apache / apache/iotdb

[Bug] Java SDK 自动发现持续选择已断网的 DataNode,导致查询周期性等待连接超时

未关闭
#18,633 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看
主要语言
Java
星标
6.4k
派生
1.2k
平均合并
1 天 23 小时
30 天内合并 PR
115

描述

## 现象与复现

IoTDB 服务端和 Java SDK 均为 **2.0.10**,Table model,三节点各部署 ConfigNode/DataNode;Schema 三副本,Data 两副本,数据共识为 IoTConsensus。

1. 将节点 A 断网,保持 B/C 正常。等待 `SHOW CLUSTER` 显示 A 为 `Unknown`、B/C 为 `Running`。
2. 此时 `SHOW AVAILABLE URLS` 仍返回 A/B/C 三个地址。
3. 使用原生 `TableSessionPoolBuilder`,初始 `nodeUrls` **只配置 B/C**,设置 `maxSize(1)`、`connectionTimeoutInMs(3000)`,开启 `enableAutoFetch(true)` 和 `enableRedirection(true)`,串行重复执行同一条 `SELECT … LIMIT 5`,完整读取并关闭结果集。

绕过业务适配层仍能复现,12 次查询均成功返回 5 行:

| 设置 | 12 次查询结果 |
| --- | --- |
| 自动发现、重定向均开启 | 第 1/4/7/10 次分别约 2423/2976/3029/3028 ms,其余约 22–29 ms |
| 两项均关闭,其他配置及 SQL 不变 | 全部约 21–30 ms |

节点 A 在整个对照期间保持断网。即使初始地址仅填写 B/C,自动发现仍会将 A 加回查询候选列表。这不是故障发生瞬间的一次切换等待,而是持续的周期性延迟。

## 关键源码

以下链接固定到 **v2.0.11**:对比发现,本问题涉及的关键逻辑仍保留;**尚未在完整 2.0.11 集群实测复现**。

**1. 服务端仅排除 Removing,没有排除 Unknown。**

[`ShowAvailableUrlsTask.buildTsBlock()`](https://github.com/apache/iotdb/blob/v2.0.11/iotdb-core/datanode/src/main/java/org/apache/iotdb/db/queryengine/plan/execution/config/metadata/ShowAvailableUrlsTask.java#L58-L63):

```java
for (TDataNodeInfo dataNodeInfo : showDataNodesResp.getDataNodesInfoList()) {
String status = dataNodeInfo.getStatus();
if (RegionStatus.Removing.getStatus().equals(status)) {
continue;
}
```

**2. SDK 根据发现列表轮询端点。**

[`NodesSupplier`](https://github.com/apache/iotdb/blob/v2.0.11/iotdb-client/session/src/main/java/org/apache/iotdb/session/NodesSupplier.java) 使用以下策略;`getQueryEndPoint()` 调用 `policy.chooseOne(get())`:

```java
private final QueryEndPointPolicy policy = new RoundRobinPolicy();
```

**3. 连接失败后回落默认连接,但没有在该路径隔离失败端点。**

[`Session.getQuerySessionConnection()`](https://github.com/apache/iotdb/blob/v2.0.11/iotdb-client/session/src/main/java/org/apache/iotdb/session/Session.java#L998-L1011),该方法与 2.0.10 完全一致:

```java
endPointToSessionConnection.computeIfAbsent(
endPoint.get(),
k -> {
try {
return constructSessionConnection(this, endPoint.get(), zoneId);
} catch (IoTDBConnectionException ex) {
return null;
}
});
```

`computeIfAbsent` 返回 null 时不会保存映射;方法随后回落到默认连接。故障地址仍留在轮询列表,下次选中时再次尝试连接,和实测“每三次出现一次秒级等待”吻合。

## 期望与希望确认

当一个节点持续不可达且其他节点可完成查询时,希望 SDK 能暂时隔离失败端点并探测恢复,避免后续查询反复承担完整连接超时。

请确认:`SHOW AVAILABLE URLS` 包含 Unknown 是否为预期?此场景是否应由 SDK 增加故障端点退避/隔离,或调整服务端过滤规则?是否已有对应修复或推荐配置?

目前临时通过关闭自动发现、重定向并只配置健康节点规避,但这需要用户手动维护节点列表。

贡献指南

打开贡献指南

调研方向

从链接的 v2.0.11 位置中的 ShowAvailableUrlsTask.java、NodesSupplier.java 和 Session.java 开始,然后使用一个断开连接的节点重现 TableSessionPoolBuilder 场景,并比较启用和禁用 auto-discovery 的情况。跟踪不可用端点的选择方式以及失败连接的处理方式。当能够避免重复的连接超时延迟,同时健康节点继续提供查询服务且仍然可以恢复时,即视为完成。

由索引模型根据 Issue 内容生成。

评估

技术栈
java
领域
databases, distributed-systems
Issue 类型
缺陷
难度
4/5
预计耗时
3-5 天
活跃度
活跃
描述清晰度
基本清楚
新手友好度
48/100

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。