这篇文章是Jason Wilder对于常见的服务项目发现Zookeeper。Doozer，Etcd所写的一篇博客，其原文地址例如以下：Open-Source
Service Discovery。

服务发现是大多数分布式系统以及面向服务架构（SOA）的一个核心组成部分。

这个难题，简单来说，能够觉得是：当一项服务存在于多个主机节点上时，client端怎样决策获取对应正确的IP和port。

在传统情况下，当出现服务存在于多个主机节点上时，都会使用静态配置的方法来实现服务信息的注冊。可是当大型系统中。须要部署很多其它服务的时候，事情就显得复杂得多。在一个实时的系统中，因为自己主动或者人工的服务扩展，或者服务的新加入部署。还有主机的宕机或者被替换，服务的location信息可能会非常频繁的变化。

在这种场景下，为了避免不必要的服务中断，动态的服务注冊和发现就显得尤为重要。

关于服务发现的话题，已经非常多次被人所提及，并且也的确不断的在发展。

如今，笔者介绍一下该领域内一些open-source或者被常常被世人广泛讨论的解决方式，尝试理解它们究竟是怎样工作的。特别的是，我们会较为专注于每个解决方式的一致性算法，究竟是强一致性，还是弱一致性；执行时依赖。client的集成选择；以后最后这些特性的折中情况。

本文首先从几个强一致性的项目于開始。比方Zookeeper。Doozer，Etcd。这些项目主要用于服务间的协调，同一时候又可用于服务的注冊。

随后。本文将讨论一些在服务注冊以及发现方面比較有意思的项目，比方：Airbnb的SmartStack，Netflix的Eureka，Bitly的NSQ，Serf，Spotify and DNS，最后是SkyDNS。

问题陈述

强一致性的Registries

Zookeeper

Zookeeper是一个集中式的服务。该服务能够维护服务配置信息。命名空间，提供分布式的同步，以及提供组化服务。Zookeeper是由Java语言实现，实现了强一致性（CP），而且是使用Zab协议在ensemble集群之间协调服务信息的变化。

Zookeeper在ensemble集群中执行3个。5个或者7个成员。众多client端为了能够訪问ensemble。须要使用绑定特定的语言。

这样的訪问形式被显性的嵌入到了client的应用实例以及服务中。

服务注冊的实现主要是通过命令空间（namespace）下的ephemeral nodes。ephemeral nodes仅仅有在client建立连接后才存在。

当client所在节点启动之后，该client端会使用一个后台进程获取client的位置信息，并完毕自身的注冊。假设该client失效或者失去连接的时候。该ephemeral
node就从树中消息。

服务发现是通过列举以及查看详细服务的命名空间来完毕的。

Client端收到眼下全部注冊服务的信息，不管一个服务是否不可用或者系统新加入了一个同类的服务。

Client端同一时候也须要自行处理全部的负载均衡工作，以及服务的失效工作。

Zookeeper的API用起来可能并没有那么方便。由于语言的绑定之间可能会造成一些细小的差异。假设使用的是基于JVM的语言的话，Curator Service Discovery Extension可能会对你有帮助。

因为Zookeeper是一个CP强一致性的系统，因此当网络分区（Partition）出故障的时候，你的部分系统可能将出出现不能注冊的情况。也可能出现不能找到已存在的注冊信息，即使它们可能在Partition出现期间仍然正常工作。特殊的是。在不论什么一个non-quorum端，不论什么读写都会返回一个错误信息。

Doozer

Doozer是一个一致的分布式数据存储系统，Go语言实现，通过Paxos算法来实现共识的强一致性系统。这个项目开展了数年之后，停滞了一段时间，并且如今也关闭了一些fork数，使得fork数降至160 。

.不幸的是，如今非常难知道该项目的实际发展状态，以及它是否适合使用于生产环境。

Doozer在集群中执行3，5或者7个节点。和Zookeeper类似，Client端为了訪问集群，须要在自身的应用或者服务中使用特殊的语言绑定。

Doozer的服务注冊就没有Zookeeper这么直接，由于Doozer没有那些ephemeral node的概念。一个服务能够在一条路径下注冊自己，假设该服务不可用的话。它也不会自己主动地被移除。

现有非常多种方式来解决这种问题。一个选择是给注冊进程加入一个时间戳和心跳机制，随后在服务发现进程中处理那些超时的路径，也就是注冊的服务信息，当然也能够通过另外一个清理进程来实现。

服务发现和Zookeeper非常类似。Doozer能够罗列出指定路径下的全部入口，随后能够等待该路径下的随意修改。假设你在注冊期间使用一个时间戳和心跳，你就能够在服务发现期间忽略或者删除不论什么过期的入口，也就是服务信息。

和Zookeeper一样，Doozer是一个CP强一致性系统，当发生网络分区故障时。会导致相同的后果。

Etcd

Etcd是一个高可用的K-V存储系统，主要应用于共享配置、服务发现等场景。

Etcd能够说是被Zookeeper和Doozer催生而出。整个系统使用Go语言实现，使用Raft算法来实现选举一致。同一时候又具有一个基于HTTP+JSON的API。

Etcd，和Doozer和Zookeeper相似，通常在集群中执行3，5或者7个节点。client端能够使用一种特定的语言进行绑定。同一时候也能够通过使用HTTP客户端自行实现一种。

服务注冊环节主要依赖于使用一个key TTL来确保key的可用性。该key TTL会和服务端的心跳捆绑在一起。假设一个服务在更新key的TTL时失败了，那么Etcd会对它进行超时处理。假设一个服务变为不可用状态，client会须要处理这种连接失效。然后尝试另连接一个服务实例。

服务发现环节设计到罗列在一个文件夹下的全部key值。随后等待在该文件夹上的全部变动信息。

因为API接口是基于HTTP的，所以client应用会的Etcd集群保持一个long-polling的连接。

因为Etcd使用Raft一致性协议，故它应该是一个强一致性系统。Raft须要一个leader被选举，然后全部的client请求会被该leader所处理。然而，Etcd似乎也支持从non-leaders中进行读取信息，使用的方式是在读情况下提高可用性的未公开的一致性參数。在网络分区故障期间，写操作还是会被leader处理，并且相同会出现失效的情况。

关于作者：

孙宏亮，DAOCLOUD软件project师。两年来在云计算方面主要研究PaaS领域的相关知识与技术。

坚信轻量级虚拟化容器的技术，会给PaaS领域带来深度影响，甚至决定未来PaaS技术的走向。

转载请注明出处。

本文很多其它出于我本人的理解，肯定在一些地方存在不足和错误。

希望本文可以对接触服务发现的人有些帮助，假设你对这方面感兴趣，并有更好的想法和建议，也请联系我。