Dubbo 在 Proxyless Mesh 模式下的探索与改进

01 背景

随着 Docker 和 Kubernetes 的出现，一个庞大的单体应用可以被拆分成多个独立部署的微服务，并被打包运行于对应的容器中。不同应用之间相互通信，以共同完成某一功能模块。微服务架构与容器化部署带来的好处是显而易见的，它降低了服务间的耦合性，利于开发和维护，能更有效地利用计算资源。当然，微服务架构也存在相应的缺点：

• 强依赖于 SDK，业务模块与治理模块耦合较为严重。除了相关依赖，往往还需要在业务代码中嵌入 SDK 代码或配置。

• 统一治理难。每次框架升级都需要修改 SDK 版本，并重新进行回归测试，确认功能正常后再对每一台机器重新部署上线。不同服务引用的 SDK 版本不统一、能力参差不齐，增大了统一治理的难度。

• 缺少一套统一解决方案。目前市场不存在一整套功能完善、无死角的微服务治理与解决方案。在实际生产环境往往还需要引入多个治理组件来完成像灰度发布、故障注入等功能。

为解决这些痛点，Service Mesh 诞生了。以经典的 side car 模式为例，它通过在业务 Pod 中注入 Sidecar 容器，对代理流量实施治理和管控，将框架的治理能力下层到 side car 容器中，与业务系统解耦，从而轻松实现多语言、多协议的统一流量管控、监控等需求。通过剥离 SDK 能力并拆解为独立进程，从而解决了强依赖于 SDK 的问题，从而使开发人员可以更加专注于业务本身，实现了基础框架能力的下沉，如下图所示（源自 dubbo 官网）：

image.png

经典的 Sidecar Mesh 部署架构有很多优势，如减少 SDK 耦合、业务侵入小等，但增加了一层代理，也带来了一些额外的问题，比如:

• SideCar 代理会损耗一部分性能，当网络结构层级比较复杂时尤其明显，对性能要求很高的业务造成了一定的困扰。

• 架构更加复杂，对运维人员要求高。

• 对部署环境有一定的要求，需要其能支持 SideCar 代理的运行。

为解决这些痛点，Proxyless Service Mesh 模式诞生了。传统服务网格通过代理的方式拦截所有的业务网络流量，代理需要感知到控制平面下发的配置资源，从而按照要求控制网络流量的走向。以 istio 为例，Proxyless 模式是指应用直接与负责控制平面的 istiod 进程通信，istiod 进程通过监听并获取 k8s 的资源，例如 Service、Endpoint 等，并将这些资源统一通过 xds 协议下发到不同的 rpc 框架，由 rpc 框架进行请求转发，从而实现服务发现和服务治理等能力。

Dubbo 社区是国内最早开始对 Proxyless Service Mesh 模式进行探索的社区，这是由于相比于 Service Mesh，Proxyless 模式落地成本较低，对于中小企业来说是一个较好的选择。Dubbo 在 3.1 版本中通过对 xds 协议进行解析，新增了对 Proxyless 的支持。Xds 是一类发现服务的总称，应用通过 xds api 可以动态获取 Listener(监听器)，Route(路由)， Cluster(集群)， Endpoint(集群成员)以及 Secret(证书)配置。

image.png

通过 Proxyless 模式，Dubbo 与 Control Plane 直接建立通信，进而实现控制面对流量管控、服务治理、可观测性、安全等的统一管控，从而规避 Sidecar 模式带来的性能损耗与部署架构复杂性。

02 Dubbo Xds 推送机制详解

@startuml
' ========调整样式=============' 单个状态定义示例：state 未提交 #70CFF5 ##Black' hide footbox 可关闭时序图下面部分的模块' autoactivate on 是否自动激活skinparam sequence {ArrowColor black
LifeLineBorderColor blackLifeLineBackgroundColor #70CFF5
ParticipantBorderColor #blackParticipantBackgroundColor  #70CFF5}' ========定义流程=============
activate ControlPlaneactivate DubboRegistryautonumber 1

