转载不错的文档
经典平滑升级方案
服务器开发运维中，平滑升级是一个老生常谈的话题。拿一个http server来说，最常见的方案就是在http server前面加挂一个lvs负载，通过健康检查接口决定负载的导入与摘除。具体来说就是http server 提供一个/status 接口，服务器返回一个status文件，内容为ok，lvs负载定时访问这个接口，判断服务健康状况决定导入流量和切断流量。一般都会定一些策略，比如：访问间隔5秒，健康阈值2，异常阈值2之类的。意思就是每隔5秒访问一次/status接口，2次成功后，确认服务正常，开始导入流量，2次失败确认服务异常切断流量。当服务升级时，修改status文件内容为off，等待lvs健康检查确认服务为异常状态时主动切断流量，此时进行服务器的升级操作，服务重启完毕后，将status文件内容修改回ok，等待lvs健康检查确认服务正常后导入流量，以此步骤逐步完成剩余的机器的发布操作。将以上步骤完善成脚本，拆分为pre（预升级，ok修改为off）、post（发布代码，重启服务）、check（服务检查）、online（上线，off修改为ok）几个动作，与代码发布平台结合基本就实现了一般服务的自动化发版管理。360内部的代码发布平台Furion就是基于此原理工作的。
经典平滑升级方案的问题
一般的web服务使用上述平滑升级方案，基本上已经够用了。那这个方案还有什么问题吗？吹毛求疵的讲，还是有的。
-
发布过程中，正在发布的机器被摘除，其他机器承压增大。
-
发布过程仍然花费一些时间，按照上述策略指定的参数，发布一次至少需要20秒，当然我们可以调整参数，但是要面临浪费资源或者网络抖动误判导致切断流量的问题。
-
切断流量瞬间会导致未完成请求返回不完整。
这些问题一般来说都不算大问题，服务器资源做好冗余就够了，但是当服务器数量很大，服务器QPS很高的情况，小问题也会变大问题。所有寻求完美无缝重启的方案就是解决问题的关键了。
优雅重启
golang语言http服务的优雅重启开源库也有一些，我们选择Facebook开源的库进行研究。代码地址https://github.com/facebookarchive/grace.git。网上的开源库的实现或简单或复杂，其实原理都差不多，执行优雅重启的过程基本如下：
-
发布新的bin文件去覆盖老的bin文件
-
发送一个信号量，告诉正在运行的进程，进行重启
-
正在运行的进程收到信号后，会以子进程的方式启动新的bin文件
-
新进程接受新请求，并处理
-
老进程不再接受请求，但是要等正在处理的请求处理完成，所有在处理的请求处理完之后，便自动退出 其实我总结了一下，就两个关键点，一个是子进程继承端口监听启动，接受新请求处理；另一个是父进程优雅关闭。通过以上两个步骤基本上就实现了服务的无缝重启，发布过程中流量无损，发布消耗时间理论上最大也就是一个请求的超时时间，回滚服务也很简单，将旧版本服务重发一次就好了。
源码分析
1
使用方法
示例使用了流行的http库 gin，我们一般用法如下
-
func main() { -
engine := gin.New() -
engine.Use(httpserver.NewAccessLogger(), gin.Recovery()) -
controller.Regist(engine) -
srv := &http.Server{ -
Addr: ":80", -
Handler: engine, -
ReadTimeout: 30 * time.Second, -
WriteTimeout: 30 * time.Second, -
} -
monitor.Init() -
srvMonitor := &http.Server{ -
Addr: ":9900", -
Handler: nil, -
ReadTimeout: 30 * time.Second, -
WriteTimeout: 30 * time.Second, -
} -
grace.Serve(srv, srvMonitor) -
}
grace.Serve函数参数是一个切片，可以处理多个server的端口监听继承与优雅关闭。此外还提供了关闭前的hook，使用方法如下：
-
gracehttp.ServeWithOptions([]*http.Server{srv, srvMonitor}, gracehttp.PreStartProcess(func() error { -
logger.Info("do PreStartProcess ") -
return nil -
}))
在调研中我发现项目上有错误的使用方法，如下：
-
func startHttp() { -
engine := gin.New() -
engine.Use(httpserver.NewAccessLogger(), gin.Recovery()) -
controller.Regist(engine) -
srv := &http.Server{ -
Addr: ":80", -
Handler: engine, -
ReadTimeout: 30 * time.Second, -
WriteTimeout: 30 * time.Second, -
} -
monitor.Init() -
srvMonitor := &http.Server{ -
Addr: ":9900", -
Handler: nil, -
ReadTimeout: 30 * time.Second, -
WriteTimeout: 30 * time.Second, -
} -
grace.Serve(srv, srvMonitor) -
} -
func main() { -
go startHttp() -
//注册信号 -
go signalHandler() -
<-quiet -
logger.Info("Close Server") -
} -
func signalHandler() { -
c := make(chan os.Signal) -
signal.Notify(c, syscall.SIGHUP, syscall.SIGINT, syscall.SIGTERM, syscall.SIGKILL, syscall.SIGQUIT) -
s := <-c -
logger.Info("get siginal siginal=%v", s) -
quiet <- 1 -
}
这里为什么出错了呢，是因为他将grace.Serve(srv,srvMonitor) 放在goroutine里面了，并且自己又监听了一遍信号，这样会导致旧进程优雅关闭前，父进程已经已经退出了，优雅关闭就失效了。
2
关键代码
我们按照程序启动的顺序逻辑来讲，大体如下：
-
执行启动端口监听，挂载server，判断当前进程如果是子进程就向父进程发送SIGTERM信号。
-
goroutine 执行wg.Add 和wg.Wait() ，等待所有挂载的server停止工作后执行退出进程。
-
goroutine 执行 signalHandler，等待SIGTERM和SIGUSR2信号。收到SIGTERM信号执行每个server的优雅关闭，关闭完后执行wg.Done()，wg全部Done之后在2中执行了退出进程操作；收到SIGUSR2信号时，执行启动子进程操作。
-
子进程启动执行1，会向父进程发送SIGTERM信号，父进程收到SIGTERM信号执行3，进行优雅关闭操作。
总结起来就是执行启动重启时，执行shell命令：
-
pgrep (你的项目名) |xargs kill -SIGUSR2 -
#(注意：要使用bash)。
你的项目会启动子进程，并继承父进程监听的端口，启动成功后再向父进程发送SIGTERM信号， 旧进程执行优雅关闭。我们看关键的struct
-
// gracehttp/http.go -
type app struct { -
servers []*http.Server -
http *httpdown.HTTP -
net *gracenet.Net -
listeners []net.Listener -
sds []httpdown.Server -
preStartProcess func() error -
errors chan error -
} -
// httpdown/httpdown.go -
type HTTP struct { -
// StopTimeout is the duration before we begin force closing connections. -
// Defaults to 1 minute. -
StopTimeout time.Duration -
// KillTimeout is the duration before which we completely give up and abort -
// even though we still have connected clients. This is useful when a large -
// number of client connections exist and closing them can take a long time. -
// Note, this is in addition to the StopTimeout. Defaults to 1 minute. -
KillTimeout time.Duration -
// Stats is optional. If provided, it will be used to record various metrics. -
Stats stats.Client -
// Clock allows for testing timing related functionality. Do not specify this -
// in production code. -
Clock clock.Clock -
} -
// gracenet/net.go -
type Net struct { -
inherited []net.Listener -
active []net.Listener -
mutex sync.Mutex -
inheritOnce sync.Once -
// used in tests to override the default behavior of starting from fd 3. -
fdStart int -
}
我们知道函数调用是从grace.Serve(srv, srvMonitor)开始的,Serve函数会new一个app，一路执行下去关键函数如下：a.run()、a.listen()、a.serve()、 a.wait()、a.signalHandler()、 a.term()、a.net.StartProcess()。
a.run() 大体逻辑如下：
-
var ( -
didInherit = os.Getenv("LISTEN_FDS") != "" -
ppid = os.Getppid() -
) -
func (a *app) run() error { -
a.listen() -
a.serve() -
if didInherit && ppid != 1 { -
syscall.Kill(ppid, syscall.SIGTERM) -
} -
waitdone := make(chan struct{}) -
go func() { -
defer close(waitdone) -
a.wait() -
}() -
select { -
case err := <-a.errors: -
... -
case <-waitdone: -
logger.Printf("Exiting pid %d.", os.Getpid()) -
return nil -
} -
}
启动监听、挂载server，通过环境变量LISTEN_FDS判断当前进程是否为子进程，如果是就发送信号杀父进程。goroutine中执行wait()函数等待优雅关闭或者平滑启动子进程。
a.listen() 关键逻辑如下：
-
func (a *app) listen() error { -
for _, s := range a.servers { -
l, err := a.net.Listen("tcp", s.Addr) -
...... -
a.listeners = append(a.listeners, l) -
} -
return nil -
}
这里看出app struct 中listeners用来存储监听的net.Listener的数组 ，net就是Net，封装了net.ListenTCP等逻辑（这里我只关注了TCP逻辑），inherited 和 active 两个数组分别用来存储继承自父进程的net.Listener 和 启动的net.Listener，这块父进程启动，即首次启动时逻辑很简单，略过，子进程启动，即非首次启动在介绍a.net.StartProccess时细讲。
a.serve() 关键逻辑如下：
-
func (a *app) serve() { -
for i, s := range a.servers { -
a.sds = append(a.sds, a.http.Serve(s, a.listeners[i])) -
} -
}
这里涉及了app struct里面的两个字段，http和sds。http即 HTTP struct， 这里面封装了http server优雅关闭相关的逻辑，具体的细节很繁琐，我用一个简单的模型来说明一下吧。a.http.Serve(srv,l) 函数封装执行了srv.Serve(l)，即挂载srv， 并返回了一个httpdown.server的实例， 这个实例实现了httpdown.Server 接口，如下：
-
// httpdown/httpdown.go -
type Server interface { -
// Wait waits for the serving loop to finish. This will happen when Stop is -
// called, at which point it returns no error, or if there is an error in the -
// serving loop. You must call Wait after calling Serve or ListenAndServe. -
Wait() error -
// Stop stops the listener. It will block until all connections have been -
// closed. -
Stop() error -
}
精简后实现的模型如下：
-
func (s *server) serve() { -
// 即前面提到的 srv.Serve(l)，被封装的挂载srv的代码 -
s.serveErr <- s.server.Serve(s.listener) -
close(s.serveDone) -
close(s.serveErr) -
} -
func (s *server) Wait() error { -
if err := <-s.serveErr; !isUseOfClosedError(err) { -
return err -
} -
return nil -
} -
func (s *server) Stop() error { -
s.stopOnce.Do(func() { -
closeErr := s.listener.Close() -
<-s.serveDone -
...... -
// 等待连接关闭或者超时后强杀连接等复杂逻辑 -
...... -
if closeErr != nil && !isUseOfClosedError(closeErr) { -
s.stopErr = closeErr -
} -
}) -
return s.stopErr -
}
s.serveErr <- s.server.Serve(s.listener) 启动成功后会在这里挂住，失败直接返回错误，Wait() 函数提供给a.wait()调用，正常情况也是挂住，等Stop() 里面 closeErr := s.listener.Close() 执行后返回。这块的逻辑要结合 a.wait()、 a.signalHandler()、 a.term() 一起来分析
a.wait() 和 a.term() 的代码
-
func (a *app) wait() { -
var wg sync.WaitGroup -
wg.Add(len(a.sds) * 2) // Wait & Stop -
go a.signalHandler(&wg) -
for _, s := range a.sds { -
go func(s httpdown.Server) { -
defer wg.Done() -
if err := s.Wait(); err != nil { -
a.errors <- err -
} -
}(s) -
} -
wg.Wait() -
} -
func (a *app) term(wg *sync.WaitGroup) { -
for _, s := range a.sds { -
go func(s httpdown.Server) { -
defer wg.Done() -
if err := s.Stop(); err != nil { -
a.errors <- err -
} -
}(s) -
} -
}
a.run() 函数里面会goroutine 执行 a.wait()，它会goroutine执行信号处理 a.signalHandler() 函数，创建一个WaitGroup 等待所有的httpdown.server执行s.Wait()函数返回。a.signalHandler() 函数基本上逻辑就是监听signal.Notify信号，收到SIGTERM信号执行a.term() ，收到SIGUSR2信号执行a.net.StartProcess()。a.term() 函数就是遍历执行所有httpdown.server的s.Stop()，进行优雅关闭，结合上面的代码来看，每一个s.Stop() 会导致s.Wait() 返回，即执行了两次wg.Done()， 所有httpdown.server 优雅关闭后导致a.wait()返回，进而waitdone关闭， 进程最后退出。下面是a.signalHandler()函数的代码
-
func (a *app) signalHandler(wg *sync.WaitGroup) { -
ch := make(chan os.Signal, 10) -
signal.Notify(ch, syscall.SIGINT, syscall.SIGTERM, syscall.SIGUSR2) -
for { -
sig := <-ch -
switch sig { -
case syscall.SIGINT, syscall.SIGTERM: -
// this ensures a subsequent INT/TERM will trigger standard go behaviour of -
// terminating. -
signal.Stop(ch) -
a.term(wg) -
return -
case syscall.SIGUSR2: -
err := a.preStartProcess() -
if err != nil { -
a.errors <- err -
} -
// we only return here if there's an error, otherwise the new process -
// will send us a TERM when it's ready to trigger the actual shutdown. -
if _, err := a.net.StartProcess(); err != nil { -
a.errors <- err -
} -
} -
} -
}
a.net.StartProcess() 函数是启动子进程的逻辑，这里需要详细介绍一下
-
const ( -
// Used to indicate a graceful restart in the new process. -
envCountKey = "LISTEN_FDS" -
envCountKeyPrefix = envCountKey + "=" -
) -
type filer interface { -
File() (*os.File, error) -
} -
func (n *Net) StartProcess() (int, error) { -
listeners, err := n.activeListeners() -
if err != nil { -
return 0, err -
} -
// Extract the fds from the listeners. -
files := make([]*os.File, len(listeners)) -
for i, l := range listeners { -
files[i], err = l.(filer).File() -
if err != nil { -
return 0, err -
} -
defer files[i].Close() -
} -
// Use the original binary location. This works with symlinks such that if -
// the file it points to has been changed we will use the updated symlink. -
