jackson0714

封面

滚滚长江东逝水,浪花淘尽英雄。

是非成败转头空。青山依旧在,几度夕阳红。

-- 来自《三国演义》

本篇将会通过三国中的赤壁之战来讲述周瑜、黄盖和诸葛亮是怎么把服务雪崩玩到极致的。

本文已收录到我的 Github,点击文末的阅读原文打开。给个Star吧~

https://github.com/Jackson0714/PassJava-Learning

赤壁之战

话说东汉末年,曹操、孙权、刘备在赤壁市进行了一次争夺老大位置的大战,这就是有名的赤壁之战

一、还原赤壁之战

曹操统一北方后,南下打败了刘备,占领荆襄之地后,还想干掉东边的孙权,于是刘备和孙权一起联合抗击曹军八十万大军。

曹操的军队大部分都是北方的,对于水上作战的经验非常欠缺,而且很多士兵晕船,于是曹操命令军队将船尾用铁索相连,减弱了风浪颠簸,利于士兵演练。

铁索连环-图片来源网络

我们来看看周瑜、黄盖、诸葛亮的对话:
三人对话@悟空聊架构

黄盖:曹操是真的蠢啊,把船连着,如果船烧着了,其他船会跟着一起烧着的。锁链不易解开,船都逃不了了。我们用火攻,直接把曹军干趴下。
周瑜:但如何接近他们的船呢?
黄盖:我用诈降带几艘船出发,船上载浸油的干草,等接近曹军时,点燃干草,冲向曹军的连环船,引燃他们的船只。
周瑜:秒啊!可是哪来的东风?
诸葛亮:我来借东风~

赤壁之战那天,火船乘风闯入曹军船阵,顿时一片火海。联军乘势攻击,曹军伤亡惨重,最后以联军大胜结束,成为了以少胜多的经典战役。

引燃连锁船-图片来源网络

二、战情分析

周瑜和黄盖看出了连环船的弱点:如果一只船被烧着了,也会把连着的船烧着。

这就很像我们的系统中出现的服务雪崩问题。

假定我们系统引进了微服务的思想,将多个服务进行拆分,每个服务都是通过接口调用来完成的,看似功能通过微服务化后,功能和职责单一,正是我们想要的.

但随着业务的增长,服务的数量也是随之增多,逻辑也会更加复杂,一个服务的某个逻辑需要依赖多个其他服务才能完成。假如一个被依赖的服务不能向上游的服务提供服务,则很可能造成雪崩效应,最后导致整个服务不可访问。

就像雪山上某一处出现积雪崩塌的现象,慢慢地带动其他片区的积雪崩塌,产生了级联反应,最后造成大片的积雪崩塌,这就是常见的雪崩场景。

小结: 一个服务失败,导致整条链路的服务都失败的场景,称为服务雪崩。

那曹军应该怎么避免这个问题呢?别急,后面再看答案。

三、系统中的雪崩效应

微服务之间往往采用 RPC 或者 HTTP 调用,一般都会设置调用超时的限制,或者通过失败重试机制来确保服务成功执行。但如果不考虑服务的熔断和限流,还是很容易产生服务雪崩的。下面用例子来讲解下雪崩效应是怎么产生的。

雪崩效应

  • 我们系统中三个服务:订单服务商品服务库存服务

  • 下单场景:用户下单了一个商品,客户端调用订单服务来生成预付款订单,订单服务调用商品服务查看下单的哪款商品,商品服务调用库存服务判断这款商品是否有库存,如有库存,则可以生成预付款订单。

  • 假定因双十一流量暴增,库存服务不可用(如响应超时等),库存服务收到的很多请求都未处理完,它将无法处理更多请求。

  • 而上游的商品服务依赖库存服务,商品服务的超时和重试机制会被执行。商品服务新的调用不断产生,会导致商品服务的调用被大量积压,产生大量的调用等待和重试调用,慢慢耗尽商品服务的资源,比如内存,结果导致商品服务也宕机了。

  • 而订单服务也会重走商品服务的老路。结果就是三个服务都不可用了。

四、造成雪崩的真实场景

1.4.1 服务提供者不可用

  • 硬件故障,如网络故障、硬盘损坏等。
  • 程序的 bug,如算法需要占用大量 CPU 的计算时间导致 CPU 使用率过高。
  • 缓存击穿:比如应用刚重启,短时间内缓存是失效的,导致大量请求直接访问到了数据库,数据库不堪重负,服务不可用。
  • 秒杀和大促:服务短时间承载不了那么多请求量。

1.4.2 重试加大流量

  • 用户连续重试,比如用户看到界面上没有响应,所以又操作了一遍,结果又增加了一倍请求量。
  • 程序重试机制,比如代码中有多次重试的逻辑,一次失败后,过几秒后再重试,重试个三次就取消重试,走异常处理分支了。也是增加了请求量。

