17370845950

服务发现需兼顾注册中心选型、客户端行为与健康检查：etcd依赖租约续期，Consul易现幽灵实例；须用封装SDK、显式释放租约、异步resolver；健康检查需结合业务探针；多环境须用原生namespace隔离。

服务发现不是“自动连上就行”，得看注册中心选型和客户端行为

Go 微服务里，service discovery 不是开个库就完事。核心矛盾在于：服务实例的生命周期（启停、扩缩容、网络抖动）必须被及时感知，而不同注册中心（如 etcd、Consul、Nacos）对健康检查、TTL、watch 机制的设计差异极大。比如 etcd 依赖租约（lease）续期，一旦客户端卡顿没及时 KeepAlive，实例就会被秒删；而 Consul 默认用 TCP 端口探测，若服务进程卡住但端口仍通，就会产生“幽灵实例”。

实操建议：

• 别直接用 go-etcd/clientv3 手写注册逻辑——优先选封装了 lease 自动续期和 watch 重连的 SDK，比如 go-micro/v2/registry/etcd 或 kitex-contrib/registry/etcd
• 注册时必须设置明确的 TTL 和 Lease ID，且在服务 os.Interrupt 信号中显式调用 client.Grant 对应的 Revoke，否则进程退出后租约残留，导致下次启动注册失败
• 避免把服务发现逻辑塞进 HTTP handler——它该是独立 goroutine 管理的后台任务，否则请求阻塞会拖垮整个实例的健康上报

客户端负载均衡和服务发现解耦是关键

很多团队误以为“用了 gRPC-Go 的 dns:/// 就算接入服务发现”，其实这是典型误区。dns:/// 只支持静态 DNS 解析，不感知实例上下线；真正要走动态发现，必须用 grpc.WithResolvers + 自定义 resolver.Builder，把注册中心的 watch 结果转成 resolver.State。

常见错误现象：

• 服务重启后，老连接还在发请求，报 rpc error: code = Unavailable desc = connection closed
• 新实例上线几分钟后才被流量打到，因为客户端缓存了旧的 Address 列表且没触发 ResolveNow

实操建议：

• 用 kitex 的话，直接配 WithRegistry 和 WithResolver，它内置了基于 etcd 的 watcher 与连接池刷新逻辑
• 用原生 gRPC-Go，必须自己实现 Watch 方法，在收到注册中心变更时调用 cc.UpdateState，且每次更新后手动触发 cc.ResolveNow 避免延迟
• 禁止在 resolver 中做阻塞操作（如同步 HTTP 请求查 Nacos），所有 IO 必须异步+带超时，否则整个 gRPC 连接池会被 hang 住

健康检查不能只靠心跳，得结合业务探针

注册中心默认的心跳（如 etcd lease 续期）只能证明“进程活着”，但无法反映“能处理请求”。比如数据库连接池耗尽、Redis 连接断开、或某个 handler 死锁，服务仍会持续上报心跳，流量照常打入，结果全量超时。

实操建议：

• 在服务启动后，单独起一个 goroutine 定期执行轻量级业务探针（例如 SELECT 1 检查 DB，GET health 检查 Redis），并将结果写入本地状态
• 注册中心的健康上报逻辑需聚合该状态：只有心跳正常 且 探针通过，才允许注册中心将该实例标记为 healthy
• HTTP 服务暴露 /healthz 时，不要只返回 200 OK，必须包含关键依赖的检查结果（如 {"db": "ok", "redis": "timeout"}），供注册中心或 k8s liveness probe 解析

多环境隔离靠 namespace + group，别混用标签

同一个 etcd 集群跑 dev/test/prod，如果只靠 key path 前缀（如 /services/dev/user）区分，容易因手误或脚本 bug 导致跨环境注册。更稳妥的是利用注册中心原生的命名空间能力。

参数差异：

• Nacos 用 namespaceId（字符串 ID）做硬隔离，不同 namespace 的服务完全不可见
• Consul 用 Namespace（1.9+）或 Partition，但老版本只能靠 Tag + 客户端过滤，可靠性低
• etcd 无原生 namespace，必须靠目录层级 + client 端严格校验 key prefix，推荐用 github.com/coreos/etcd/clientv3/naming 的 Resolver 实现按 prefix 过滤

容易踩的坑：

• 本地开发时忘记改 namespace，结果把 dev 实例注册到了 prod 环境，引发雪崩
• 用 Tag 做环境标识（如 env=prod），但客户端 resolver 没加 filter，导致请求随机打到其他环境实例

上线前务必检查：服务注册时传入的 namespace / group 参数是否来自环境变量，且有默认值兜底；客户端初始化 resolver 时是否强制指定了相同维度的筛选条件。