Apache ShenYu中Nacos数据同步下Divide选择器删除问题分析
2025-05-28 12:27:02作者:滕妙奇
问题背景
在Apache ShenYu网关系统中,Divide插件是一个核心的路由插件,负责HTTP请求的分发。当使用Nacos作为数据同步中心时,Divide选择器的配置信息会被同步到Nacos中,包括选择器配置、代理选择器配置和服务发现配置。
问题现象
在最新版本的Apache ShenYu中,发现当删除一个Divide选择器时,Nacos中仍然会残留该选择器的相关配置数据。具体表现为:
- 选择器的主配置被正确删除
- 但proxy_selector和discovery配置未被清理
- 这些残留配置可能导致系统出现不一致状态
技术分析
经过深入代码分析,发现该问题主要由两个技术原因导致:
-
代理选择器删除失败:在解除发现绑定时,ProxySelectorDTO对象缺少id值,且pluginName属性被错误设置。这使得系统无法正确识别和删除对应的代理选择器配置。
-
服务发现配置缺失删除逻辑:当前代码中,在删除选择器时没有包含删除相关服务发现配置的逻辑流程,导致这部分配置被遗留。
解决方案
针对上述问题,需要从以下两个方面进行修复:
-
完善ProxySelectorDTO对象:在解除发现绑定时,确保ProxySelectorDTO包含完整的id信息,并正确设置pluginName属性,使系统能够准确定位和删除代理选择器配置。
-
添加服务发现配置删除逻辑:在选择器删除流程中,增加对相关服务发现配置的清理操作,确保所有关联配置都被正确移除。
影响范围
该问题主要影响以下场景:
- 使用Nacos作为数据同步中心的Apache ShenYu部署
- 使用Divide插件并启用了服务发现功能的环境
- 频繁进行选择器增删操作的系统
最佳实践
为避免类似问题,建议:
- 定期检查Nacos中的配置数据一致性
- 在进行重要配置变更后,验证相关配置的同步状态
- 关注Apache ShenYu的版本更新,及时应用修复补丁
总结
配置数据的完整性和一致性是网关系统稳定运行的基础。这个问题的发现和修复,进一步提升了Apache ShenYu在Nacos数据同步场景下的可靠性。开发团队应持续关注各类数据同步场景下的边界情况,确保系统在各种操作下都能保持数据状态的一致。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218