Eureka Server 存在三个变量（registry、 readWriteCacheMap、readOnlyCacheMap）保存服务注册信息，默认情况下定时任务每30s将readWriteCacheMap同步至readOnlyCacheMap，每60s清理超过90s未续约的节点。Eureka Client每30s 从readOnlyCacheMap更新服务注册信息，而UI则从registry更新服务注册信息。
三级缓存
我们知道 Eureka Server 在运行期间就是一个普通的 Java 项目，并没有使用数据库之类的存储软件，那么在运行期间是如何存储数据的呢？
Eureka Server的数据存储分为了两层： 数据存储层和缓存层。 数据存储层记录注册到Eureka Server上的服务信息，缓存层是经过包装后的数据，可以直接在Eureka Client调用时返回。我们先来看看数据存储层的数据结构。
Eureka Server的数据存储分为了两层： 数据存储层和缓存层。 数据存储层记录注册到Eureka Server上的服务信息，缓存层是经过包装后的数据，可以直接在Eureka Client调用时返回。我们先来看看数据存储层的数据结构。
private final ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>> registry= new ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();
第一层的 ConcurrentHashMap 的 key=spring.application.name 也就是客户端实例注册的应用名；value 为嵌套的 ConcurrentHashMap。
第二层嵌套的 ConcurrentHashMap 的 key=instanceId 也就是服务的唯一实例 ID，value 为 Lease 对象，Lease 对象存储着这个实例的所有注册信息，包括 ip 、端口、属性等。
根据这个存储结构我们可以发现，Eureka Server第一层都是存储着所有的服务名，以及服务名对应的实例信息，也就是说第一层都是按照服务应用名这个维度来切分存储的。
应用名1：应用1实例 Map应该名2：应用2实例 Map...
第二层是根据实例的唯一ID来存储的，那么按照这个结构最终的存储数据格式为：
： 应用1实例A：实例A的注册信息应用名1：应用1实例： 应用1实例B：实例B的注册信息： 应用1实例C：实例C的注册信息： ....-----------------： 应用2实例F：实例F的注册信息应该名2：应用2实例： 应用2实例G：实例G的注册信息： ......
当如服务的状态发生变更时，会同步Eureka Server中的registry数据信息，比如服务注册，剔除服务时。
Eureka Server缓存机制
Eureka Server为了提供响应效率，提供了两层的缓存结构，将Eureka Client所需要的注册信息，直接缓存在缓存结构中。
第一层缓存： readOnlyCacheMap，本质上是ConcurrentHashMap ,依赖定时从readWriteCacheMap同步数据，默认时间为30s。
readOnlyCacheMap ：是一个CureentHashMap只读缓存，这个主要是为了供客户端获取注册信息时使用，其缓存更新，依赖于定时器的更新，通过和readWriteCacheMap的值做对比，如果数据不一致，则以readWriteCacheMap的数据为准。
第二层缓存： readWriteCacheMap， 本质上是Guava缓存
readWriteCacheMap：readWriteCacheMap的数据主要同步于存储层。当获取缓存时判断缓存中是否没有数据，如果不存在此数据，则通过CacheLoader的load方法去加载，加载成功之后将数据放入缓存，同时返回数据。
readWriteCacheMap 缓存过期时间，默认为180秒，当服务下线、过期、注册、状态变更，都会来清除此缓存中的数据。
Eureka Client 获取全量或者增量的数据时，会先从一级缓存中获取；如果一级缓存中不存在，再从二级缓存中获取；如果二级缓存也不存在，这时候先将存储层的数据同步到缓存中，再从缓存中获取。
通过Eureka Server的二层缓存机制，可以非常有效地提升Eureka Server的响应时间，通过数据存储层和缓存层的数据切割，根据使用场景来提供不同的数据支持
若有收获，就点个赞吧
0 人点赞
