Nginx + Node.js + Java 的軟體棧部署實踐
起
關於前後端分享的思考，我們已經有五篇文章闡述思路與設計。本文介紹淘寶網收藏夾將 Node.js 引入傳統技術棧的具體實踐。
淘寶網線上應用的傳統軟體棧結構為 Nginx + Velocity + Java，即：
在這個體系中，Nginx 將請求轉發給 Java 應用，後者處理完事務，再將資料用 Velocity 模板渲染成最終的頁面。
引入 Node.js 之後，我們勢必要面臨以下幾個問題：
- 技術棧的拓撲結構該如何設計，部署方式該如何選擇，才算是科學合理？
- 專案完成後，該如何切分流量，對運維來說才算是方便快捷？
- 遇到線上的問題，如何最快地解除險情，避免更大的損失？
- 如何確保應用的健康情況，在負載均衡排程的層面加以管理？
承
系統拓撲
按照我們在前後端分離的思考與實踐（二）- 基於前後端分離的模版探索一文中的思路，Velocity 需要被 Node.js 取代，從而讓這個結構變成：
這當然是最理想的目標。然而，在傳統棧中首次引入 Node.js 這一層畢竟是個新嘗試。為了穩妥起見，我們決定只在收藏夾的寶貝收藏頁面（shoucang.taobao.com/item_collect.htm）啟用新的技術，其它頁面沿用傳統方案。即，由 Nginx 判斷請求的頁面型別，決定這個請求究竟是要轉發給 Node.js 還是 Java。於是，最後的結構成了：
部署方案
上面的結構看起來沒什麼問題了，但其實新問題還等在前面。在傳統結構中，Nginx 與 Java 是部署在同一臺伺服器上的，Nginx 監聽 80 埠，與監聽高位 7001 埠的 Java 通訊。現在引入了 Node.js ，需要新跑一個監聽埠的程式，到底是將 Node.js 與 Nginx + Java 部署在同一臺機器，還是將 Node.js 部署在單獨的叢集呢？
我們來比較一下兩種方式各自特點：
淘寶網收藏夾是一個擁有千萬級日均 PV 的應用，對穩定性的要求性極高（事實上任何產品的線上不穩定都是不能接受的）。如果採用同叢集部署方案，只需要一次檔案分發，兩次應用重啟即可完成釋出，萬一需要回滾，也只需要操作一次基線包。效能上來說，同叢集部署也有一些理論優勢（雖然內網的交換機頻寬與延時都是非常樂觀的）。至於一對多或者多對一的關係，理論上可能做到伺服器更加充分的利用，但相比穩定性上的要求，這一點並不那麼急迫需要去解決。所以在收藏夾的改造中，我們選擇了同叢集部署方案。
灰度方式
為了保證最大程度的穩定，這次改造並沒有直接將 Velocity 程式碼完全去掉。應用叢集中有將近 100 臺伺服器，我們以伺服器為粒度，逐漸引入流量。也就是說，雖然所有的伺服器上都跑著 Java + Node.js 的程式，但 Nginx 上有沒有相應的轉發規則，決定了獲取這臺伺服器上請求寶貝收藏的請求是否會經過 Node.js 來處理。其中 Nginx 的配置為：
|
1 2 3 |
location = "/item_collect.htm" { proxy_pass http://127.0.0.1:6001; # Node.js 程式監聽的埠 } |
只有新增了這條 Nginx 規則的伺服器，才會讓 Node.js 來處理相應請求。通過 Nginx 配置，可以非常方便快捷地進行灰度流量的增加與減少，成本很低。如果遇到問題，可以直接將 Nginx 配置進行回滾，瞬間回到傳統技術棧結構，解除險情。
第一次釋出時，我們只有兩臺伺服器上啟用了這條規則，也就是說大致有不到 2% 的線上流量是走 Node.js 處理的，其餘的流量的請求仍然由 Velocity 渲染。以後視情況逐步增加流量，最後在第三週，全部伺服器都啟用了。至此，生產環境 100% 流量的商品收藏頁面都是經 Node.js 渲染出來的（可以檢視原始碼搜尋 Node.js 關鍵字）。
轉
灰度過程並不是一帆風順的。在全量切流量之前，遇到了一些或大或小的問題。大部分與具體業務有關，值得借鑑的是一個技術細節相關的陷阱。
健康檢查
在傳統的架構中，負載均衡排程系統每隔一秒鐘會對每臺伺服器 80 埠的特定 URL 發起一次 get 請求，根據返回的 HTTP Status Code 是否為 200 來判斷該伺服器是否正常工作。如果請求 1s 後超時或者 HTTP Status Code 不為 200，則不將任何流量引入該伺服器，避免線上問題。
這個請求的路徑是 Nginx -> Java -> Nginx，這意味著，只要返回了 200，那這臺伺服器的 Nginx 與 Java 都處於健康狀態。引入 Node.js 後，這個路徑變成了 Nginx -> Node.js -> Java -> Node.js -> Nginx。相應的程式碼為：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
var http = require('http'); app.get('/status.taobao', function(req, res) { http.get({ host: '127.1', port: 7001, path: '/status.taobao' }, function(res) { res.send(res.statusCode); }).on('error', function(err) { logger.error(err); res.send(404); }); }); |
但是在測試過程中，發現 Node.js 在轉發這類請求的時候，每六七次就有一次會耗時幾秒甚至十幾秒才能得到 Java 端的返回。這樣會導致負載均衡排程系統認為該伺服器發生異常，隨即切斷流量，但實際上這臺伺服器是能夠正常工作的。這顯然是一個不小的問題。
排查一番發現，預設情況下， Node.js 會使用 HTTP Agent 這個類來建立 HTTP 連線，這個類實現了 socket 連線池，每個主機+埠對的連線數預設上限是 5。同時 HTTP Agent 類發起的請求中預設帶上了 Connection: Keep-Alive，導致已返回的連線沒有及時釋放，後面發起的請求只能排隊。
最後的解決辦法有三種：
- 禁用
HTTP Agent，即在在呼叫get方法時額外新增引數agent: false，最後的程式碼為：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
var http = require('http'); app.get('/status.taobao', function(req, res) { http.get({ host: '127.1', port: 7001, agent: false, path: '/status.taobao' }, function(res) { res.send(res.statusCode); }).on('error', function(err) { logger.error(err); res.send(404); }); }); |
設定 http 物件的全域性 socket 數量上限：
|
1 |
http.globalAgent.maxSockets = 1000; |
在請求返回的時候及時主動斷開連線：
|
1 2 3 4 |
http.get(options, function(res) { }).on("socket", function (socket) { socket.emit("agentRemove"); // 監聽 socket 事件，在回撥中派發 agentRemove 事件 }); |
實踐上我們選擇第一種方法。這麼調整之後，健康檢查就沒有再發現其它問題了。
合
Node.js 與傳統業務場景結合的實踐才剛剛起步，仍然有大量值得深入挖掘的優化點。比比如，讓 Java 應用徹底中心化後，是否可以考分叢集部署，以提高伺服器利用率。或者，釋出與回滾的方式是否能更加靈活可控。等等細節，都值得再進一步研究。
【附】相關文章列表