Dapr 1.15.2 补丁版本解析:Actor 跨应用调用修复与 Scheduler 内存泄漏根治
Dapr 1.15.2 补丁版本解析:Actor 跨应用调用修复与 Scheduler 内存泄漏根治
Dapr 1.15.2 是一个面向稳定性的补丁版本,聚焦两项关键缺陷:修复了从未配置 Actor 状态存储的应用中调用 Actor 失败的问题,以及根治了 Scheduler 服务在长期运行中内存持续增长直至 OOM 崩溃的问题。本文以官方发布说明为主体,结合当前仓库源码,逐层拆解这两个问题的现象、影响、根因与修复原理,帮助你在升级或排查时快速定位到对应的实现位置。
版本概览:Dapr 1.15.2 修复了什么
根据 v1.15.2 发布说明,本版本包含两个 bug 修复:
- 修复从非 Actor 托管应用调用 Actor(Fix Actor Invocation from non-Actor hosted Apps)
- 修复 Scheduler 内存泄漏(Fix Scheduler memory leak)
两个修复分别落在 daprd 运行时(Runtime)与 Scheduler 服务(控制平面组件)两条链路上。下文按发布说明的“问题 → 影响 → 根因 → 解决方案”结构展开,并补充对应的源码佐证。
修复一:从非 Actor 托管应用调用 Actor
问题现象
发布说明描述的问题很具体:当应用本身没有配置 Actor 状态存储(Actor state store)时,从该应用发起 Actor 调用会失败。
在 Dapr 的 Actor 模型中,一个应用既可以“托管”Actor(hosting,即在本进程中运行某个 Actor 类型的实例),也可以只作为“客户端”调用其他应用托管的 Actor。问题恰恰出在“只调用、不托管”这一侧。
影响范围
影响的是那些没有把 Actor 状态存储 scope 到自身 App ID 的应用:它们无法调用任何 Actor。
这里涉及 Dapr 的组件作用域(scopes)机制——Actor 状态存储组件可以通过 scopes 字段限定只对特定 App ID 生效。当一个应用未被包含在该 scope 内,daprd 就相当于没有可用的 Actor 状态存储,进而触发上述调用失败。
根因分析
发布说明给出的根因是:
如果 daprd 没有配置 Actor 状态存储,它就不会连接 Placement 服务,因此也就拿不到目标 Actor 的地址。
要理解这一点,需要先看 daprd 启动时的决策逻辑。在 pkg/runtime/runtime.go 中,Actor 运行时的创建与“是否配置了 placement 地址”以及“是否启用 Actor”两个条件耦合:
actors := actors.New(actors.Options{
// ...
PlacementAddresses: strings.Split(strings.TrimPrefix(runtimeConfig.actorsService, "placement:"), ","),
// ...
})
// ...
ActorsEnabled: len(runtimeConfig.actorsService) > 0,
而在 pkg/actors/actors.go 中,New() 会检查 Placement 地址列表:
func New(opts Options) Interface {
var disabled atomic.Pointer[error]
if len(opts.PlacementAddresses) == 0 ||
(len(opts.PlacementAddresses) == 1 && strings.TrimSpace(strings.Trim(opts.PlacementAddresses[0], `"'`)) == "") {
var err error = messages.ErrActorNoPlacement
log.Warnf("Actor runtime disabled: %s. Actors and Workflow APIs will be unavailable", err)
disabled.Store(&err)
}
// ...
}
同时,在 pkg/runtime/runtime.go 附近,运行时初始化时会记录:
log.Info("actors: state store is not configured - actor state and workflow operations will be unavailable until an actor state store component is loaded")
结合这些代码可以还原出旧版本的错误耦合逻辑:daprd 把“没有 Actor 状态存储”直接等同于“不启用 Actor 能力”,从而跳过了与 Placement 建立连接。但 Placement 连接恰恰是 Actor 寻址的基础——Actor 的调用需要先向 Placement 查询目标 Actor 实例当前托管在哪个地址上。连接被跳过,LookupActor 自然无从谈起,调用必然失败。
这一推断也能从 Placement 客户端的职责得到印证:在 pkg/actors/internal/placement/placement.go 中,Placement 接口提供了 LookupActor、IsActorHosted、Ready 等方法,其中 LookupActor 是 Actor 调用链路的前置依赖;actors.Init()(见 pkg/actors/actors.go)中 placement.New(...) 的调用并不依赖 Actor 状态存储是否存在,说明“连接 Placement”与“是否托管 Actor”本应是两件独立的事。
解决方案与源码验证
发布说明给出的修复方案只有一句话:
daprd 将始终在配置了 Placement 地址的情况下尝试连接 Placement。
换句话说,修复后“是否连接 Placement”只取决于是否配置了 Placement 地址(即 --actors-service 或 Kubernetes 环境下注入的 dapr.io/actors-service),而与“是否加载了 Actor 状态存储”彻底解耦。从当前源码看,这一设计已经固化:
-
pkg/actors/actors.go 中,
Init()明确区分了两类状态:_, a.hostingName, a.hostingRev, a.hostingActive = a.compStore.GetStateStoreActorWithRevision() if !a.hostingActive { log.Info("Actor state store not configured - actor hosting disabled until one is configured, but invocation enabled") }注意这里的关键短语:“actor hosting disabled ... but invocation enabled”(托管被禁用,但调用仍然启用)。这正是 v1.15.2 修复后的预期行为——没有 Actor 状态存储只是不能托管 Actor,不影响作为客户端发起调用。
