先说结论

选型一句话:可用性优先、Netflix 存量体系用 Eureka;新项目、要配置中心一体化、要更快的变更感知用 Nacos。核心差异在 CAP 取舍与推送时效:Eureka 是纯 AP,客户端定时拉取;Nacos 临时实例走 AP(Distro 协议 + 心跳),持久实例走 CP(Raft),2.x 起客户端与服务端的 gRPC 长连接让变更推送接近秒级。选型时别只看功能清单——注册中心是全链路的公共依赖,它的变更感知速度决定了滚动发布的流量损耗、故障摘除的收敛时间,这些运行时特征比功能多寡更影响日常。还有一个常被低估的维度:运维一致性。注册中心与配置中心合一(Nacos 路线)意味着一套账号、一套备份、一套监控,出问题只查一个系统;分开部署(Eureka + Config 路线)则要维护两套高可用方案,团队规模小时这个成本经常压倒技术清单上的优势。

机制对比

维度EurekaNacos
CAP 定位AP(自我保护机制)临时实例 AP(Distro)/ 持久实例 CP(Raft)
健康检查客户端心跳续约心跳(临时实例)+ 服务端主动探测(持久实例)
变更感知客户端定时拉取(默认 30s)2.x gRPC 长连接推送,秒级
自我保护续约比例低于阈值(默认 85%)时停止剔除实例健康探测精准摘除不健康实例
权重/元数据路由仅元数据,需自行扩展消费逻辑原生权重与集群优先路由
控制台运维基础(状态查看、下线)实例列表、上下线、监听查询等较完整
配置中心无,需另配(Spring Cloud Config 等)内置,服务发现与配置一套运维
现状Netflix Eureka 2.x 已停止开发,1.x 由社区维护阿里开源,社区活跃

Eureka 的自我保护

Eureka 服务端统计近一段时间的心跳续约比例,低于配置阈值(默认 85%)时进入自我保护模式:宁可保留可能已死的实例,也不误杀。这是 AP 的典型表现——网络分区时注册中心可用,但客户端可能拿到失效地址,靠调用方的超时与重试兜底。理解这个机制的两面性很重要:它在大规模网络抖动时保护了服务列表不被误清空,代价是真正下线的实例会被多保留一段时间,“流量打到已死实例"的窗口期由调用方负责消化。相关参数两个常改项:续约比例阈值与自我保护总开关。生产环境的共识是不关自我保护(关掉等于回到误杀模式),而是把消费端的超时与换实例重试配扎实,让"拿到失效地址"变成可自愈的小故障,而不是指望注册中心替你消灭它。

Nacos 的实例类型

Nacos 区分临时实例(客户端心跳保活,会话断开即摘除)与持久实例(服务端主动探测,探测不过只标记不健康而不删除)。RPC 服务一般用临时实例;DB、MQ 这类不能随便消失的地址用持久实例。1.x 心跳是 HTTP 定时上报,2.x 升级为 gRPC 长连接,连接断开即感知,时效从十秒级提升到秒级。这种"双模式"设计的价值在于把一致性选择权交给了业务:强一致地址用 CP,可用性优先地址用 AP,不必像 Eureka 那样一刀切。

隔离层也值得认识:命名空间(namespace)做多环境隔离,分组(group)区分同环境内的多套服务,元数据(metadata)挂灰度标记与版本号——三层叠起来就是"环境隔离、业务分组、流量打标"的完整寻址模型,灰度发布与混部迁移方案基本都建立在这三层之上。

配置示例

# Eureka 客户端(正确写法:感知参数显式调优,不依赖默认 30s 拉取)
eureka:
  client:
    service-url:
      defaultZone: http://eureka1:8761/eureka
    registry-fetch-interval-seconds: 10   # 缩短拉取间隔,加快感知
  instance:
    lease-renewal-interval-in-seconds: 10  # 心跳间隔
    lease-expiration-duration-in-seconds: 30
# 常见错误:保持默认 30s 拉取 + 90s 摘除判定,滚动发布时
# 已下线实例在消费端列表里存活一分钟左右,全靠调用方重试硬扛
# Nacos 客户端
spring:
  cloud:
    nacos:
      discovery:
        server-addr: nacos1:8848
        ephemeral: true        # 临时实例(默认),RPC 服务用这个
        heart-beat-interval: 5 # 心跳间隔(秒)

