服务发现如何支持实例摘流？
简化版
摘流要先停止新请求，再等待在途请求或长连接排空，最后注销并停进程；删除注册记录后立即退出仍会伤害持有旧快照的客户端。
回答“服务发现如何支持实例摘流？”时要说清状态来源、传播方式、故障期间的兜底和恢复后的收敛，不能只报一个组件名或配置值。
详细版
- 标记 DRAINING/readiness=false。
- 客户端和 LB 停止新流量。
- 实例继续服务旧请求。
- 在途为零或宽限到期。
- 注销后终止进程。
还要补充关键风险：摘流 API 失败不能继续无条件关机；长连接需 GOAWAY 或协议迁移；同一区批量发布要限制并发；强退必须记录仍在途请求。
一个可核验的数字例子是：发现传播 P99 8 秒、最长请求 20 秒、安全裕量 2 秒，终止宽限至少约 30 秒；100 条长连接每秒迁移 5 条则至少需 20 秒。
完整版教学
一、先界定问题
摘流要先停止新请求，再等待在途请求或长连接排空，最后注销并停进程；删除注册记录后立即退出仍会伤害持有旧快照的客户端。
在“服务发现如何支持实例摘流？”中，服务发现属于控制面，真正发请求的是数据面。注册记录、客户端快照和实例真实状态通过异步网络关联，三者短暂不一致是常态，设计目标是让差异有界、可恢复、可观测。
记忆钩子：回答“服务发现如何支持实例摘流？”时，先讲状态，再讲传播，然后讲断线与收敛。
二、核心执行链路
标记 DRAINING/readiness=false；客户端和 LB 停止新流量。
1. 标记 DRAINING/readiness=false
2. 客户端和 LB 停止新流量
3. 实例继续服务旧请求
4. 在途为零或宽限到期
5. 注销后终止进程实例继续服务旧请求；在途为零或宽限到期；最后执行“注销后终止进程”。这三个环节共同保证客户端得到的是完整、可解释且能够继续收敛的状态。
三、参数不能凭感觉
发现传播 P99 8 秒、最长请求 20 秒、安全裕量 2 秒，终止宽限至少约 30 秒；100 条长连接每秒迁移 5 条则至少需 20 秒。
上述“服务发现如何支持实例摘流？”算例不是推荐默认值。生产参数应由实例规模、变更频率、网络 P99、允许陈旧窗口和下游容量共同推导，并用压测与故障注入校准。
四、关键方案取舍
| 服务发现如何支持实例摘流？的取舍维度 | 偏实时的选择 | 偏稳健的选择 | 主要代价 |
|---|---|---|---|
| 状态传播 | 更短周期或增量推送 | 快照加周期校验 | 实时性越高，控制面压力越大 |
| 故障处理 | 快速摘除或拒绝 | 保留最近可用状态 | 前者会误伤，后者会读旧 |
| 恢复方式 | 立即全量同步 | 位点续传后按需全量 | 全量简单但流量更大 |
| 发布方式 | 一次全量切换 | 小批灰度并观察 | 灰度更慢但爆炸半径小 |
针对“服务发现如何支持实例摘流？”，取舍必须明确业务允许哪种错误：短暂调用旧节点、短暂没有节点，还是接受更长控制面延迟。不同错误的业务后果并不等价。
五、故障边界
- 摘流 API 失败不能继续无条件关机。
- 长连接需 GOAWAY 或协议迁移。
- 同一区批量发布要限制并发。
- 强退必须记录仍在途请求。
“服务发现如何支持实例摘流？”进入恢复阶段时要限制重试并发并加入随机抖动。大量客户端在网络恢复的一瞬间同时刷新，可能把刚恢复的注册中心再次压垮。
六、监控与验收
- 观察 摘流耗时。
- 观察 流向 DRAINING 的新请求。
- 观察 退出时在途数。
- 观察 强退次数。
验收“服务发现如何支持实例摘流？”要同时观察注册中心和调用端：接口成功不代表客户端视图正确，客户端拿到列表也不代表实例真的能处理业务。
七、常见误区与追问
- 误区：从注册中心删除即可立刻停机。 删除事件尚未传遍客户端，实例必须继续服务旧流量。
- 误区：固定 sleep 10 秒就是优雅。 窗口要覆盖传播 P99 与最长在途请求，不能写死。
- 误区：所有协议只看请求数。 长连接和消息消费者需要协议级迁移或停止拉取。
- 误区：readiness 和 liveness 应同时失败。 readiness 停止新流量，liveness 应保持成功直到排空结束。
- 误区：摘流期间实例应拒绝旧请求。 摘流的目的正是完成旧请求，而非主动制造失败。
- 追问：控制面完全不可用怎么办？ 依据本地最近快照继续有限服务，同时暴露陈旧度；超过业务上限后明确降级或失败。
八、加强记忆
围绕“服务发现如何支持实例摘流？”，记住五步：确定状态所有者、给变化编号、保护最近完整视图、约束异常重试、用业务失败率验证收敛。
面试时按“定义与边界 → 正常链路 → 数字参数 → 故障路径 → 监控验收”回答，既不会停留在名词，也不会把注册中心说成万能组件。