跳转到内容
Max / Knowledge

健康检查与故障收敛

Difficulty
Advanced
Status
Stable
Last reviewed
2026年8月

健康检查把“实例存在”与“实例可用”分开。Nacos 通过统一调度器、处理器委托、心跳任务和状态字段，把不同检查方式接入同一套服务状态模型。

先给答案：健康检查把“实例存在”与“实例可用”分开

Section titled “先给答案：健康检查把“实例存在”与“实例可用”分开”

健康检查把“实例存在”与“实例可用”分开。Nacos 通过统一调度器、处理器委托、心跳任务和状态字段，把不同检查方式接入同一套服务状态模型。 正文沿“调度链 -> 实现拆解 -> 为什么采用处理器委托而不是在 Reactor 中写 if/else”展开：先确认入口和状态归属，再跟踪控制流或数据流的推进，最后落到对外可观察的结果。

主要失效边界集中在“检查超时、重复调度、连续失败抖动”这些场景。它们破坏的是容量、顺序、并发或生命周期前提；排查时应先确认状态是否仍由正确对象持有，再核对推进条件和清理路径。

调度链

Section titled “调度链”
HealthCheckReactor#scheduleCheck
  -> HealthCheckTaskInterceptWrapper
  -> HealthCheckTaskV2#run
  -> ProcessorV2Delegate#process
       ├─ HTTP
       ├─ TCP
       └─ MySQL / NONE
  -> HealthCheckInstancePublishInfo
  -> Service snapshot / push

客户端心跳是另一条链：ClientBeatCheckTaskV2 周期检查客户端最近心跳，ClientBeatProcessorV2 处理心跳到达；服务端主动探活则由 HealthCheckTaskV2 和具体 Processor 执行。

实现拆解

Section titled “实现拆解”

HealthCheckReactor#scheduleCheck 先记录任务启动时间，再包装任务后提交到 Naming 健康线程池。心跳任务使用 futureMap 按 task key 去重，取消时移除 Future，避免同一实例重复调度。

HealthCheckInstancePublishInfo#tryStartCheck 与 finishCheck 为检查提供并发闸门。检查结果最终由 Processor 更新健康状态、响应时间和连续成功/失败计数，避免慢检查覆盖更新的状态。

为什么采用处理器委托而不是在 Reactor 中写 if/else

Section titled “为什么采用处理器委托而不是在 Reactor 中写 if/else”

替代方案：HealthCheckReactor 直接判断 HTTP/TCP/MySQL 并执行探活。 为什么不行：调度、协议细节和状态更新会耦合，新增检查类型必须修改中心类，且测试边界变大。 证据：HealthCheckProcessorV2Delegate#process 负责选择处理器，HttpHealthCheckProcessor、TcpHealthCheckProcessor 和 MysqlHealthCheckProcessor 各自实现检查细节。

源码坐标索引

Section titled “源码坐标索引”
  • HealthCheckReactor#scheduleCheck(HealthCheckTaskV2) — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/HealthCheckReactor.java:44
  • HealthCheckReactor#scheduleCheck(BeatCheckTask) — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/HealthCheckReactor.java:56
  • HealthCheckReactor#cancelCheck — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/HealthCheckReactor.java:73
  • HealthCheckReactor#scheduleNow — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/HealthCheckReactor.java:94
  • HealthCheckTaskV2#run — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/v2/HealthCheckTaskV2.java:172
  • HealthCheckProcessorV2Delegate#process — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/v2/processor/HealthCheckProcessorV2Delegate.java:59
  • HttpHealthCheckProcessor#process — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/v2/processor/HttpHealthCheckProcessor.java:70
  • TcpHealthCheckProcessor#process — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/v2/processor/TcpHealthCheckProcessor.java:97
  • MysqlHealthCheckProcessor#process — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/v2/processor/MysqlHealthCheckProcessor.java:82
  • HealthCheckInstancePublishInfo#tryStartCheck — naming/src/main/java/com/alibaba/nacos/naming/core/v2/pojo/HealthCheckInstancePublishInfo.java:56
  • HealthCheckInstancePublishInfo#finishCheck — naming/src/main/java/com/alibaba/nacos/naming/core/v2/pojo/HealthCheckInstancePublishInfo.java:60
  • ClientBeatCheckTaskV2#run — naming/src/main/java/com/alibaba/nacos/naming/healthcheck/heartbeat/ClientBeatCheckTaskV2.java:81

边界与踩坑

Section titled “边界与踩坑”
场景 现象 原因 规避
检查超时 健康状态迟迟不变 探活线程被网络 IO 占满 独立线程池、设置连接和响应超时
重复调度 CPU 和网络翻倍 task key 不一致或取消失败 保持稳定 task key，检查 futureMap
连续失败抖动 实例在健康/不健康间切换 单次结果过于敏感 使用连续失败计数和保护阈值

可迁移知识

Section titled “可迁移知识”

健康检查系统应把调度、探测协议、状态机和传播分层。检查结果最好带时间、RT、连续计数和版本，才能在并发和网络抖动下解释状态变化。

面试锚点

  • 心跳和主动健康检查有什么区别？
  • 如何避免同一个实例被重复检查？
  • 为什么需要连续失败计数而不是一次失败立即摘除？
Section titled “Related”