优雅下线的动作两侧是通用的,错误做法与正确做法的区别在于"是否给消费端留感知窗口”:

// 错误做法:kill -9 直接停进程。
// 心跳戛然而止,Eureka 要等摘除判定、消费端还要等拉取间隔,
// 这段窗口内的流量全部打到已死实例上,报错率瞬间抬升。

// 正确做法:先摘除、再排空、最后停进程(伪代码示意)
@PreDestroy
public void gracefulShutdown() {
    // 1. 主动从注册中心摘除自己
    //    (Eureka: discoveryClient.shutdown();
    //     Nacos: namingService.deregisterInstance(...))
    registry.deregister();
    // 2. 等待消费端列表刷新 + 在途请求排空,
    //    等待时长 >= 消费端感知间隔(如 Eureka 配了 10s 拉取就等 10s 以上)
    drainTraffic(seconds(fetchInterval));
    // 3. 之后才让容器继续销毁其余 Bean、关闭线程池与连接
}

迁移与混部的实战提醒

  1. 客户端缓存兜底:无论用哪个,消费端本地都缓存服务列表,注册中心全挂时允许"用旧列表续命",这是注册中心可用性设计的底线;
  2. 摘除节奏要匹配发布:滚动发布时实例下线,推送慢的体系(Eureka)必须配合理的拉取间隔与调用方重试,否则会出现"流量打到已下线实例"的 502;
  3. 别拿注册中心当存储:元数据只放路由必需的字段(版本号、灰度标记、机房标识),业务状态放配置中心或 DB——注册中心的元数据没有事务与审计,塞业务数据迟早出事;
  4. 混部期两套注册中心并存时,以网关或服务网格做统一寻址过渡,避免消费方维护两份服务列表逻辑;
  5. 容量视角不能少:2.x 的 gRPC 长连接把服务端连接数变成了新的容量维度,实例规模上去后要评估服务端连接上限与重连风暴(服务端重启瞬间的全量重连),必要时分集群部署。

一句话收尾:Eureka 用"不误杀"换可用,Nacos 用"长连接推送 + 双模式一致性"换时效与功能完整度。

生产案例

一次大促扩容演练暴露了 Eureka 体系的下线感知问题:演练中主动缩掉一批订单服务实例,消费端由于保持默认 30 秒拉取间隔,加上部分调用方没有重试,几分钟内持续出现打到已下线实例的连接拒绝。复盘后做了三件事:把消费端拉取间隔统一调到 10 秒、调用方接入带换实例重试的负载均衡策略、发布脚本加入"先摘除再排空"的优雅下线步骤。此后滚动发布期间的瞬时错误基本消失。另一个对照样本是同期新业务线直接用了 Nacos 2.x,发布时实例摘除秒级推送,几乎没有为下线感知做过额外配置——两条业务线的对比成了内部选型文档里最直观的一组案例:存量 Eureka 体系用调参消化时效短板,新业务用 Nacos 拿到原生时效。

检查清单

  • 明确当前体系的变更感知链路:心跳间隔、摘除判定、消费端拉取间隔三者数值
  • Eureka 消费端的 registry-fetch-interval-seconds 已按发布节奏调优,不依赖默认 30s
  • 所有消费方都有本地服务列表缓存,注册中心不可用时按旧列表续命
  • 发布脚本包含优雅下线:先摘除、等排空、再停进程,禁止 kill -9
  • Nacos 实例类型选对:RPC 服务用临时实例,DB/MQ 地址用持久实例
  • 注册中心元数据只放路由字段,没有业务状态
  • 每个调用方配置了超时 + 换实例重试,能消化摘除窗口期的少量失败