-
而 Placement 客户端在 pkg/actors/actors.go 中无条件创建,连接循环由
a.placement.Run(ctx)(见 pkg/actors/actors.go)驱动,与状态存储无关。 -
Placement 客户端的连接方式还区分了运行模式(见 pkg/actors/internal/placement/placement.go):Kubernetes 模式下通过 DNS 轮询(dnslookup)解析 headless service 的多个地址以自动发现 leader;非 Kubernetes 模式则在配置的地址列表上做静态轮询(static)。这保证了无论哪种部署形态,只要配置了地址就能持续连接。
升级后你应当观察到的行为变化:一个未配置 Actor 状态存储的应用,日志中不再出现因缺少 Placement 连接而导致的 Actor 调用失败;同时启动日志会明确提示“actor hosting disabled until one is configured, but invocation enabled”。
排查提示:如果升级后仍遇到 Actor 调用问题,请优先检查目标侧应用是否已把 Actor 状态存储组件 scope 到自身(组件配置的 scopes 字段),以及 daprd 的 --actors-service(placement: 前缀)是否指向了正确的 Placement 服务。
修复二:Scheduler 内存泄漏
问题现象
Scheduler 服务在运行期间内存持续增长(“continually grow in memory during usage”),这是典型的资源泄漏特征。
影响范围
发布说明明确指出其严重后果:
Scheduler 会耗尽宿主机的全部内存,或达到其 cgroup 限制,随后 OOM 崩溃。
也就是说,这不是缓慢的轻微膨胀,而是最终会导致进程被 OOM Killer 强制终止。Scheduler 是 Dapr 的调度控制面组件(负责 Actor 提醒/定时器与 Job 的调度),它的崩溃会连带影响依赖它的运行时功能。
根因分析
发布说明给出的根因描述比较简短:
一个 Go routine 在连接发送(connection sends)时没有被关闭。
“连接发送”在 Scheduler 的实现语境中,对应的是它与 daprd 之间维持的流式连接(placement stream / stream of connections)上的发送协程。从当前仓库源码结构看,Scheduler 的连接管理分布在多个 loop 组件中:
- pkg/scheduler/server/internal/placement/loops/connections/connections.go —— 管理 placement 流式连接的生命周期,其中可见
go conn.loop.Close(&loops.StreamShutdown{Error: err})这样的协程式关闭调用; - pkg/scheduler/server/internal/pool/loops/connections/store/store.go —— 连接池的底层存储,在连接关闭路径上调用
opts.Loop.Close(new(loops.StreamShutdown)); - pkg/scheduler/server/internal/cron/cron.go —— 调度主循环,使用
defer close(c.closeCh)、defer c.hostBroadcaster.Close()、defer leaderLoop.Close(nil)保证退出路径上资源被有序回收。
旧版本中,某个负责“发送”的 goroutine 在其所属连接发送完成后没有被 close,导致每次连接发送都会泄漏一个无法回收的 goroutine 及其持有的栈与引用。goroutine 本身不释放,其关联的缓冲区、channel 与对象引用也无法被 GC 回收,内存随连接活动次数线性增长,最终触达 cgroup 限制后 OOM。
解决方案与源码验证
修复方案同样简洁:
在连接发送完成后,正确关闭对应的 Go routine。
即在发送路径的收尾处补充/修正 goroutine 的关闭时机,使每次发送结束后协程都能正常退出、资源得以回收。从当前源码可以看到,Scheduler 内部普遍采用“defer + Close”的模式来保证这类收尾(例如 pkg/scheduler/server/internal/cron/cron.go 中三个 defer 依次关闭 closeCh、hostBroadcaster 与 leaderLoop),这正是 v1.15.2 之后发送协程应有的生命周期管理方式。
升级后如何验证修复效果:
- 在长期运行的集群中观察 Scheduler Pod 的内存曲线:修复后应保持平稳,不再单调增长;
- 若 Scheduler 使用 cgroup 限制(Kubernetes 下默认如此),修复后不应再频繁触发 OOMKilled 事件;
- 可通过
kubectl top pods -n dapr-system或监控系统(如仓库 grafana 目录 提供的仪表板)持续观察 Scheduler 内存指标。
排查提示:如果你在其他组件(如 daprd、Placement)中观察到类似的内存单调增长,可以按同样思路排查其流式连接/gRPC 流处理路径上的 goroutine 生命周期管理,重点检查发送完成、流取消、对端断开三条路径是否都有对应的关闭收尾。
升级与验证建议
- 升级路径:将 daprd、Scheduler、Placement、Injector、Operator、Sentry 等组件镜像统一升级到 v1.15.2(或包含该修复的更高版本),避免控制面与数据面版本不一致。
- 验证修复一:部署一个未配置 Actor 状态存储的客户端应用,确认它可以正常调用其他应用托管的 Actor;观察其 daprd 日志中是否出现 “actor hosting disabled ... but invocation enabled” 提示。
- 验证修复二:对 Scheduler 做 24~72 小时稳定性观察,重点监控内存与 OOMKilled 事件,确认内存曲线平稳。
- 回归注意:修复一改变了“无 Actor 状态存储即断开 Placement”的旧行为,升级后所有配置了
--actors-service的应用都会与 Placement 建立连接,请确认 Placement 的容量与网络策略能够容纳新增连接。
小结
v1.15.2 的两个修复分别对应两条典型的稳定性问题链路:功能逻辑上的条件耦合(Actor 调用被错误地绑定到状态存储是否配置)与资源生命周期管理缺陷(goroutine 未关闭导致的内存泄漏)。前者在 pkg/actors/actors.go 与 pkg/runtime/runtime.go 中体现为“hosting 与 invocation 解耦”;后者在 pkg/scheduler/server/internal 各连接管理组件中体现为对关闭路径的严格收尾。理解这两处修复,对排查同类问题、评估升级影响都有直接帮助。