远程节点保持进程活着

Posted 2023-02-16

【中文标题】远程节点保持进程活着

【英文标题】：Remote nodes keeping processes alive

【发布时间】：2011-08-08 05:58:00

【问题描述】：

Quis custodiet ipsos custodes？ -- (Decimus Iunius Iuvenalis)

我有以下设置：

在一个节点（'[e-mail]'）上，一个服务器进程正在运行，它有一个看门狗运行另一个节点（'[e-mail]'）。当服务器启动时，它将在远程节点上启动它的看门狗。当服务器异常退出时，看门狗会再次启动服务器。当看门狗退出时，服务器再次启动它。

服务器在网络启动后作为运行级别的一部分启动。

服务器还监视远程节点，并在它（即节点）上线后立即启动看门狗。现在服务器和看门狗之间的连接丢失可能有两个原因：首先，网络可能会出现故障；其次，节点可能会崩溃或被杀死。

我的代码似乎可以工作，但我有点怀疑正在发生以下情况：

当看门狗节点关闭（或杀死或崩溃）并重新启动时，服务器会正​​确地重新启动其看门狗。

但是

当网络出现故障并且看门狗节点继续运行时，服务器会在重新建立连接时启动一个新的看门狗，并留下一个僵尸看门狗。

我的问题是：

(A) 我要创建僵尸吗？ (B) 在网络丢失的情况下，服务器如何检查看门狗是否还活着（反之亦然）？ (C) 如果B可以，如何重新连接旧服务器和旧看门狗？ (D) 尊敬的读者，您在我的设置中发现了哪些其他主要（和次要）缺陷？

编辑：die 和 kill_dog 消息用于伪造不正常的退出，不会超出调试范围。

代码如下：

---

-module (watchdog).
-compile (export_all).

init () ->
    io:format ("Watchdog: Starting @ ~p.~n", [node () ] ),
    process_flag (trap_exit, true),
    loop ().

loop () ->
    receive
        die -> 1 / 0;
        'EXIT', _, normal ->
            io:format ("Watchdog: Server shut down.~n");
        'EXIT', _, _ ->
            io:format ("Watchdog: Restarting server.~n"),
            spawn ('[e-mail]', server, start, [] );
        _ -> loop ()
    end.

---

-module (server).
-compile (export_all).

start () ->
    io:format ("Server: Starting up.~n"),
    register (server, spawn (fun init/0) ).

stop () ->
    whereis (server) ! stop.

init () ->
    process_flag (trap_exit, true),
    monitor_node ('[e-mail]', true),
    loop (down, none).

loop (Status, Watchdog) ->
    NewStatus, NewWatchdog = receive
        die -> 1 / 0;
        stop -> stop, none;
        kill_dog ->
            Watchdog ! die,
            Status, Watchdog;
        nodedown, '[e-mail]' ->
            io:format ("Server: Watchdog node has gone down.~n"),
            down, Watchdog;
        'EXIT', Watchdog, noconnection ->
            Status, Watchdog;
        'EXIT', Watchdog, Reason ->
            io:format ("Server: Watchdog has died of ~p.~n", [Reason] ),
            Status, spawn_link ('[e-mail]', watchdog, init, [] ) ;
        _ -> Status, Watchdog
    after 2000 ->
        case Status of
            down -> checkNode ();
            up -> up, Watchdog
        end
    end,
    case NewStatus of
        stop -> ok;
        _ -> loop (NewStatus, NewWatchdog)
    end.

checkNode () ->
    net_adm:world (),
    case lists:any (fun (Node) -> Node =:= '[e-mail]' end, nodes () ) of
        false ->
            io:format ("Server: Watchdog node is still down.~n"),
            down, none;
        true ->
            io:format ("Server: Watchdog node has come online.~n"),
            monitor_node ('[e-mail]', true),
            Watchdog = spawn_link ('[e-mail]', watchdog, init, [] ),
            up, Watchdog
    end.

【参考方案1】：

使用global模块注册看门狗应该可以避免你的担心：

看门狗.erl：

-module (watchdog).
-compile (export_all).

init () ->
    io:format ("Watchdog: Starting @ ~p.~n", [node () ] ),
    process_flag (trap_exit, true),
    global:register_name (watchdog, self ()),
    loop ().

loop () ->
    receive
        die -> 1 / 0;
        'EXIT', _, normal ->
            io:format ("Watchdog: Server shut down.~n");
        'EXIT', _, _ ->
            io:format ("Watchdog: Restarting server.~n"),
            spawn ('[e-mail]', server, start, [] );
        _ -> loop ()
    end.

server.erl:

checkNode () ->
    net_adm:world (),
    case lists:any (fun (Node) -> Node =:= '[e-mail]' end, nodes () ) of
        false ->
            io:format ("Server: Watchdog node is still down.~n"),
            down, none;
        true ->
            io:format ("Server: Watchdog node has come online.~n"),
            global:sync (), %% not sure if this is necessary
            case global:whereis_name (watchdog) of
                undefined -> 
                    io:format ("Watchdog process is dead"),
                    Watchdog = spawn_link ('[e-mail]', watchdog, init, [] );
                Watchdog ->
                    io:format ("Watchdog process is still alive")
            end,
            up, Watchdog
    end.

【讨论】：

非常感谢。当看门狗还活着时，我不需要打电话给link/1 吗？或者进程相互收到'EXIT', Pid, noconnection'后仍然链接？

我不确定，实际上（到目前为止没有使用分布式 Erlang）。