ControlPlane <-> DubboRegistry : config pull and pushactivate XdsServiceDiscoveryFactoryactivate XdsServiceDiscoveryactivate PilotExchanger       DubboRegistry -> XdsServiceDiscoveryFactory : requestXdsServiceDiscoveryFactory --> DubboRegistry: get registry configuration
XdsServiceDiscoveryFactory -> XdsChannel: 返回列表信息（若数据没有导入完成，则不可见）XdsServiceDiscoveryFactory-> XdsServiceDiscovery: init Xds service discoveryXdsServiceDiscovery-> PilotExchanger: init PilotExchanger
alt PilotExchanger  PilotExchanger -> XdsChannel: 初始化XdsChannel  XdsChannel --> PilotExchanger: return  PilotExchanger -> PilotExchanger: get cert pair  PilotExchanger -> PilotExchanger: int ldsProtocol  PilotExchanger -> PilotExchanger: int rdsProtocol  PilotExchanger -> PilotExchanger: int edsProtocolend
alt PilotExchanger  XdsServiceDiscovery --> XdsServiceDiscovery: 解析Xds协议  XdsServiceDiscovery --> XdsServiceDiscovery: 根据Eds初始化节点信息  XdsServiceDiscovery --> XdsServiceDiscovery: 将Rds、Cds的的负载均衡和路由规则写入结点的运行信息中  XdsServiceDiscovery --> XdsServiceDiscovery: 回传给服务自省框架，构建invokerend
deactivate ControlPlanedeactivate XdsServiceDiscoverydeactivate XdsServiceDiscoveryFactory
@enduml

image.png

从整体上看，istio control plane 和 dubbo 的交互时序图如上。Dubbo 里 xds 处理的主要逻辑在 PilotExchanger 和各个 DS(LDS、RDS、CDS、EDS)的对应协议的具体实现里。PilotExchanger 统一负责串联逻辑，主要有三大逻辑：

• 获取授信证书。

• 调用不同 protocol 的 getResource 获取资源。

• 调用不同 protocol 的 observeResource 方法监听资源变更。

例如对于 lds 和 rds，PilotExchanger 会调用 lds 的 getResource 方法与 istio 建立通信连接，发送数据并解析来自 istio 的响应，解析完成后的 resource 资源会作为 rds 调用 getResource 方法的入参，并由 rds 发送数据给 istio。当 lds 发生变更时，则由 lds 的 observeResource 方法去触发自身与 rds 的变更。上述关系对于 rds 和 eds 同样如此。现有交互如下，上述过程对应图里红线的流程：

image.png

在第一次成功获取资源之后，各个 DS 会通过定时任务去不断发送请求给 istio，并解析响应结果和保持与 istio 之间的交互，进而实现控制面对流量管控、服务治理、可观测性方面的管控，其流程对应上图蓝线部分。

03 当前 Dubbo Proxyless 实现存在的不足

Dubbo Proxyless 模式经过验证之后，已经证明了其可靠性。现有 dubbo proxyless 的实现方案存在以下问题：

• 目前与 istio 交互的逻辑是推送模式。getResource 和 observeResource 是两条不同的 stream 流，每次发送新请求都需要重新建立连接。但我们建立的 stream 流是双向流动的，istio 在监听到资源变化后由主动推送即可，LDS、RDS、EDS 分别只需要维护一条 stream 流。

• Stream 流模式改为建立持久化连接之后，需要设计一个本地的缓存池，去存储已经存在的资源。当 istio 主动推送更新后，需要去刷新缓存池的数据。

• 现有 observeResource 逻辑是通过定时任务去轮询 istio。现在 observeResource 不再需要定时去轮询，只需要将需要监听的资源加入到缓存池，等 istio 自动推送即可，且 istio 推送回来的数据需要按照 app 切分好，实现多点监听，后续 dubbo 支持其他 DS 模式，也可复用相应的逻辑。

• 目前由 istio 托管的 dubbo 应用在 istio 掉线后会抛出异常，断线后无法重新连接，只能重新部署应用，增加了运维和管理的复杂度。我们需增加断线重连的功能，等 istio 恢复正常后无需重新部署即可重连。

改造完成后的交互逻辑：

image.png

04 Xds 监听模式实现方案

4.1 资源缓存池

目前 Dubbo 的资源类型有 LDS，RDS，EDS。对于同一个进程，三种资源监听的所有资源都与 istio 对该进程所缓存的资源监听列表一一对应。因此针对这三种资源，我们应该设计分别对应的本地的资源缓存池，dubbo 尝试资源的时候先去缓存池查询，若有结果则直接返回；否则将本地缓存池的资源列表与想要发送的资源聚合后，发送给 istio 让其更新自身的监听列表。缓存池如下，其中 key 代表单个资源，T 为不同 DS 的返回结果：

protected Map<String, T> resourcesMap = new ConcurrentHashMap<>();