五、如何防止雪崩

方案

出问题前预防:限流、主动降级、隔离

出问题后修复:熔断、被动降级

本篇主要来讲解熔断机制。 后续几篇会讲解其他方案。

六、熔断原理和算法

1.6.1 熔断概念

保险丝熔断
熔断这个概念来源于电路系统中的保险丝熔断。当电流过大时,保险丝熔断,防止因电流过大损坏电器元器件,或因电流过大,导致元器件热度过高,发生火灾。
保险丝长啥样

物理公式: 电功率 P = I^2 * R,I 代表电流,元器件的电阻 R 不变的情况下,电流越大,电功率约大,电阻做的电功大部分都用来发热了,所以电功率越大,发热越严重。(还好高中物理没忘。)

放到我们系统中,怎么理解熔断?

如果在某段时间内,调用某个调用非常慢甚至超时,就可以将这个服务熔断,后续其他服务再调用这个服务就直接返回,告诉其他服务:“已经熔断了,你别调用我了,过段时间再来试下吧。”

1.6.2 如何熔断

熔断有个原则:一段时间内,统计失败的次数或者失败请求的占比超过一定阈值,就进行熔断。

详细的原理如下图所示:

熔断原理图&悟空聊架构

1.6.3 统计请求的算法

  • 请求访问到后台服务后,首先判断熔断开关是否打开。

  • 如果熔断开关已打开,则表明当前请求不能被处理。

  • 如果熔断开关未打开,则判断时间窗口是否已满。

  • 如果时间窗口未满,则请求桶中的请求数加 1。

  • 如果返回的响应有异常,则失败桶的失败数加 1,如果返回的响应没有异常,则成功桶的成功数加 1。

  • 如果时间窗口(判断统计错误率)已满,则开始判断是否需要熔断。

1.6.4 熔断的恢复算法

  • 当熔断后,开关切换到断开状态
  • 过一段时间后,开关切换为半断开状态(Half-Open)。半断开状态下,允许对应用程序的一定数量的请求可以去调用服务,如果调用成功,则认为服务可以正常访问了,于是将开关切换为闭合状态
  • 如果半断开状态下,还是有调用失败的情况,则认为服务还没有恢复,开关从半断开状态切换到断开状态

1.6.5 统计失败率的时间窗口

统计失败率的时间窗口@悟空聊架构

  • 时间窗口可以比喻为人坐在窗户边,看外面来往的车辆,一定时间内从窗户外经过的车辆。

  • 每次请求,都会判断时间窗口是否已满(如5分钟),如果时间窗口已满,则重新开始计时,且清理请求数/成功数/失败数。

  • 注意:第一次开始的起始时间默认为当前时间。

1.6.6 尝试恢复服务的时间窗口

尝试恢复服务的时间窗口@悟空聊架构

  • 开关为断开的状态,经过一定时间后,比如 1 分钟,设置为半断开的状态,尝试发送请求检测服务是否恢复。
  • 如果已恢复,则切换状态为关闭状态。如果未恢复,则切换状态为断开的状态,经过 1 分钟后,重复上面的步骤。
  • 这里的时间窗口可以根据环境的运行状态进行动态调整,比如第一次是 1 分钟,第二次是 3 分钟,第三次是 10 分钟。

七、熔断中间件

肯定有人会问了,你这上面讲的原理,难道还真的自己去写这套算法?

答案:是的,项目中我们自己造了一个*:熔断器。

但这里我不推荐大家这么做。市面上还有更优秀的开源组件供大家使用,比如阿里系的 Sentinel(推荐),Netflix 的 Hystrix(已停止更新)。

当然 Sentinel 就不在这篇讲了,后续奉上~

八、扭转战局

曹操大败是因为连锁船的原因,那如何给曹操提供一妙计,助他扭转战局呢?

方案有如下几个:

  • 可以用麻绳代替锁链,因绳子更容易割断。(熔断机制)
  • 将船划分到几个区域,区域之间保持一定距离。(熔断+资源隔离)
  • 在湖面上提前设关卡,黄盖过来的话,先检查船和人,有问题不予通行。(熔断)

妙啊

九、限流、降级

本来是想在这篇把限流和降级也写完的,发现熔断的内容越写越多了,那就把限流和降级放在后面几篇吧。也是三国故事哦~

写在最后

《三国演义》也是我非常喜欢的一部文学作品,书大概看了 80 %,电视剧是看完了的。

最喜欢的角色当然是军师诸葛亮啦,还有枭雄曹操~~

我建了一个学习交流群「在群里不说话都能进步哦~」 扫码加我,备注[加群]
悟空呀
我的公众号

相关文章: