管理来宾可执行文件依赖性-内部Service Fabric

Question

我们最近决定开始使用本地Service Fabric，并遇到了“依赖性”问题。

我们有几个来宾可执行文件，它们之间具有依赖关系，如果不重新启动它们就无法从重新启动它们所依赖的服务中恢复。

一个清楚的例子：

在下表中，服务B取决于服务A。 如果服务A遇到意外错误并重新启动，则服务B将进入“错误”状态（不会报告给光纤网）。这意味着服务B尽管处于错误状态，但仍将报告OK健康状态。

我们正在考虑以下方面的解决方案：

引发一个独立的服务，该服务监视群集中所有副本/分区/应用程序的运行状况事件，并包含整个依赖关系树。

当服务的健康状态更改时，它将重新启动其直接依赖关系，这将导致事件的多米诺骨牌效应->重新启动，直到整个子树都已重置（如事件->操作流程图所示）。

问题是healthReport事件不会在短时间内发送（这意味着我的整个系统无法正常工作，几分钟后我也不知道）。我将监视运行状况，但是我确实需要了解历史记录（即使该状况现在处于健康状态，也不意味着它之前没有处于错误状态）。

另一个问题是事件可以在任何服务级别（副本/分区）弹出，并且需要我汇总所有事件。

在此问题上的任何帮助，我将非常感谢。即使这个问题完全朝着其他方向，我也完全愿意接受任何其他建议。

Answer 1

通常可以通过在服务之间的通信边界处引入容错功能来避免服务中的级联故障。一些实现此目的的策略：

• 为失败的操作引入重试，之间有延迟。延迟之间的时间可能成倍增长。如果您当前在服务之间进行大量的远程过程调用（RPC）风格的通信，则这是一个易于实现的选项。如果您的依存服务重新启动的时间不长，这可能会非常有效。 Polly是众所周知的用于实现重试的库。

• 使用断路器来关闭与失败服务的通信。在这个比喻中，在正常通信的两个服务之间形成了闭路。断路器监视通信。如果它检测到一定数量的通信失败，则会“断开”电路，导致进一步的通信立即失败。然后，断路器将定期查询发送到故障服务以检查其运行状况，并在故障服务开始运行后关闭电路。这比重试策略要复杂得多，因为您有责任防止开路导致服务崩溃，并负责确定构成健康服务的内容。 Polly还支持断路器

• 使用队列在服务之间形成完全异步的通信。将出站操作排队到服务B中的A，而不是直接从服务B与A进行通信。在其自己的线程中处理队列-不允许通信失败逃逸到队列处理器。您还可以向服务A添加入站队列，以从服务B的出站队列接收消息，以将消息处理与网络完全隔离。这可能是最持久的，也是最复杂的，因为它需要与RPC完全不同的体系结构，并且您还必须决定如何处理反复失败的消息。您可以立即重试失败的消息，在延迟后将它们发送到队列的后面，将它们发送到无效信件集合以进行手动处理，或者完全删除该消息。由于您使用的是来宾可执行文件，因此没有足够的可靠集合来帮助完成此过程，因此，如果您决定采用这种方式，那么像RabbitMQ这样的第三方解决方案可能会有用。