有了缓存池我们必须有一个监听缓存池的结构或者容器，在这里我们设计为 Map 的形式，如下：

protected Map<Set<String>, List<Consumer<Map<String, T>>>> consumerObserveMap = new ConcurrentHashMap<>();

其中 key 为想要监听的资源，value 为一个 List, 之所以设计为 List 是为了可以支持重复订阅。List 存储的 item 为 jdk8 中的 Consumer 类型，它可以用于传递一个函数或者行为，其入参为 Map，其 key 对应所要监听的单个资源，便于从缓存池中获取。如上文所述，PilotExchanger 负责串联整个流程，不同 DS 之间的更新关系可以用 Consumer 进行传递。以监听 LDS observeResource 为例,  大致代码如下：

// 监听void observeResource(Set<String> resourceNames, Consumer<Map<String, T>> consumer, boolean isReConnect);
// Observe LDS updatedldsProtocol.observeResource(ldsResourcesName, (newListener) -> {    // LDS数据不一致    if (!newListener.equals(listenerResult)) {        //更新LDS数据        this.listenerResult = newListener;        // 触发RDS监听        if (isRdsObserve.get()) {            createRouteObserve();        }    }}, false);

Stream 流模式改为建立持久化连接之后，我们也需要把这个 Consumer 的行为存储在本地的缓存池中。Istio 收到来自 dubbo 的推送请求后，刷新自身缓存的资源列表并返回响应。此时 istio 返回的响应内容是聚合后的结果，Dubbo 收到响应后，将响应资源拆分为更小的资源粒度，再推送给对应的 Dubbo 应用通知其进行变更。

▧踩坑点

• istio 推送的数据可能为空字符串，此时缓存池子无需存储，直接跳过即可。否则 dubbo 会绕过缓冲池，不断向 istio 发送请求。

• 考虑以下场景，dubbo 应用同时订阅了两个接口，分别由 app1 和 app2 提供。为避免监听之间的相互覆盖，因此向 istio 发送数据时，需要聚合所有监听的资源名一次性发起。

4.2 多点独立监听

在第一次向 istio 发送请求时会调用 getResource 方法先去 cache 查询，缺失了再聚合数据去 istio 请求数据，istio 再返回相应的结果给 dubbo。我们处理 istio 的响应有两种实现方案：

1. 由用户在 getResource 方案中 new 一个 completeFuture，由 cache 分析是否是需要的数据，若确认是新数据则由该 future 回调传递结果。

2. getResource 建立资源的监听器 consumerObserveMap，定义一个 consumer 并把取到的数据同步到原来的线程，cache 收到来自 istio 的推送后会做两件事：将数据推送所有监听器和将数据发送给该资源的监听器。

以上两种方案都能实现，但最大的区别就是用户调用 onNext 发送数据给 istio 的时候需不需要感知 getResource 的存在。综上，最终选择方案 2 进行实现。具体实现逻辑是让 dubbo 与 istio 建立连接后，istio 会推送自身监听到资源列表给 dubbo，dubbo 解析响应，并根据监听的不同 app 切分数据，并刷新本地缓存池的数据，并发送 ACK 响应给 istio，大致流程如下：

@startuml
object Carobject Busobject Tireobject Engineobject Driver
Car <|- BusCar *-down- TireCar *-down- EngineBus o-down- Driver
@enduml

image.png

部分关键代码如下：

public class ResponseObserver implements XXX {        ...        public void onNext(DiscoveryResponse value) {            //接受来自istio的数据并切分            Map<String, T> newResult = decodeDiscoveryResponse(value);            //本地缓存池数据            Map<String, T> oldResource = resourcesMap;            //刷新缓存池数据            discoveryResponseListener(oldResource, newResult);            resourcesMap = newResult;            // for ACK            requestObserver.onNext(buildDiscoveryRequest(Collections.emptySet(), value));        }        ...        public void discoveryResponseListener(Map<String, T> oldResult,                                               Map<String, T> newResult) {            ....        }  }//具体实现交由LDS、RDS、EDS自身protected abstract Map<String, T> decodeDiscoveryResponse(DiscoveryResponse response){  //比对新数据和缓存池的资源，并将不同时存在于两种池子的资源取出    ...    for (Map.Entry<Set<String>, List<Consumer<Map<String, T>>>> entry : consumerObserveMap.entrySet()) {    // 本地缓存池不存在则跳过    ...  //聚合资源    Map<String, T> dsResultMap = entry.getKey()        .stream()        .collect(Collectors.toMap(k -> k, v -> newResult.get(v)));    //刷新缓存池数据    entry.getValue().forEach(o -> o.accept(dsResultMap));    }}

