知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 28 - 服务优雅停机怎么实现 > 导读:线上发版、K8s 滚动重启、缩容下线,进程总要停下来。读完本文你能说清「优雅停机」从收到信号到进程退出的完整链路,理解每个环节为什么必须存在,并知道 Spring Boot、线程池、MQ 消费者、数据库连接池、K8s 各层分别该怎么配。适合准备面试、或正在落地无损发版的 Java 后端工程师。 ## 一、先建立全局认知 ### Q:优雅停机到底在解决什么问题? A:一句话——让进程"停下来的时候不丢请求、不断连接"。它针对的是**正常停机**(发版、扩容缩容、主动重启),不是进程崩溃或宕机。 线上发版时服务需要重启。如果直接 `kill -9`,正在处理的请求会被硬中断,用户看到 500 错误。更麻烦的是下单、支付这类写操作可能停在"做了一半"的状态,留下脏数据。 优雅停机(Graceful Shutdown)的思路是:先给进程一段可控的收尾时间,把新流量挡在门外,再把手头的工作做完,最后释放资源退出。它不承诺"永不失败",只承诺"把失败面压到最小且可控"。 术语先对齐: - **SIGTERM**(信号 15):*nix 下表示"请你退出",应用可以捕获并执行清理逻辑。 - **SIGKILL**(信号 9,即 `kill -9`):强制终止,应用无法捕获,直接被杀。 - **请求排空**:停止接收新请求后,等待已经进来的请求全部处理完。 ### Q:一次完整的优雅停机包含哪些阶段? A:五个阶段,本质是"先隔离、再排空、后释放"。 ``` 1. 收到停机信号(SIGTERM) 2. 注册中心摘除实例(不再接收新请求) 3. 等待已有请求处理完成(请求排空) 4. 关闭线程池、连接池等资源 5. 进程退出 时间线: t0: 收到 SIGTERM t1: 从注册中心摘除(新请求不再路由到本实例) t2: 等待进行中的请求完成(超时时间内) t3: 关闭资源,进程退出 ``` 理解这张时间线的关键在 t1 到 t2 这一段:注册中心已经把你摘掉了,但调用方还没感知,**这段时间里仍然会有流量打进来**。所有"等待"逻辑存在的理由,都是为了填平这个时间差。 设计取舍:为什么必须把"摘除"放在"排空"之前?因为只有先停止接收新请求,排空才有终点;顺序反过来,请求永远排不完。这也是很多"看起来配了优雅停机却仍然报错"的根因。 ## 二、理解核心机制 ### Q:为什么摘除注册中心之后还要 sleep 一段时间? A:因为调用方持有服务列表的本地缓存,摘除动作不会立刻生效。 下面这段代码解决的是"实例已从注册中心下线、但调用方仍在往这里打流量"的空档问题:收到 Spring 容器关闭事件后,先从 Nacos 摘除自身,再阻塞等待一段时间。 ```java // Nacos 示例:收到停机信号后,主动下线 @Component public class GracefulShutdown implements ApplicationListener<ContextClosedEvent> { @Autowired private NacosRegistration registration; @Autowired private NacosServiceRegistry serviceRegistry; @Override public void onApplicationEvent(ContextClosedEvent event) { // 1. 从 Nacos 注册中心摘除 serviceRegistry.deregister(registration); log.info("已从注册中心摘除"); // 2. 等待一段时间,让调用方刷新服务列表 // 调用方有缓存,摘除后不会立刻生效 try { Thread.sleep(5000); // 等 5 秒,让调用方感知到下线 } catch (InterruptedException ignored) {} } } ``` **为什么要等 5 秒?** 调用方(如 Ribbon/LoadBalancer)有服务列表缓存,注册中心摘除后,调用方不会立刻感知。等待时间必须 **大于调用方缓存刷新间隔**,否则空档期内打进来的请求依然会失败。 关键点与适用场景: - 这 5 秒是"配置值",不是"经验值"。实际应按调用方刷新间隔再加上网络抖动余量来定,配小了等于没配。 - 服务注册与发现的组件不同(Nacos / Eureka / Consul),API 不同但套路一致:**先摘除,再等待**。 - 注意与 `/actuator/health` 的配合:如果健康检查仍返回 UP,负载均衡侧可能在摘除完成前继续探测到"健康"。原文的完整顺序示例里第一步就是把健康状态标记为 DOWN。 ### Q:Spring Boot 内置的优雅停机做了什么? A:Spring Boot 2.3+ 提供了开箱即用的 Web 层请求排空能力,一行配置即可开启。 ```yaml # application.yml(Spring Boot 2.3+) server: shutdown: graceful # 开启优雅停机 spring: lifecycle: timeout-per-shutdown-phase: 30s # 最长等待 30 秒 ``` ```java // Spring Boot 2.3+ 内置支持: // 1. 收到 SIGTERM 后,不再接受新请求 // 2. 等待正在处理的请求完成(最多 30 秒) // 3. 超时后强制关闭 // 对于 Tomcat:停止接受新连接,等待已有连接处理完 // 对于 Undertow/Jetty:类似机制 ``` 这份配置解决的是"Web 容器层的请求排空",也就是前面时间线里的 t2 阶段。它只负责让 Tomcat/Undertow/Jetty 停止接收新连接、等已有连接处理完,**不负责注册中心摘除**——所以生产上通常是"注册中心摘除 + sleep"和"`server.shutdown=graceful`"两件事一起配。 关键点与适用场景: - 需要先确认 Spring Boot 版本,2.3 之前没有这个配置项。 - `timeout-per-shutdown-phase` 要大于"正常请求的最大耗时",否则长请求仍会被强杀。默认值在不同版本间有差异,需结合版本确认。 - 它按"停机阶段(phase)"逐个等待,多个 Bean 的关闭顺序由依赖关系与 `@Order` 决定。 ### Q:业务线程池应该怎么优雅关闭? A:核心是三步——`shutdown()` 停止收新任务 → `awaitTermination()` 限时等待 → 超时后 `shutdownNow()` 兜底。 下面这段代码解决的是"线程池里已经排队的业务任务,在进程退出前被丢弃"的问题: ```java @Configuration public class ThreadPoolConfig { @Bean public ExecutorService businessThreadPool() { ThreadPoolExecutor executor = new ThreadPoolExecutor( 10, 50, 60, TimeUnit.SECONDS, new LinkedBlockingQueue<>(1000), new ThreadPoolExecutor.CallerRunsPolicy() ); return executor; } // 注册 shutdown hook,优雅关闭线程池 @PreDestroy public void shutdown() { ExecutorService pool = businessThreadPool(); // 1. 不再接受新任务 pool.shutdown(); try { // 2. 等待已提交的任务完成(最多 30 秒) if (!pool.awaitTermination(30, TimeUnit.SECONDS)) { // 3. 超时,强制关闭 pool.shutdownNow(); log.warn("线程池强制关闭,部分任务可能未完成"); } } catch (InterruptedException e) { pool.shutdownNow(); Thread.currentThread().interrupt(); } } } ``` 关键点与适用场景: - `shutdown()` 与 `shutdownNow()` 的区别是面试高频点:前者"拒绝新任务、执行完队列里的任务",后者"取消未开始的任务并中断正在执行的任务"。直接 `shutdownNow()` 会丢任务,只能作为超时兜底。 - 收到 `InterruptedException` 时要调用 `shutdownNow()` 并**恢复中断标志**(`Thread.currentThread().interrupt()`),否则中断信号被吞掉,上游无法感知。 - 线程池规格(核心 10、最大 50、队列 1000、拒绝策略 `CallerRunsPolicy`)决定了"排空"最多可能持续多久——队列越深,等待时间越长,越容易撞上停机超时。 - 生产提示:`@PreDestroy` 与 Spring 容器自身的关闭流程会一起触发,务必确保线程池的关闭发生在 Web 请求排空**之后**。示例为聚焦线程池本身做了简化,实际落地时建议显式管理关闭顺序。 ### Q:MQ 消费者和数据库连接池怎么优雅关闭? A:原则一致——先停止拉取新消息,再等正在处理的消息跑完;连接池则交给容器按序关闭。 先看 MQ 消费者。如果不给它留收尾时间,正在处理的消息会被中断,消息未 ack 就会在下次启动时重复消费。 ```java // RocketMQ 消费者:停止拉取新消息,等待正在处理的消息完成 @Component public class MqShutdownHook implements ApplicationListener<ContextClosedEvent> { @Autowired private DefaultMQPushConsumer consumer; @Override public void onApplicationEvent(ContextClosedEvent event) { // RocketMQ 的 shutdown() 会等待当前消息处理完 consumer.shutdown(); log.info("MQ 消费者已关闭"); } } // Kafka 消费者 @Component public class KafkaShutdownHook { @Autowired private KafkaListenerEndpointRegistry registry; @PreDestroy public void shutdown() { // 停止所有 Kafka 监听器 registry.stop(); log.info("Kafka 消费者已关闭"); } } ``` 再看数据库连接池。