) {
Invocation invocation = entry.getKey();
Invoker<?> invoker = entry.getValue();
try {
// 再次進行呼叫
invoker.invoke(invocation);
// 呼叫成功，則從 failed 中移除 invoker
failed.remove(invocation);
} catch (Throwable e) {
// 僅列印異常，不丟擲
logger.error("Failed retry to invoke method ...");
}
}
}
}
這個類主要由3個方法組成，首先是 doInvoker，該方法負責初次的遠端呼叫。若遠端呼叫失敗，則通過 addFailed 方法將呼叫資訊存入到 failed 中，等待定時重試。addFailed 在開始階段會根據 retryFuture 為空與非，來決定是否開啟定時任務。retryFailed 方法則是包含了失敗重試的邏輯，該方法會對 failed 進行遍歷，然後依次對 Invoker 進行呼叫。呼叫成功則將 Invoker 從 failed 中移除，呼叫失敗則忽略失敗原因。
以上就是 FailbackClusterInvoker 的執行邏輯，不是很複雜，繼續往下看。
3.2.3 FailfastClusterInvoker
FailfastClusterInvoker 只會進行一次呼叫，失敗後立即丟擲異常。適用於冪等操作，比如新增記錄。樓主日常開發中碰到過一次程式連續插入三條同樣的記錄問題，原因是新增記錄過程中包含了一些耗時操作，導致介面超時。而我當時使用的是 Dubbo 預設的 Cluster Invoker，即 FailoverClusterInvoker。其會在呼叫失敗後進行重試，所以導致插入服務提供者插入了3條同樣的資料。如果當時考慮使用 FailfastClusterInvoker，就不會出現這種問題了。當然此時介面仍然會超時，所以更合理的做法是使用 Dubbo 非同步特性。或者優化服務邏輯，避免超時。
其他的不多說了，下面直接看原始碼吧。
public class FailfastClusterInvoker<T> extends AbstractClusterInvoker<T> {
@Override
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
checkInvokers(invokers, invocation);
// 選擇 Invoker
Invoker<T> invoker = select(loadbalance, invocation, invokers, null);
try {
// 呼叫 Invoker
return invoker.invoke(invocation);
} catch (Throwable e) {
if (e instanceof RpcException && ((RpcException) e).isBiz()) {
// 丟擲異常
throw (RpcException) e;
}
// 丟擲異常
throw new RpcException(..., "Failfast invoke providers ...");
}
}
}
上面程式碼比較簡單了，首先是通過 select 方法選擇 Invoker，然後進行遠端呼叫。如果呼叫失敗，則立即丟擲異常。FailfastClusterInvoker 就先分析到這，下面分析 FailsafeClusterInvoker。
3.2.4 FailsafeClusterInvoker
FailsafeClusterInvoker 是一種失敗安全的 Cluster Invoker。所謂的失敗安全是指，當呼叫過程中出現異常時，FailsafeClusterInvoker 僅會列印異常，而不會丟擲異常。Dubbo 官方給出的應用場景是寫入審計日誌等操作，這個場景我在日常開發中沒遇到過，沒發言權，就不多說了。下面直接分析原始碼。
public class FailsafeClusterInvoker<T> extends AbstractClusterInvoker<T> {
@Override
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
try {
checkInvokers(invokers, invocation);
// 選擇 Invoker
Invoker<T> invoker = select(loadbalance, invocation, invokers, null);
// 進行遠端呼叫
return invoker.invoke(invocation);
} catch (Throwable e) {
// 列印錯誤日誌，但不丟擲
logger.error("Failsafe ignore exception: " + e.getMessage(), e);
// 返回空結果忽略錯誤
return new RpcResult();
}
}
}
FailsafeClusterInvoker 的邏輯和 FailfastClusterInvoker 的邏輯一樣簡單，因此就不多說了。繼續下面分析。
3.2.5 ForkingClusterInvoker
ForkingClusterInvoker 會在執行時通過執行緒池建立多個執行緒，併發呼叫多個服務提供者。只要有一個服務提供者成功返回了結果，doInvoke 方法就會立即結束執行。ForkingClusterInvoker 的應用場景是在一些對實時性要求比較高 讀操作 （注意是讀操作，並行寫操作可能不安全）下使用，但這將會耗費更多的服務資源。下面來看該類的實現。
public class ForkingClusterInvoker<T> extends AbstractClusterInvoker<T> {
private final ExecutorService executor = Executors.newCachedThreadPool(
new NamedInternalThreadFactory("forking-cluster-timer", true));
@Override
public Result doInvoke(final Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
try {
checkInvokers(invokers, invocation);
final List<Invoker<T>> selected;
// 獲取 forks 配置
final int forks = getUrl().getParameter(Constants.FORKS_KEY, Constants.DEFAULT_FORKS);
// 獲取超時配置
final int timeout = getUrl().getParameter(Constants.TIMEOUT_KEY, Constants.DEFAULT_TIMEOUT);
// 如果 forks 配置不合理，則直接將 invokers 賦值給 selected
if (forks <= 0 || forks >= invokers.size()) {
selected = invokers;
} else {
selected = new ArrayList<Invoker<T>>();
// 迴圈選出 forks 個 Invoker，並新增到 selected 中
for (int i = 0; i < forks; i++) {
// 選擇 Invoker
Invoker<T> invoker = select(loadbalance, invocation, invokers, selected);
if (!selected.contains(invoker)) {
