RPC-健康检测机制

什么是健康检测？

在真实环境中服务提供方是以一个集群的方式提供服务，这对于服务调用方来说，就是一个接口会有多个服务提供方同时提供服务，调用方在每次发起请求的时候都可以拿到一个可用的连接。

健康检测，能帮助从连接列表里面过滤掉一些存在问题的节点，避免在发请求的时候选择出有问题的节点而影响业务。

终极解决方案是让调用方实时感知到节点的状态变化。

健康检测的逻辑

服务调用方每隔一段时间就问一下服务提供方，“兄弟，你还好吧？”，然后服务提供方很诚实地告诉调用方它目前的状态。

服务器健康三个状态：

1. 健康状态：建立连接成功，并且心跳探活也一直成功；
2. 亚健康状态：建立连接成功，但是心跳请求连续失败；
3. 死亡状态：建立连接失败。

节点的状态并不是固定不变的，它会根据心跳或者重连的结果来动态变化，具体状态间转换图如下：

可用率：计算方式是某一个时间窗口内接口调用成功次数的百分比（成功次数/总调用次数）。

当可用率低于某个比例就认为这个节点存在问题，把它挪到亚健康列表，这样既考虑了高低频的调用接口，也兼顾了接口响应时间不同的问题。

应用僵死（TCP连接健康，端口正常），让每个应用实例提供一个“健康检测”URL，检测程序定时访问该URL，然后根据响应结果来进行存活判断，这样可以防止僵死状态的误判。

但是检测程序如果与目标机器之间存在网络问题，就可能存在误判几率，实际目标机器是正常的，但是因为网络原因产生误判。

有一个办法可以减少误判的几率，那就是把检测程序部署在多个机器，分布在不同的机架，甚至不同的机房。这样网络同时故障的概率非常低，只要任意一个检测程序实例访问目标机器正常，就可以说明该目标机器正常。