在很多分布式系統(tǒng)中，我們經(jīng)?？吹剿鼈兪褂眯奶鴻C(jī)制，為什么這么多的分布式系統(tǒng)使用心跳機(jī)制？心跳機(jī)制到底是什么？今天一起來聊一聊。

一、什么是心跳機(jī)制？

在分布式系統(tǒng)中，心跳其實(shí)就是從一個(gè)組件發(fā)送到另一個(gè)組件的定期消息，用于交換數(shù)據(jù)或者健康狀態(tài)，心跳可以是單向的，也可以是雙向的。

1.單向心跳包

單向心跳包是由一個(gè)節(jié)點(diǎn)（發(fā)送者）定期向另一個(gè)節(jié)點(diǎn)（接收者）發(fā)送消息，而不要求接收者回復(fù)。這種方式簡單而高效，適用于一些基本的健康檢查和狀態(tài)監(jiān)控。

優(yōu)點(diǎn)：

• 實(shí)現(xiàn)簡單：發(fā)送者只需定期發(fā)送心跳包，不需要處理回復(fù)邏輯。
• 低延遲：減少了通信的往返時(shí)間，適合低延遲應(yīng)用場景。

缺點(diǎn)：

• 缺乏確認(rèn)：接收者的狀態(tài)信息是單向的，發(fā)送者無法確定接收者是否收到心跳包。
• 誤報(bào)風(fēng)險(xiǎn)：如果網(wǎng)絡(luò)臨時(shí)中斷，接收者無法通知發(fā)送者，可能導(dǎo)致誤報(bào)。

使用場景：

• 基礎(chǔ)監(jiān)控：如定期發(fā)送服務(wù)器狀態(tài)信息到監(jiān)控系統(tǒng)。
• 簡單的健康檢查：如負(fù)載均衡器檢查后端服務(wù)器是否存活。

2.雙向心跳包

雙向心跳包涉及兩個(gè)節(jié)點(diǎn)之間的雙向通信。一個(gè)節(jié)點(diǎn)發(fā)送心跳包，接收者收到后回復(fù)確認(rèn)消息。這種方式能夠提供更可靠的狀態(tài)信息。

優(yōu)點(diǎn)：

• 確認(rèn)機(jī)制：發(fā)送者能確認(rèn)接收者是否收到心跳包，提高了通信的可靠性。
• 狀態(tài)同步：雙方可以交換狀態(tài)信息，確保數(shù)據(jù)的一致性和同步。

缺點(diǎn)：

• 實(shí)現(xiàn)復(fù)雜：需要處理發(fā)送和接收的邏輯，增加了系統(tǒng)的復(fù)雜性。
• 潛在延遲：增加了通信的往返時(shí)間，可能引入一些延遲。

使用場景：

• 故障檢測：如數(shù)據(jù)庫主從同步，確保數(shù)據(jù)一致性。
• 高可靠性應(yīng)用：如分布式文件系統(tǒng)，確保各節(jié)點(diǎn)間的狀態(tài)同步。

如下圖：Server1 向 Server2 發(fā)送一條單向心跳消息：

二、為什么需要心跳機(jī)制？

因?yàn)榉植际较到y(tǒng)可能包含很多服務(wù)器，形成錯(cuò)綜復(fù)雜的網(wǎng)絡(luò)交互，產(chǎn)生的問題也是形形色色，假如沒有心跳機(jī)制，可能會(huì)出現(xiàn)以下問題：

• 無法及時(shí)感知故障檢測
• 服務(wù)器停機(jī)時(shí)間和錯(cuò)誤會(huì)增加
• 整體分布式系統(tǒng)的可靠性會(huì)降低

增加心跳機(jī)制后，可以實(shí)現(xiàn)以下功能：

• 監(jiān)控：心跳消息有助于監(jiān)控分布式系統(tǒng)不同部分的運(yùn)行狀況和狀態(tài)。
• 檢測故障：心跳機(jī)制使系統(tǒng)能夠識(shí)別組件何時(shí)無響應(yīng)。如果節(jié)點(diǎn)錯(cuò)過了幾個(gè)預(yù)期的心跳信號(hào)，則表明可能存在問題。
• 觸發(fā)恢復(fù)操作：心跳機(jī)制允許系統(tǒng)采取糾正措施，如將任務(wù)移動(dòng)到正常運(yùn)行的節(jié)點(diǎn)、重新啟動(dòng)故障組件或通知系統(tǒng)管理員介入。
• 負(fù)載均衡：通過監(jiān)控不同節(jié)點(diǎn)的心跳信號(hào)，負(fù)載均衡器可以根據(jù)每個(gè)節(jié)點(diǎn)的響應(yīng)能力和運(yùn)行狀況，更有效地在網(wǎng)絡(luò)中分配任務(wù)。

