如何檢測分布式系統中的節點故障？

下圖顯示了 6 大心跳檢測機制。

心跳機制在分布式系統中對于監控各種組件的健康和狀態至關重要。以下是分布式系統中常用的幾種心跳檢測機制：

1.基于推送的心跳

最基本的心跳形式包括從一個節點向另一個節點或監控服務發送周期性信號。

如果心跳信號在指定時間間隔內停止到達，系統就會認為節點發生了故障。

這種方法實施起來很簡單，但網絡擁塞可能導致誤報。

2.基于拉取的心跳

中央監控器可以定期從節點 "拉取 "狀態信息，而不是節點主動發送心跳。

這可以減少網絡流量，但可能會增加故障檢測的延遲。

3.帶健康檢查的心跳

這種方式在心跳信號中包含了有關節點健康狀況的診斷信息。此信息可包括 CPU 使用情況、內存使用情況或特定于應用程序的指標。

這種方式提供了有關節點的更詳細信息，允許做出更細致的決策。但是，它增加了復雜性和潛在的更大網絡開銷。

4.帶時間戳的心跳

包含時間戳的心跳不僅能幫助接收節點或服務確定節點是否存活，還能確定是否存在影響通信的網絡延遲。

5.帶確認的心跳

在這種模式下，心跳消息的接收方必須發回確認。這不僅能確保發送方還活著，還能確保發送方和接收方之間的網絡路徑正常。

6.帶法定人數的心跳

在一些分布式系統中，尤其是涉及 Paxos 或 Raft 等共識協議的系統中，使用了法定人數（大多數節點）的概念。

心跳可用于建立或維持法定人數，確保有足夠數量的節點運行，以便系統做出決策。當節點加入或離開系統時，這會帶來實施和管理法定人數變化的復雜性。