部署运维:compose 多 worker、心跳、健康检查、优雅停机、dev/prod 隔离;W2 复盘
用 docker compose 把 mini-koda 跑成多 worker 部署,补上心跳、健康检查和优雅停机,理清 dev/prod 的隔离方式,收尾第二周。
今日目标
- 能用 docker compose 把 worker 扩到多个实例并观察流量分摊
- 能实现 worker 的心跳上报和 gateway 的健康检查端点
- 能实现优雅停机:收到停止信号后处理完手头任务再退出
昨天结尾说了:调度器、总线、Worker、数据库、台账全在你本机一个终端里跑着,出问题只能肉眼看日志。今天把它变成一套能被别人接管的部署,再回头把第二周串成一条线。读完回到页面顶部把三条目标勾掉。
小白版讲解
一个镜像,三个店员:compose 的多副本 worker
楼下那家便利店 24 小时营业,靠的不是某一个店员——同一套流程,三班人轮着上,谁上岗都能收银、上货、盘点。店是「岗位加轮班」,不是「某个人」。 这是今天所有内容的底座:岗位定义清楚,人就可以被替换。
D8 到 D13 已经把岗位定义清楚:Gateway 无状态、Worker 从总线取活、状态全在 Postgres 和 Redis 里。扩副本在架构上早就做完了,今天只是把它声明出来。
声明的地方是一份 compose 文件。它和 D7 那份 Dockerfile 分工不同:Dockerfile 回答「这一个进程怎么起来」,compose 回答「这些进程怎么凑成一套系统」。D7 的镜像今天一行都不改。
services:
gateway:
build: .
environment:
ROLE: gateway # 一个镜像两种角色,靠环境变量分岔
APP_ENV: dev
REDIS_URL: redis://redis:6379
ports: ['3014:3014'] # 只有它需要对外暴露端口
depends_on:
postgres: { condition: service_healthy }
redis: { condition: service_healthy }
stop_grace_period: 25s
worker:
build: . # 同一个镜像
environment:
ROLE: worker
APP_ENV: dev
REDIS_URL: redis://redis:6379
deploy:
replicas: 3 # 三个副本,各自独立的容器与主机名
stop_grace_period: 25s # 必须大于代码里的 20 秒宽限,理由见第四节四个决定值得说清楚。
一个镜像,不是两个。 Gateway 和 Worker 本来就在一个仓库里,共用 schema、配置和那份内存实现。打两个镜像意味着两条流水线、两个版本号,还会出现「Gateway 是新版、Worker 还是旧版」这种最难查的故障。用一个环境变量分岔,版本天然对齐。
Worker 副本不需要端口映射。 它不接受任何入站连接,是自己去总线取活的。所以加副本不用动负载均衡、不用注册服务、不用改路由——新容器起来,XREADGROUP 一发就有活干;而 Gateway 每加一台都要挂到负载均衡后面。「拉」天生比「推」好扩容,这是 D9 选消息总线的一个后置收益。
副本的名字得想一想。 三个副本共用同一份环境变量,所以消费者名不能写在里面。本课取容器主机名,它天然每容器一份。代价是 D9 点过的坑:容器重建就换名字,旧名字下没确认的消息成了孤儿,只能靠 XAUTOCLAIM 捡回来。
副本数有天花板,而且不在 CPU 上。 连接数等于副本数乘以连接池大小,而 Postgres 默认 max_connections 只有 100——10 个副本各开 10 条就顶满,第 11 个起来只会拿到「too many clients」。扩容前先算连接数,这是从三个副本走向三十个时第一个撞上的墙,报错还和你的业务代码毫无关系。
到这里 docker compose up -d 起来的就是一套多副本部署,docker compose ps 也如实显示三个 Up。可 Up 只说明「进程还在」——它可能正卡在一次 GC 里什么都不干。而下次发版要把三个容器整批换掉,你怎么保证没有一次正在跑的对话被掐断?
面试题库
多实例部署下,怎么设计心跳和健康检查?两者是同一件事吗?With multiple replicas, how do you design heartbeats and health checks? Are they the same thing?
国内高频海外高频进阶#observability#deployment#distributed-systems🔒 解锁本章后查看答题要点。
什么是优雅停机?为什么直接 kill 进程有风险?请说出具体步骤。What is graceful shutdown, and why is killing a process outright risky? Walk through the steps.
国内高频海外高频进阶#deployment#reliability#operations🔒 解锁本章后查看答题要点。
滚动发布时,如何避免正在处理的任务被打断?During a rolling deploy, how do you keep in-flight tasks from being interrupted?
国内高频海外高频进阶#deployment#reliability#operations🔒 解锁本章后查看答题要点。
怎么设计 dev 与 prod 的隔离,防止本地开发影响线上数据?How do you isolate dev from prod so local development cannot touch production data?
国内高频海外高频基础#operations#security#configuration🔒 解锁本章后查看答题要点。
系统设计:请设计一个 IM Agent 平台——用户在即时通讯软件里和一个 AI 助手对话,助手能调用工具、记住长期偏好、还能定时主动推送。要求支撑十万日活。System design: design an IM agent platform where users chat with an AI assistant inside a messaging app. The assistant calls tools, remembers long-term preferences, and proactively pushes scheduled messages. Target 100k daily active users.
国内高频海外高频深入#system-design#distributed-systems#cost#operations🔒 解锁本章后查看答题要点。