这一步解决的是"还有活跃连接未归还,连接被硬切断"的问题。Spring 容器关闭时会调用 `DataSource.close()`,主流连接池的行为如下: ```java // HikariCP 自动处理:Spring 容器关闭时会调用 DataSource.close() // 它会等待活跃连接归还后再关闭连接池 // 如果用 Druid: @PreDestroy public void closeDruid() { DruidDataSource dataSource = (DruidDataSource) this.dataSource; dataSource.close(); // 等待活跃连接完成后关闭 } ``` 关键点与适用场景: - MQ 消费者的关闭必须排在"业务处理排空"之后,否则会出现"接口请求还在跑、依赖的 MQ 已经停了"的错位。 - 顺序上通常是:**Web 请求排空 → MQ 消费者停止 → 线程池关闭 → 连接池关闭**。连接池必须最后关,因为前面的排空动作本身要用数据库连接。 - HikariCP 在 Spring 环境下一般无需额外代码;Druid 若自行管理数据源,需要显式写 `@PreDestroy`。 ### Q:完整的停机顺序应该如何编排? A:用一个最高优先级的监听器把"对外可见状态"先改掉,再交给 Spring 容器按依赖顺序收尾。 下面这段代码解决的是"编排"问题——把对调用方有感知的动作(健康检查转 DOWN、注册中心摘除、等待感知)集中到最前面执行,剩下的资源释放交给容器: ```java @Component @Order(Ordered.HIGHEST_PRECEDENCE) // 最先执行 public class FullGracefulShutdown implements ApplicationListener<ContextClosedEvent> { @Override public void onApplicationEvent(ContextClosedEvent event) { // 1. 标记服务为"下线中",健康检查返回 DOWN HealthIndicatorRegistry.markDown(); // 2. 从注册中心摘除 deregisterFromRegistry(); // 3. 等待调用方感知(5-10 秒) sleep(5000); // 4. 等待进行中的请求完成(Spring Boot graceful shutdown 处理) // 5. 关闭 MQ 消费者 // 6. 关闭线程池 // 7. 关闭数据库连接池 // 以上由 Spring 容器按依赖顺序自动处理 } } ```  [编辑 Excalidraw 源图](/images/java-interview-copy/business-scenario/28-graceful-shutdown-graceful-shutdown-lifecycle-diagram.excalidraw) 关键点与适用场景: - `@Order(Ordered.HIGHEST_PRECEDENCE)` 保证"对外状态变更"最早发生;后面 4~7 步不需要自己写,交给容器。 - "等待调用方感知"填的是 t1→t2 的空档,与前面 Nacos 示例里的 `Thread.sleep(5000)` 是同一件事。 - 完整链路的总耗时 = 等待感知时间 + 请求排空时间 + 资源关闭时间,这个总和必须小于 K8s 的 `terminationGracePeriodSeconds`(见下一问),否则会被 SIGKILL 兜底杀掉。 ## 三、放进真实场景 ### Q:K8s 环境下优雅停机要额外注意什么? A:K8s 会在发 SIGTERM 之前先把 Pod 从 Service Endpoint 摘除,但仍然存在"摘除与流量切换不同步"的窗口,所以要用 `preStop` hook 兜住。 ```yaml # Pod 配置 spec: terminationGracePeriodSeconds: 60 # 给 60 秒优雅停机时间 containers: - name: app lifecycle: preStop: exec: command: ["/bin/sh", "-c", "sleep 5"] # 等待 Endpoint 更新 readinessProbe: httpGet: path: /actuator/health port: 8080 ``` ``` K8s 停机流程: 1. Pod 被标记为 Terminating 2. 