如何通过单个Actor停止跨多机且启用Sharding的整个Akka Cluster

现有已知操作边界 #

• 单节点维度可通过context.system.terminate()直接终止当前节点的ActorSystem
• 可在本地执行停止本地Sharding Region的操作
• 已接触到的prepareForFullClusterShutdown()方法仅承担集群停机前置状态调整的作用，不会实际触发节点停止流程
• 目前不存在可直接一键完成全集群停止的现成单一API命令，需要按流程组合现有能力实现

可行的落地实现流程 #

• 触发逻辑的单Actor先获取全集群节点视图
  • 该Actor接入Akka Cluster扩展，通过Cluster.get(context.system).state.members获取所有处于Up状态的集群成员地址，过滤出所有待停止的远程节点列表
  • 触发前先校验当前集群是否存在网络分区、未达稳定状态，避免异常状态下误执行全停操作
• 执行Sharding集群的安全停机前置流程
  • 首先调用prepareForFullClusterShutdown()方法，调整集群状态：禁止后续新的分片分配、停止自动节点重平衡逻辑，避免停机过程中出现分片跨节点迁移的额外开销
  • 逐一向各节点的Sharding Region发送优雅关闭指令，等本地所有分片完成状态持久化、在途消息处理完成后，再推进后续停止步骤
• 逐节点远程触发ActorSystem终止
  • 按照“非种子节点优先、种子节点最后”的顺序，向每个目标节点发送预先约定的停止指令，要求收到指令的节点执行本地优雅退出流程：先完成本地资源清理、持久化刷盘、连接断开处理，再调用system.terminate()终止自身ActorSystem
  • 等待每个节点返回停止确认回执后，再推进下一个节点的停止流程，避免节点同时退出触发集群成员状态的频繁震荡
• 最后执行触发节点自身的停机
  • 等所有远程节点全部完成终止流程后，承载触发逻辑的这个Actor所在节点，再执行自身的优雅退出与system.terminate()流程

落地注意事项 #

• 不要跳过Sharding的优雅关闭步骤直接硬停节点，否则会导致分片状态不一致、持久化事件丢失、业务数据错乱的问题
• 全集群停机的触发逻辑必须加严格的权限校验，避免未授权的单Actor误操作引发生产事故
• 跨多机部署的场景下，需提前保证触发节点与所有目标节点的远程通信链路畅通，完成证书、网络策略的配置，避免远程停止指令无法送达

内容的提问来源于stack exchange，提问作者Gryfit