优雅停机是什么？SpringBoot+Nacos+k8s实现优雅停机

1 概念

优雅停机是什么？网上说的优雅下线、无损下线，都是一个意思。

优雅停机，通常是指在设备、系统或应用程序中止运作前，先执行一定的流程或动作，以确保数据的安全、预防错误并保证系统的整体稳定。

一般来说，优雅停机可以参考以下步骤以实现：

备份数据 ：立即将内存中的所有未保存的修改、缓存等数据保存到数据库或磁盘中。

停止接收新的请求

处理未完成的请求

通知其他依赖组件

等待所有要素安全退出后，关闭系统

在具体实施时，不同的设备、不同的系统、不同的应用，所需要的优雅停机步骤也不尽相同，甚至需要根据不同的场景来选择不同的方法。

例如，在某些情况下，你可能需要让用户知道，系统即将关闭，并告诉他们应当保存所有的工作并退出系统；而在另一些情况下，你可能需要设计一种策略，能够让系统在无用户介入的情况下，自动保存所有的状态，并在下次启动时恢复之。

但是，无论在哪种情况下，优雅停机的目标都是保护数据，避免错误，并尽量减少到访用户或使用者的不便。

上面的步骤，其实还缺了不少基础的内容，比如，停止请求外，还要停止接收定时任务、停止接收mq消息，等待他们的完成，这2项都是我们微服务中必不可缺的能力。

因此，我希望通过本文，能够更清晰，更详细的讲解，在我已知的真实业务场景下，如何做优雅停机。

文中，很多内容不会讲得太详细，需要大家有一定的搜索能力或者经验！

2 用案例说话

随着微服务的兴起，运维方式由docker -> k8s 变化，优雅停机涉及到的点就越来越多！下面，我们用一个案例，说明优雅停机中的问题和问题解决方案。

案例前：k8s 停机流程

当程序员执行 kubectl delete pod 命令时，两个过程开始：

网络规则即将生效：

Kube-apiserver 收到 pod 删除请求，并将 pod 的状态更新为 Extinating at Etcd;

终结点控制器从终结点对象中删除 Pod 的 IP;

Kuber-proxy 根据 Endpoint 对象的更改更新 iptables 的规则，并且不再将流量路由到已删除的 pod。

删除容器：

Kube-apiserver 收到 pod 删除请求，并将 pod 的状态更新为 Extinating at Etcd;

Kubelet 清理节点处的容器相关资源，如存储、网络;

添加 Prestop hook 钩子，等待流量不再发给pod;

Kubelet 将SIGTERM发送到容器;

如果容器在默认的 30 秒内没有退出，Kubelet 将发送 SIGKILL 并强制其退出。

k8s + springboot + nacos 案例

PreStopHook 做了2件事情：

nacos反注册

休眠35秒

通过信号量关闭springboot程序;

其中，k8s的 terminationGracePeriodSeconds（宽限期）设置为35s。

问题

springBoot程序关闭时间只有2s, 那么该程序就无法处理完一些线程任务、异步消息、定时任务等。为什么呢？

宽限期设置了35s，PreStop休眠了35s + 一个请求的时间，超过了宽限期，那么 kubelet 就会给与 pod 增加一次性2s的宽限时间。Pod 的生命周期，2s不管程序是否正常结束，都会被Kill -9。

为什么反注册之后需要休眠35s？

这里涉及到nacos服务发现原理，nacos服务变更响应时间：实时；ribbon 默认缓存刷新时间30s；因此，一开始是设置30s的，发现还有feign请求失败的情况，所以设置成了35s以解决这个问题！

nacos服务变更响应时间真的是实时吗？

其实并不一定，nacos服务发现是通过http和udp实现的，udp是实时的，http最大等待时间是10s，但是，udp端口生产环境可能没有开放！所以，案例中的nacos服务发现仅通过http定时轮询实现。

案例优化

上面的案例可以优化的点

nacos 反注册后休眠35s，是否可以减少；

terminationGracePeriodSeconds 设置多少合理？

优化点1

反注册后休眠的35s时候受到nacos服务发现 + ribbon 缓存刷新时间影响，正常应该是 服务发现时间 + 缓存刷新时间 40s才能在极端情况下保证服务停机时，不会再有feign 请求进入。