从 Service Endpoint 中移除(不再接收新流量) 3. 执行 preStop hook(sleep 5 等待流量切换) 4. 发送 SIGTERM 给容器 5. 应用执行优雅停机逻辑 6. 超过 terminationGracePeriodSeconds 后发送 SIGKILL ``` 关键点与适用场景: - `preStop` 里的 `sleep 5` 解决的是与 Nacos 示例同样的空档问题:Endpoint 更新到各节点 kube-proxy/Ingress 生效需要时间,先睡一会儿再收 SIGTERM,能显著减少"刚下线就报错"。 - `terminationGracePeriodSeconds` 是整个停机的**硬上限**,超时直接 SIGKILL。它必须 **大于** "preStop 等待 + 应用内部排空 + 资源关闭"的总和。 - `readinessProbe` 走 `/actuator/health`,与完整顺序示例里"标记为下线中、健康检查返回 DOWN"是配套的:让探测先失败,流量先行退场。 ### Q:如果有长耗时任务(如报表导出),优雅停机等不了那么久怎么办? A:不要让长耗时任务和优雅停机的超时窗口硬碰硬,正确的做法是"可中断 + 可恢复",或者干脆拆出去。 具体有两种思路: 1. **支持中断与恢复**:任务执行过程中定期检查中断标志,收到停机信号后把进度保存到数据库/Redis,重启后从断点继续。这样停机时只需存一次进度,不用等任务跑完。 2. **拆分部署**:把长耗时任务放到独立的 Worker 服务,与 Web 服务分开部署。Web 服务可以快速排空重启,Worker 用自己的节奏处理任务。 取舍上要注意:把窗口时间一味调大不是好办法——它会让发版变慢、滚动更新卡住,而且任务耗时不可控时永远调不够。可恢复任务才是一劳永逸的方案,代价是要额外设计进度存储与幂等重放。 ### Q:`kill -9` 和 `kill -15` 的区别? A:`kill -15`(SIGTERM)是优雅停机信号,应用可以捕获并执行清理逻辑;`kill -9`(SIGKILL)是强制杀死,应用无法捕获,直接终止。线上发版应该用 `kill -15`,只有进程卡死时才用 `kill -9`。 补一个生产场景:如果用了 `kill -9` 之后发现"注册中心里实例还在、调用方还在往死实例打流量",那是注册中心没能及时感知下线(心跳超时才会摘除),此时更需要的是重启前的主动摘除流程,而不是靠信号本身。 ## 四、总结与自测 ### Q:面试里怎么答这道题? A:按"目标 → 链路 → 各层配置 → 注意事项"四段作答,控制在 1 分钟内: 1. 优雅停机四步:注册中心摘除 → 等待调用方感知 → 请求排空 → 关闭资源。 2. Spring Boot 2.3+ 配置 `server.shutdown=graceful` 即可支持 Web 请求排空。 3. 线程池用 `shutdown()` + `awaitTermination()`,不要直接 `shutdownNow()`。 4. K8s 环境注意 preStop hook + terminationGracePeriodSeconds 配合。 如果面试官追问"为什么",抓住两个关键词即可:**调用方缓存导致的时间差**(所以要 sleep),以及**排空必须有终点**(所以要先摘除、后等待)。 ### Q:落地时还有哪些容易踩的坑? A:按"症状 → 原因 → 解决方案"整理三类高频问题: 1. **症状**:配了 `server.shutdown=graceful`,发版时偶发 500。**原因**:只做了 Web 排空,没做注册中心摘除,空档期流量仍打进来。**解决方案**:补上健康检查转 DOWN + 注册中心摘除 + 等待感知。 2. **症状**:发版很慢,滚动更新经常超时被 SIGKILL。**原因**:内部等待时间总和超过了 `terminationGracePeriodSeconds`。**解决方案**:核算"preStop 等待 + 排空 + 资源关闭"的总时长,要么调大 grace period,要么缩短排空窗口。 3. **症状**:MQ 消费端出现重复消费。**原因**:消费者在消息处理中途被中断,未提交 offset。**解决方案**:让消费者排在业务排空之后关闭,同时消费端本身要做好幂等。 --- ## 自测 1. 优雅停机的完整链路有哪几个阶段?为什么"摘除注册中心"必须排在"请求排空"之前? 2. 从注册中心摘除之后为什么还要 sleep?这个等待时间应该依据什么来设置? 3. `shutdown()`、`awaitTermination()`、`shutdownNow()` 三者分别做什么?为什么不能直接调用 `shutdownNow()`? 4. K8s 的 `preStop` hook 和 `terminationGracePeriodSeconds` 各自解决什么问题?两者之间应满足什么关系? 5. 面对报表导出这类长耗时任务,优雅停机的正确应对思路是什么?
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入