argv0, err := exec.LookPath(os.Args[0]) -
if err != nil { -
return 0, err -
} -
// Pass on the environment and replace the old count key with the new one. -
var env []string -
for _, v := range os.Environ() { -
if !strings.HasPrefix(v, envCountKeyPrefix) { -
env = append(env, v) -
} -
} -
env = append(env, fmt.Sprintf("%s%d", envCountKeyPrefix, len(listeners))) -
allFiles := append([]*os.File{os.Stdin, os.Stdout, os.Stderr}, files...) -
process, err := os.StartProcess(argv0, os.Args, &os.ProcAttr{ -
Dir: originalWD, -
Env: env, -
Files: allFiles, -
}) -
if err != nil { -
return 0, err -
} -
return process.Pid, nil -
}
n.activeListeners()返回 n.active中的net.Listener 数组的副本，files是从中提取出的fd列表。注意allFiles在files前面拼接了3个标准输入输出，记住这个数字。env 中修改了环境变量LISTEN_FDS等于listener的数量。这里的启动子进程的方法是os.StartProcess()，我看了其他的开源库都用syscall.ForkExec
-
fork, err := syscall.ForkExec(os.Args[0], os.Args, &os.ProcAttr{ -
Dir: originalWD, -
Env: env, -
Files: allFiles, -
})
两种的区别后续还有待研究。还记得前面没有展开的Net中的inherited 和 active么，这里我们细讲一下。
-
func (n *Net) Listen(nett, laddr string) (net.Listener, error) { -
...... -
// 仅关注tcp逻辑 -
return n.ListenTCP(nett, addr) -
} -
func (n *Net) ListenTCP(nett string, laddr *net.TCPAddr) (*net.TCPListener, error) { -
if err := n.inherit(); err != nil { -
return nil, err -
} -
n.mutex.Lock() -
defer n.mutex.Unlock() -
// look for an inherited listener -
for i, l := range n.inherited { -
if l == nil { // we nil used inherited listeners -
continue -
} -
if isSameAddr(l.Addr(), laddr) { -
n.inherited[i] = nil -
n.active = append(n.active, l) -
return l.(*net.TCPListener), nil -
} -
} -
// make a fresh listener -
l, err := net.ListenTCP(nett, laddr) -
if err != nil { -
return nil, err -
} -
n.active = append(n.active, l) -
return l, nil -
} -
func (n *Net) inherit() error { -
var retErr error -
n.inheritOnce.Do(func() { -
n.mutex.Lock() -
defer n.mutex.Unlock() -
countStr := os.Getenv(envCountKey) -
if countStr == "" { -
return -
} -
count, err := strconv.Atoi(countStr) -
// In tests this may be overridden. -
fdStart := n.fdStart -
if fdStart == 0 { -
fdStart = 3 -
} -
for i := fdStart; i < fdStart+count; i++ { -
file := os.NewFile(uintptr(i), "listener") -
l, err := net.FileListener(file) -
if err != nil { -
file.Close() -
retErr = fmt.Errorf("error inheriting socket fd %d: %s", i, err) -
return -
} -
if err := file.Close(); err != nil { -
retErr = fmt.Errorf("error closing inherited socket fd %d: %s", i, err) -
return -
} -
n.inherited = append(n.inherited, l) -
} -
}) -
return retErr -
}
这里ListenTCP 先执行inherit() 将继承来的net.Listener 保存在n.inherited里面，启动时判断是否是继承的listener，没有才 make a fresh listener呢，这里的fdStart 初始值设置为3，就是前面提到的那个数字3 （三个标准输入输出占了3位）。
总结起来启动子进程流程如下：
1、提取listener的fd，修改LISTENFDS环境变量为listener的数量，os.StartProcess启动子进程.
-
files[i], err = l.(filer).File()
2、子进程启动执行a.net.Listen()时，根据环境变量LISTENFDS和fdStart 变量取出listener
-
file := os.NewFile(uintptr(i), "listener") -
l, err := net.FileListener(file) -
file.Close()
根据fd创建一个文件，通过文件拿到listener的副本，然后关闭文件。最终a.net.Listen()的逻辑是如果是继承端口就返回一个listener副本，如果不是就启动一个新的listener。3、后续执行a.serve() 挂载server，然后通知父进程优雅关闭等逻辑。
小结
好了，以上就是对gracehttp的源码阅读分析。至此我们对http服务平滑重启是如何实现的已经有一个大致的了解了