如果想要缩短这个时间

启用udp，这个需要和运维同学商量，否则10s等待少不了；

监听nacos服务变更通知，发现服务下线后，及时刷新ribbon缓存；

/**
*订阅nacos实例变更通知
*手动刷新ribbon服务实例缓存
*nacosclient1.4.6【1.4.1有重大缺陷，要注意】
*/
@Component
@Slf4j
publicclassNacosInstancesChangeEventListenerextendsSubscriber{

@Resource
privateSpringClientFactoryspringClientFactory;

@PostConstruct
publicvoidregisterToNotifyCenter(){
NotifyCenter.registerSubscriber(this);
}
@Override
publicvoidonEvent(InstancesChangeEventevent){
Stringservice=event.getServiceName();
//service:DEFAULT_GROUP@@demoribbonService:demo
StringribbonService=service.substring(service.indexOf("@@")+2);
log.info("####接收到微服务nacos实例变更事件:{}ribbonServiceName:{}",event.getServiceName(),ribbonService);
ILoadBalancerloadBalancer=springClientFactory.getLoadBalancer(ribbonService);
if(loadBalancer!=null){
((ZoneAwareLoadBalancer)loadBalancer).updateListOfServers();
log.info("刷新 ribbon 服务实例：{}缓存成功",ribbonService);
}
}

@Override
publicClasssubscribeType(){
returnInstancesChangeEvent.class;
}


/**
*nacos1.4.4~1.4.6需要加这个方法的实现，2.1.2以后版本修复了该问题
*多注册中心时，变更事件没有隔离，因此需要实现该方法来判断事件是否需要处理
*@seeISSUE#8428-NacosInstancesChangeEventScope
***/
@Override
publicbooleanscopeMatches(InstancesChangeEventevent){
returntrue;
}

}

优化点2

terminationGracePeriodSeconds 的值应该略大于 PreStop耗时 + springBoot 停机时间，springBoot 停机时间是由程序业务决定的（mq消息、定时任务、线程池任务、以及备份数据），网上的推荐做法是启用springBoot的优雅停机功能，并实现自定义的关闭逻辑。

springBoot优雅停机的默认缓冲时间是30s，因此，terminationGracePeriodSeconds的时间个人建议10 + 30s即可。

经过优化后

使用 actuator shutdown 方案

有些网贴推荐使用 actuator shutdown 进行优雅停机，那么看下其流程图：

其实，真正的情况并非如上图所示，因为调用shutdown后，springBoot就会进入优雅停机流程，但是这个流程没有结束，然后就会被kill -15 中断，如果线程池没有做好配置，线程池任务没有结束，服务就会关闭。

//没有设置下面参数，在kill-15时，线程池没有执行结束，会被强制关闭
threadPoolTaskExecutor.setWaitForTasksToCompleteOnShutdown(true);
threadPoolTaskExecutor.setAwaitTerminationSeconds(30);

3 再次优化

mq 和 定时任务

上面的方案中，提到nacos反注册时，其他服务监听反注册事件，进行ribbon缓存刷新，那么，反注册的服务（停机服务）自身，是否可以也监听该事件呢？答案是可以的。

停机的服务监听nacos反注册事件，判断是自己反注册了，表示准备关机，那么就可以停止对mq消息的监听，停止定时任务，这样就比在优雅停机时，进行mq 和 定时任务的停止更完美。

流量控制

如果没有使用k8s进行pod节点的流量控制，那么大概率会使用 springCloud gateway作为服务网关，因此，gateway 服务也应该监听nacos的反注册事件，从而及时刷新ribbon的缓存，关闭停机服务的流量。

4 小结

经过大量的资料参考、学习，最终得到的一份自己认为合格的优雅停机方案，里面可能有较多的不专业表述，敬请谅解和指正，谢谢。

在本文的最后，还要说下，优雅停机最大的挑战并不是来源于这个优雅停机流程，机械化的流程前人都帮忙躺过了，剩下的是业务服务自身的逻辑：

有没有包含超过30s的业务逻辑，如执行超过30s的请求，定时任务、线程池任务或mq消息；

服务关闭时，如何保存未完成的任务、数据，实现自定义的关闭逻辑；

接口逻辑是否做了幂等；

审核编辑：刘清