▧踩坑点

• 原本多个 stream 流的情况下，会用递增的 requestId 来复用 stream 流，改成持久化连接之后，一种 resource 会有多个 requestid，可能会相互覆盖，因此必须去掉这个机制。

• 初始实现方案并没有对资源进行切分，而是一把梭，考虑到后续对其他 DS 的支持，对 istio 返回的数据进行切分，也导致 consumerObserveMap 有点奇形怪状。

• 三种 DS 在发送数据时可以共享同一 channel，但监听所用到的必须是同一 channel，否则数据变更时 istio 不会进行推送。

• 建立双向 stream 流之后，初始方案 future 为全局共享。但可能有这样的场景：相同的 ds 两次相邻时间的 onNext 事件，记为 A 事件和 B 事件，可能是 A 事件先发送，B 随后；但可能是 B 事件的结果先返回，不确定 istio 推送的时间，因此 future 必须是局部变量而不是全局共享。

4.3 采用读写锁避免并发冲突

监听器 consumerObserveMap 和缓存池 resourcesMap 均可能产生并发冲突。对于 resourcemap，由于 put 操作都集中在 getResource 方法，因此可以采用悲观锁就能锁住相应的资源，避免资源的并发监听。

对于 consumerObserveMap，同时存在 put、remove 和遍历操作，从时序上，采用读写锁可规避冲突，对于遍历操作加读锁，对于 put 和 remove 操作加写锁，即可避免并发冲突。综上，resourcesMap 加悲观锁即可，consumerObserveMap 涉及的操作场景如下：

• 远程请求 istio 时候会往 consumerObserveMap 新增数据，加写锁。

• CompleteFuture 跨线程返回数据后，去掉监听 future，加写锁。

• 监听缓存池时会往 consumerObserveMap 新增监听，加写锁。

• 断线重连时会往 consumerObserveMap 新增监听，加写锁。

• 解析 istio 返回的数据，遍历缓存池并刷新数据，加读锁。

▧踩坑点

• 由于 dubbo 和 istio 建立的是是双向 stream 流，相同的 ds 两次相邻时间的 onNext 事件，记为 A 事件和 B 事件，可能是 A 事件先发送，B 随后；但可能是 B 事件的结果先返回，不确定 istio 推送的时间。因此需要加锁。

4.4 断线重连

断线重连只需要用定时任务去定时与 istio 交互，尝试获取授信证书，证书获取成功即可视为 istio 成功重新上线，dubbo 会聚合本地的资源去 istio 请求数据，并解析响应和刷新本地缓存池数据，最后再关闭定时任务。

▧踩坑点

• 采用全局共享的定时任务池，不能进行关闭，否则会影响其他业务。

05 感想与总结

在这次功能的改造中，笔者着实掉了一波头发，怎么找 bug 也找不到的情形不在少数。除了上述提到的坑点之外，其他的坑点包括但不局限于：

• dubbo 在某一次迭代里更改了获取 k8s 证书的方式，授权失败。

• 原本的功能没问题，merge 了下 master 代码，grpc 版本与 envoy 版本不兼容，各种报错，最后靠降低版本成功解决。

• 原本的功能没问题，merge 了下 master 代码，最新分支代码里 metadataservice 发成了 triple，然而在 Proxyless 模式下只支持 dubbo 协议，debug 了三四天，最后发现需要增加配置。

......

但不得不承认，Proxyless Service Mesh 确实有它自身的优势和广阔的市场前景。自 dubbo3.1.0 release 版本之后，dubbo 已经实现了 Proxyless Service Mesh 能力，未来 dubbo 社区将深度联动业务，解决更多实际生产环境中的痛点，更好地完善 service mesh 能力。