1.4.x版本中，JRaft协议初始化失败导致集群不可用问题纵览

[realJackSun]

(该问题的父ISSUE为#5343)
Nacos1.4.x版本中，最为常见的ISSUE之一是：JRaft协议初始化经常失败，导致集群中一台或几台机器无法正常工作。
报错信息包括：
"server is DOWN now, please try again later!"
"old raft protocol already stop "
"did not find the Leader node"等

Nacos社区的修复计划列表包括：

• 将“Server is Down"的提示，修改成机器失效的具体原因，传给用户；该功能将通过增加接口的方式进行。 In version 1.4.1, modify the "Server is Down" prompt to the specific reason for the machine failure and send it to the user #5350
• 修复--选主成功，初始化完成了之后，但"Down"的状态没有改为"UP"--的问题。Nacos1.4.1 selected the leader successfully, but the peer status of "Down" is not changed to "UP" #5351
• 不同节点上，jRaft group member不一致。
• 其他初始化失败，无法选主的问题。（待补充，持续更新）

该问题关联的ISSUE包括：

• “server is Down" 问题
  nacos1.4集群服务注册server is DOWN now, please try again later! #4888
  1.4.0Version Server List 503 #4573
• 选主失败问题
  nacos集群（容器）从1.4.0升级到1.4.1后节点正常启动但是选举失败，回滚到1.4.0就没问题 #4730
  1.4.1 集群启动失败 #4995
  swarm 部署 nacos 集群，出现多 leader 情况，并且部分节点无法响应，down 掉的情况 #4974
  nacos1.4.1选举异常 #5300
  https://app.yinxiang.com/fx/60dcf61e-cf73-4343-875e-f4ff0885e7e5
  Nacos1.4.1 集群选举失败 #5339
• k8s环境部署问题
  k8s nacos1.4.1集群突然故障 #5311
  当nacos集群的某一个pod所在的k8s node节点异常宕机，然后节点恢复后，nacos集群中会多出一个异常节点 #5302
  nacos1.4.1 k8s集群化部署问题 #5290
  什么时候解决nacos在k8s上hostname的bug，这个问题n个版本一直存在。 #4962

[CherishCai]

不同节点上，jRaft group member不一致。

@KomachiSion
管控台上看到的节点信息，本节点的信息明显落后。原因之一认为是 allMembers() 的 Set.add(self) 时候因为 key 一致所以内容没覆盖进去；但是实际上 该是要 serverList 里的自身节点信息要被更实时地更新与 self 一致

[CherishCai]

不同节点上，jRaft group member不一致。

当前我如此处理，很久了都正常返回数据

[zrlw]

不同节点上，jRaft group member不一致。

当前我如此处理，很久了都正常返回数据 !

serverList初始化时有保存self对象，除了修改本地ip更新serverList时会删除旧地址对应的self之外，还有什么情况能让serverList保存的self对象和当前的self对象不一致呢？

[CherishCai]

serverList初始化时有保存self对象，除了修改本地ip更新serverList时会删除旧地址对应的self之外，还有什么情况能让serverList保存的self对象和当前的self对象不一致呢？

有一部分是 Raft 的一些选举内容变化，你看 extendInfo 的会在哪些更新地方就知道了。

[inkinworld]

请问 1.4.3 没有完全修复这些问题是嘛？

[CherishCai]

面对这个 k8s 云环境这种上下线/重启等成员 ip 变动大的情况，常常遇到 issue 里描述的问题；
而 Nacos 还是 AP 用法，所以 CP 不应该作为影响集群整体可用性的拦路虎；
而且 nacos-client 也会不断 beat 补全注册的数据，从而我这边增加了一个重置整个集群选举的入口 resetPeers （用于真的无法选主时的极限运维，总好过集群整体挂掉）

    /**
     * resetPeers. ## nacos-enhance ##.
     * <p>只有在非常紧急并且可用性更为重要的情况下使用：https://www.bookstack.cn/read/sofa-jraft/3.md#6.3%20多数节点故障</p>
     */
    RESET_PEERS(JRaftConstants.RESET_PEERS) {
        @Override
        public RestResult<String> execute(CliService cliService, String groupId, Node node, Map<String, String> args) {
            final Configuration newConf = new Configuration();
            String peers = args.get(JRaftConstants.COMMAND_VALUE);
            for (String peer : peers.split(",")) {
                newConf.addPeer(PeerId.parsePeer(peer.trim()));
            }
            
            final PeerId nodePeerId = node.getNodeId().getPeerId();
            Status status = cliService.resetPeer(groupId, nodePeerId, newConf);
            if (status.isOk()) {
                return RestResultUtils.success();
            }
            return RestResultUtils.failed(status.getErrorMsg());
        }
    };

[KomachiSion]

From the community feedback, the problem has been greatly reduced