selected.add(invoker);
}
}
}
// ----------------------:sparkles: 分割線1 :sparkles:---------------------- //
RpcContext.getContext().setInvokers((List) selected);
final AtomicInteger count = new AtomicInteger();
final BlockingQueue<Object> ref = new LinkedBlockingQueue<Object>();
// 遍歷 selected 列表
for (final Invoker<T> invoker : selected) {
// 為每個 Invoker 建立一個執行執行緒
executor.execute(new Runnable() {
@Override
public void run() {
try {
// 進行遠端呼叫
Result result = invoker.invoke(invocation);
// 將結果存到阻塞佇列中
ref.offer(result);
} catch (Throwable e) {
int value = count.incrementAndGet();
// 僅在 value 大於等於 selected.size() 時，才將異常物件
// 放入阻塞佇列中，請大家思考一下為什麼要這樣做。
if (value >= selected.size()) {
// 將異常物件存入到阻塞佇列中
ref.offer(e);
}
}
}
});
}
// ----------------------:sparkles: 分割線2 :sparkles:---------------------- //
try {
// 從阻塞佇列中取出遠端呼叫結果
Object ret = ref.poll(timeout, TimeUnit.MILLISECONDS);
// 如果結果型別為 Throwable，則丟擲異常
if (ret instanceof Throwable) {
Throwable e = (Throwable) ret;
throw new RpcException(..., "Failed to forking invoke provider ...");
}
// 返回結果
return (Result) ret;
} catch (InterruptedException e) {
throw new RpcException("Failed to forking invoke provider ...");
}
} finally {
RpcContext.getContext().clearAttachments();
}
}
}
ForkingClusterInvoker 的 doInvoker 方法比較長，這裡我通過兩個分割線將整個方法劃分為三個邏輯塊。從方法開始，到分割線1之間的程式碼主要是用於選出 forks 個 Invoker，為接下來的併發呼叫提供輸入。分割線1和分割線2之間的邏輯主要是通過執行緒池併發呼叫多個 Invoker，並將結果儲存在阻塞佇列中。分割線2到方法結尾之間的邏輯主要用於從阻塞佇列中獲取返回結果，並對返回結果型別進行判斷。如果為異常型別，則直接丟擲，否則返回。
以上就是ForkingClusterInvoker 的 doInvoker 方法大致過程。我在分割線1和分割線2之間的程式碼上留了一個問題，問題是這樣的：為什麼要在 value >= selected.size() 的情況下，才將異常物件新增到阻塞佇列中？這裡來解答一下。原因是這樣的，在並行呼叫多個服務提供者的情況下，哪怕只有一個服務提供者成功返回結果，而其他全部失敗。此時 ForkingClusterInvoker 仍應該返回成功的結果，而非丟擲異常。在 value >= selected.size() 時將異常物件放入阻塞佇列中，可以保證異常物件不會出現在正常結果的前面，這樣可從阻塞佇列中優先取出正常的結果。
好了，關於 ForkingClusterInvoker 就先分析到這，接下來分析最後一個 Cluster Invoker。
3.2.6 BroadcastClusterInvoker
本章的最後，我們再來看一下 BroadcastClusterInvoker。BroadcastClusterInvoker 會逐個呼叫每個服務提供者，如果其中一臺報錯，在迴圈呼叫結束後，BroadcastClusterInvoker 會丟擲異常。看官方文件上的說明，該類通常用於通知所有提供者更新快取或日誌等本地資源資訊。這個使用場景筆者也沒遇到過，沒法詳細說明了，所以下面還是直接分析原始碼吧。
public class BroadcastClusterInvoker<T> extends AbstractClusterInvoker<T> {
@Override
public Result doInvoke(final Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
checkInvokers(invokers, invocation);
RpcContext.getContext().setInvokers((List) invokers);
RpcException exception = null;
Result result = null;
// 遍歷 Invoker 列表，逐個呼叫
for (Invoker<T> invoker : invokers) {
try {
// 進行遠端呼叫
result = invoker.invoke(invocation);
} catch (RpcException e) {
exception = e;
logger.warn(e.getMessage(), e);
} catch (Throwable e) {
exception = new RpcException(e.getMessage(), e);
logger.warn(e.getMessage(), e);
}
}
// exception 不為空，則丟擲異常
if (exception != null) {
throw exception;
}
return result;
}
}
以上就是 BroadcastClusterInvoker 的程式碼，比較簡單，就不多說了。
4.總結
本篇文章較為詳細的分析了 Dubbo 叢集容錯方面的內容，並詳細分析了叢集容錯的幾種實現方式。叢集容錯對於 Dubbo 框架來說，是很重要的邏輯。叢集模組處於服務提供者和消費者之間，對於服務消費者來說，叢集可向其遮蔽服務提供者叢集的情況，使其能夠專心進行遠端呼叫。除此之外，通過叢集模組，我們還可以對服務之間的呼叫鏈路進行編排優化，治理服務。總的來說，對於 Dubbo 而言，叢集容錯相關邏輯是非常重要的。想要對 Dubbo 有比較深的理解，叢集容錯是繞不過去的。因此，對於這部分內容，大家要認真看一下。
好了，本篇文章就先到這，感謝大家的閱讀。
附錄：Dubbo 原始碼分析系列文章
| 時間 | 文章 |
|---|---|
| 2018-10-01 | Dubbo 原始碼分析 - SPI 機制 |
| 2018-10-13 | Dubbo 原始碼分析 - 自適應拓展原理 |
| 2018-10-31 | Dubbo 原始碼分析 - 服務匯出 |
| 2018-11-12 | Dubbo 原始碼分析 - 服務引用 |
| 2018-11-17 | Dubbo 原始碼分析 - 叢集容錯之 Directory |
| 2018-11-20 | Dubbo 原始碼分析 - 叢集容錯之 Router |
| 2018-11-22 | Dubbo 原始碼分析 - 叢集容錯之 Cluster |