三、心跳機(jī)制是如何工作的？

心跳機(jī)制主要涉及兩個(gè)主要組件：

• 心跳發(fā)送者（節(jié)點(diǎn)）：定期發(fā)送心跳信號(hào)的節(jié)點(diǎn)。
• 心跳接收器（監(jiān)視器）：接收并監(jiān)視心跳信號(hào)的組件。

心跳機(jī)制整個(gè)過程包含以下幾個(gè)步驟：

• 節(jié)點(diǎn)定期向監(jiān)視器發(fā)送心跳包，比如每 5/10/30秒發(fā)送一次心跳包。
• 監(jiān)視器接收心跳包，并更新節(jié)點(diǎn)的狀態(tài)，比如“活動(dòng)”或“可用”。
• 如果監(jiān)視器在規(guī)定的時(shí)間范圍內(nèi)未收到節(jié)點(diǎn)的心跳包，則會(huì)將節(jié)點(diǎn)標(biāo)記為“不可用”或“故障”。
• 系統(tǒng)檢測到有異常的節(jié)點(diǎn)，需要采取適當(dāng)?shù)牟僮?，例如重定向流量、啟?dòng)故障轉(zhuǎn)移過程或向管理員發(fā)出警報(bào)。

心跳包的發(fā)送機(jī)制通常上有 2種方式：

• Push方式：節(jié)點(diǎn)主動(dòng)向監(jiān)視器發(fā)送心跳包
• Pull方式：監(jiān)視器會(huì)定期查詢節(jié)點(diǎn)的狀態(tài)

如下圖為一個(gè)簡單的心跳健康檢查機(jī)制：

四、心跳包類型

心跳包在分布式系統(tǒng)中本質(zhì)上就是一條信息，只不過會(huì)根據(jù)不同的業(yè)務(wù)場景定義成不同的類型，以下是常見的心跳包類型：

(1) 簡單心跳包

• 用途：基本的存在檢測。
• 內(nèi)容：通常包含節(jié)點(diǎn)ID和時(shí)間戳。
• 示例：節(jié)點(diǎn)每隔一段時(shí)間發(fā)送一個(gè)簡單消息，告知其仍在運(yùn)行。

(2) 狀態(tài)心跳包

• 用途：不僅檢測節(jié)點(diǎn)存在，還報(bào)告節(jié)點(diǎn)狀態(tài)。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、CPU使用率、內(nèi)存使用率、磁盤狀態(tài)等。
• 示例：節(jié)點(diǎn)發(fā)送詳細(xì)的狀態(tài)信息，使監(jiān)視器可以評(píng)估其健康狀況。

(3) 負(fù)載心跳包

• 用途：報(bào)告節(jié)點(diǎn)當(dāng)前負(fù)載，以便于負(fù)載均衡。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、當(dāng)前負(fù)載指標(biāo)（如當(dāng)前連接數(shù)、任務(wù)隊(duì)列長度等）。
• 示例：負(fù)載均衡器根據(jù)負(fù)載心跳包的信息來調(diào)整任務(wù)分配。

(4) 自檢心跳包

• 用途：節(jié)點(diǎn)自行檢查并報(bào)告其健康狀態(tài)。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、自檢結(jié)果（如服務(wù)健康檢查結(jié)果、錯(cuò)誤日志摘要等）。
• 示例：節(jié)點(diǎn)定期運(yùn)行自檢腳本，并將結(jié)果發(fā)送給監(jiān)視器。

(5) 同步心跳包

• 用途：用于多節(jié)點(diǎn)之間的狀態(tài)同步。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、同步狀態(tài)、最新數(shù)據(jù)版本等。
• 示例：數(shù)據(jù)庫集群中的主節(jié)點(diǎn)與從節(jié)點(diǎn)之間使用同步心跳包來確保數(shù)據(jù)一致性。

(6) 事件心跳包

• 用途：通知監(jiān)視器特定事件的發(fā)生。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、事件類型和事件詳細(xì)信息。
• 示例：節(jié)點(diǎn)在發(fā)生重要事件（如重新啟動(dòng)、故障修復(fù)）時(shí)發(fā)送事件心跳包。

(7) 安全心跳包

• 用途：增強(qiáng)安全性，確保心跳消息的真實(shí)性和完整性。
• 內(nèi)容：包含節(jié)點(diǎn)ID、時(shí)間戳、簽名信息或加密數(shù)據(jù)。
• 示例：節(jié)點(diǎn)發(fā)送的心跳包經(jīng)過數(shù)字簽名，監(jiān)視器驗(yàn)證簽名以確保消息未被篡改。

五、心跳機(jī)制面臨的問題

因?yàn)榉植际较到y(tǒng)包含了比較多的服務(wù)器，而心跳又是在這些服務(wù)器之間通過網(wǎng)絡(luò)傳播的，因此，使用心跳包也面臨一些挑戰(zhàn)：

• 網(wǎng)絡(luò)擁塞：如果管理不當(dāng)，心跳信號(hào)的持續(xù)流動(dòng)可能會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞。
• 誤報(bào)：心跳信號(hào)間隔配置不當(dāng)可能會(huì)導(dǎo)致故障檢測出現(xiàn)誤報(bào)，誤將運(yùn)行緩慢但正常的組件標(biāo)識(shí)為故障組件。
• 資源使用：持續(xù)監(jiān)控需要計(jì)算資源，必須優(yōu)化以防止對(duì)系統(tǒng)造成不必要的壓力。
• 腦裂場景：在極少數(shù)情況下，網(wǎng)絡(luò)故障可能會(huì)將系統(tǒng)分區(qū)，導(dǎo)致雙方節(jié)點(diǎn)互相宣布對(duì)方死亡，這需要更復(fù)雜的故障處理機(jī)制。

六、心跳機(jī)制的使用場景

心跳機(jī)制在分布式系統(tǒng)中有著大量的使用場景，這里列舉幾個(gè)實(shí)際工作中最常見的例子：

(1) 消息中間件

在消息中間件 RocketMQ中，Broker會(huì)通過心跳包和注冊(cè)中心 NameServer保持交互，這樣注冊(cè)中心就能監(jiān)控到 Broker的狀態(tài)，從而給生產(chǎn)者和消費(fèi)者提供比較實(shí)時(shí)的 Broker集群列表。

(2) Kubernetes

在 Kubernetes容器編排平臺(tái)中，每個(gè)節(jié)點(diǎn)都會(huì)定期向控制平面發(fā)送心跳，以指示其可用性。控制平面使用這些檢測信號(hào)來跟蹤節(jié)點(diǎn)的運(yùn)行狀況，并相應(yīng)地做出調(diào)度決策。

(3) Elasticsearch

在 Elasticsearch集群中，節(jié)點(diǎn)交換心跳以形成八卦網(wǎng)絡(luò)。此網(wǎng)絡(luò)使節(jié)點(diǎn)能夠相互發(fā)現(xiàn)、共享集群狀態(tài)信息并檢測節(jié)點(diǎn)故障。

(4) Redis Cluster

Redis Cluster集群中的心跳包實(shí)現(xiàn)基于 Gossip協(xié)議，它是一種分布式通信協(xié)議，允許節(jié)點(diǎn)周期性地與隨機(jī)選擇的其他節(jié)點(diǎn)交換狀態(tài)信息。Redis Cluster的心跳包稱為 PING和 PONG消息，主要結(jié)構(gòu)如下：

• PING 消息：用于發(fā)送節(jié)點(diǎn)的狀態(tài)信息，包括節(jié)點(diǎn)ID、節(jié)點(diǎn)角色（主節(jié)點(diǎn)或從節(jié)點(diǎn)）、槽位信息等。
• PONG 消息：用于響應(yīng) PING 消息，確認(rèn)接收到的狀態(tài)信息。

七、總結(jié)

心跳機(jī)制在分布式系統(tǒng)中起到了重要的作用，因此，了解和掌握心跳機(jī)制，對(duì)于掌握分布式系統(tǒng)之間如何交互信息和服務(wù)器探活有著重要的意義。