Go 语言分布式系统：etcd / Consul 服务注册与发现

照这篇做完，你能用 Go 写出一套能跑在生产的服务注册与发现：etcd 靠租约保活、Consul 靠自带健康检查，两条路线都有可直接抄的代码和下线细节。

第一步：先想清楚注册与发现要解决什么

分布式系统里，服务实例的 IP 和端口是动态的，写死在配置里必然出问题。注册中心要提供四件事：注册（实例启动后把自己写进去）、保活（实例挂了要能被摘掉）、发现（调用方拿到当前健康的实例列表）、变更通知（实例增减时调用方不用轮询）。

etcd 和 Consul 都能干这四件事，差别在于：etcd 是一个强一致的 KV 存储，健康检查语义要靠租约（Lease）自己实现；Consul 是专门的服务网格注册中心，健康检查、DNS 接口、多数据中心是内置的。

第二步：etcd 方案——租约 + 前缀 Watch

引入依赖：

go get go.etcd.io/etcd/client/v3

注册端核心就三步：申请租约 → 带租约写 Key → 后台续约。

cli, _ := clientv3.New(clientv3.Config{
    Endpoints:   []string{"127.0.0.1:2379"},
    DialTimeout: 5 * time.Second,
})
defer cli.Close()

ctx := context.Background()
lease, _ := cli.Grant(ctx, 10) // 10 秒 TTL
key := "/services/order/10.0.0.5:8080"
cli.Put(ctx, key, `{"weight":1}`, clientv3.WithLease(lease.ID))

// 自动续约，进程活着就一直续
ch, _ := cli.KeepAlive(ctx, lease.ID)
go func() {
    for range ch {
    }
}()

// 优雅下线：撤销租约，实例立刻消失
defer cli.Revoke(context.Background(), lease.ID)

发现端用前缀查询拿全量列表，再用 Watch 拿增量：

resp, _ := cli.Get(ctx, "/services/order/", clientv3.WithPrefix())
for _, kv := range resp.Kvs {
    fmt.Println(string(kv.Key), string(kv.Value))
}

watchCh := cli.Watch(ctx, "/services/order/", clientv3.WithPrefix())
for wresp := range watchCh {
    for _, ev := range wresp.Events {
        if len(ev.Kv.Value) == 0 { // 空值 = 删除事件
            fmt.Println("下线:", string(ev.Kv.Key))
        } else {
            fmt.Println("上线:", string(ev.Kv.Key))
        }
    }
}

注意：Key 的命名必须规整成 /services/{服务名}/{实例ID}，前缀查询和 Watch 全靠这个约定。实例 ID 用 IP:Port 或 主机名-端口，保证全局唯一。

注意：TTL 不要设太短。10~30 秒比较稳妥，太短会因网络抖动误摘健康实例；同时 KeepAlive 的意义在于——进程假死（死锁、长 GC）时续约中断，实例自动被摘掉，这正是我们要的效果。

第三步：Consul 方案——ServiceRegister + 健康检查

Consul 把保活做进了 Agent，你不用自己维护租约。

go get github.com/hashicorp/consul/api

cfg := api.DefaultConfig()
cfg.Address = "127.0.0.1:8500"
c, _ := api.NewClient(cfg)

reg := &api.AgentServiceRegistration{
    ID:      "order-10.0.0.5-8080",
    Name:    "order",
    Address: "10.0.0.5",
    Port:    8080,
    Check: &api.AgentServiceCheck{
        HTTP:                           "http://10.0.0.5:8080/health",
        Interval:                       "10s",
        Timeout:                        "3s",
        DeregisterCriticalServiceAfter: "60s", // 关键
    },
}
c.Agent().ServiceRegister(reg)
defer c.Agent().ServiceDeregister(reg.ID)

发现端查健康实例，只返回 passing 状态的：

entries, _, _ := c.Health().Service("order", "", true, nil)
for _, e := range entries {
    addr := fmt.Sprintf("%s:%d", e.Service.Address, e.Service.Port)
    fmt.Println(addr)
}

如果你不想暴露 HTTP 健康端点，把 HTTP/Interval 换成 TTL: "15s"，然后在业务里定时上报：

go func() {
    t := time.NewTicker(5 * time.Second)
    for range t.C {
        c.Agent().PassTTL("service:order-10.0.0.5-8080", "")
    }
}()

注意：DeregisterCriticalServiceAfter 不设置的话，服务彻底挂掉后实例会永远留在 Catalog 里，调用方一直拿到死地址。这是 Consul 最常见的坑。

注意：TTL 模式下的 CheckID 格式是 service:{注册时的ID}，写错不会报错，但心跳等于白发。

第四步：调用方怎么做负载均衡

拿到实例列表后，别每个请求都去查一次注册中心。标准做法是本地缓存 + Watch/Blocking Query 更新：后台协程维护一份内存列表，请求时对它做轮询或随机挑选。etcd 用 Watch，Consul 用 Health().Service 的 QueryOptions{WaitIndex: lastIndex, WaitTime: 5 * time.Minute} 长轮询。

再进一步就是接入 gRPC 的 resolver.Builder，让 gRPC 自己按服务名拨号；或者用 go-kit、grpc-go 官方的 etcd resolver 插件，避免手写。

第五步：怎么选

• 已经在用 Kubernetes、etcd 集群现成：选 etcd，少一套组件，Watch 语义干净。
• 需要开箱即用的健康检查、DNS 查询、跨数据中心：选 Consul。
• 注册中心本身必须集群部署——etcd 至少 3 节点，Consul 3 或 5 节点。单点注册中心挂了，整个系统就没法扩缩容。

注意：无论用哪个，服务关闭时一定要走 defer Revoke / Deregister，否则要等 TTL 过期才摘除，滚动发布期间会有一段时间请求打到已停的实例上。

小结

1. 注册 = 写 Key（etcd 带 Lease / Consul 带 Service），保活 = KeepAlive 或 PassTTL。
2. etcd 用前缀 + Watch 做发现；Consul 用 Health().Service(..., passingOnly=true)。
3. Key/ID 命名要有约定且全局唯一，否则发现端拿不到正确列表。
4. 调用方本地缓存实例列表，靠 Watch 或阻塞查询更新，不要每次请求查注册中心。
5. 优雅下线（Revoke / Deregister）和 DeregisterCriticalServiceAfter 是两个必配项。