概述

這篇文章我們來聊聊在微服務(wù)架構(gòu)中，到底如何保證整套系統(tǒng)的高可用？

排除掉一些基礎(chǔ)設(shè)施的故障，比如說Redis集群掛了，Elasticsearch集群故障了，MySQL宕機。

微服務(wù)架構(gòu)本身最最核心的保障高可用的措施，就是兩點：

1. 一個是基于Hystrix做資源隔離以及熔斷；
2. 另一個是做備用降級方案。

如果資源隔離和降級都做的很完善，那么在雙11這種高并發(fā)場景下，也許可能會出現(xiàn)個別的服務(wù)故障，但是絕不會蔓延到整個系統(tǒng)全部宕機。

業(yè)務(wù)場景介紹

大家首先回顧一下下面這張圖，這是上篇文章中說到的一個公司的系統(tǒng)。

如上圖，核心服務(wù)A調(diào)用了核心服務(wù)B和C，在核心服務(wù)B響應(yīng)過慢時，會導(dǎo)致核心服務(wù)A的某個線程池全部卡死。

但是此時因為你用了hystrix做了資源隔離，所以核心服務(wù)A是可以正常調(diào)用服務(wù)C的，那么就可以保證用戶起碼是可以使用APP的部分功能的，只不過跟服務(wù)B關(guān)聯(lián)的頁面刷不出來，功能無法使用罷了。

當(dāng)然這種情況在生產(chǎn)系統(tǒng)中，是絕對不被允許的，所以大家不要讓上述情況發(fā)生。

在上一篇文章中，我們最終把系統(tǒng)優(yōu)化成了下圖這樣：

• 要保證一個hystrix線程池可以輕松處理每秒鐘的請求。
• 同時還有合理的超時時間設(shè)置，避免請求太慢卡死線程。

線上經(jīng)驗—如何設(shè)置Hystrix線程池大小

好，現(xiàn)在問題來了，在生產(chǎn)環(huán)境中，我們到底應(yīng)該如何設(shè)置服務(wù)中每個hystrix線程池的大?。?/p>

下面是我們在線上經(jīng)過了大量系統(tǒng)優(yōu)化后的生產(chǎn)經(jīng)驗總結(jié)：

假設(shè)你的服務(wù)A，每秒鐘會接收30個請求，同時會向服務(wù)B發(fā)起30個請求，然后每個請求的響應(yīng)時長經(jīng)驗值大概在200ms，那么你的hystrix線程池需要多少個線程呢？

計算公式是：30（每秒請求數(shù)量） * 0.2（每個請求的處理秒數(shù)） + 4（給點緩沖buffer） = 10（線程數(shù)量）。

如果對上述公式存在疑問，不妨反過來推算一下，為什么10個線程可以輕松抗住每秒30個請求？

一個線程200毫秒可以執(zhí)行完一個請求，那么一個線程1秒可以執(zhí)行5個請求，理論上，只要6個線程，每秒就可以執(zhí)行30個請求。

也就是說，線程里的10個線程中，就6個線程足以抗住每秒30個請求了。剩下4個線程都在玩兒，空閑著。

那為啥要多搞4個線程呢？很簡單，因為你要留一點buffer空間。

萬一在系統(tǒng)高峰期，系統(tǒng)性能略有下降，此時不少請求都耗費了300多毫秒才執(zhí)行完，那么一個線程每秒只能處理3個請求了，10個線程剛剛好勉強可以hold住每秒30個請求。所以你必須多考慮留幾個線程。

老規(guī)矩，給大家來一張圖，直觀的感受一下整個過程。

線上經(jīng)驗—如何設(shè)置請求超時時間

線程數(shù)量OK了，那么請求的超時時間設(shè)置為多少？答案是300毫秒。

為啥呢？很簡單啊，如果你的超時時間設(shè)置成了500毫秒，想想可能會有什么后果？

考慮極端情況，如果服務(wù)B響應(yīng)變慢，要500毫秒才響應(yīng)，你一個線程每秒最多只能處理2個請求了，10個線程只能處理20個請求。

而每秒是30個請求過來，結(jié)局會如何？

咱們回看一下第一張圖就知道了，大量的線程會全部卡死，來不及處理那么多請求，最后用戶會刷不出來頁面。

還是有點不理解？再給你一張圖，讓你感受一下這個不合理的超時時間導(dǎo)致的問題！

?如果你的線程池大小和超時時間沒有配合著設(shè)置好，很可能會導(dǎo)致服務(wù)B短暫的性能波動，瞬間導(dǎo)致服務(wù)A的線程池卡死，里面的線程要卡頓一段時間才能繼續(xù)執(zhí)行下一個請求。

哪怕一段時間后，服務(wù)B的接口性能恢復(fù)到200毫秒以內(nèi)了，服務(wù)A的線?程池里卡死的狀況也要好一會兒才能恢復(fù)過來。

你的超時時間設(shè)置的越不合理，比如設(shè)置的越長，設(shè)置到了1秒、2秒，那么這種卡死的情況就需要越長的時間來恢復(fù)。

所以說，此時你的超時時間得設(shè)置成300毫秒，保證一個請求300毫秒內(nèi)執(zhí)行不完，立馬超時返回。

這樣線程池里的線程不會長時間卡死，可以有條不紊的處理多出來的請求，大不了就是300毫秒內(nèi)處理不完立即超時返回，但是線程始終保持可以運行的狀態(tài)。

這樣當(dāng)服務(wù)B的接口性能恢復(fù)到200毫秒以內(nèi)后，服務(wù)A的線程池里的線程很快就可以恢復(fù)。

這就是生產(chǎn)系統(tǒng)上的hystrix參數(shù)設(shè)置優(yōu)化經(jīng)驗，你需要考慮到各種參數(shù)應(yīng)該如何設(shè)置。

否則的話，很可能會出現(xiàn)上文那樣的情況，用了高大上的Spring Cloud架構(gòu)，結(jié)果跟黑盒子一樣，莫名其妙系統(tǒng)故障，各種卡死，宕機什么的。

好了，我們繼續(xù)。如果現(xiàn)在這套系統(tǒng)每秒有6000請求，然后核心服務(wù)A一共部署了60臺機器，每臺機器就是每秒會收到100個請求，那么此時你的線程池需要多少個線程？

很簡單，10個線程抗30個請求，30個線程抗100請求，差不多了吧。

這個時候，你應(yīng)該知道服務(wù)A的線程池調(diào)用服務(wù)B的線程池分配多少線程了吧？超時時間如何設(shè)置應(yīng)該也知道了！

其實這個東西不是固定死的，但是你要知道他的計算方法。

根據(jù)服務(wù)的響應(yīng)時間、系統(tǒng)高峰QPS、有多少臺機器，來計算出來，線程池的大小以及超時時間！

服務(wù)降級

設(shè)置完這些后，就應(yīng)該要考慮服務(wù)降級的事了。

如果你的某個服務(wù)掛了，那么你的hystrix會走熔斷器，然后就會降級，你需要考慮到各個服務(wù)的降級邏輯。

舉一些常見的例子：

• 如果查詢數(shù)據(jù)的服務(wù)掛了，你可以查本地的緩存。
• 如果寫入數(shù)據(jù)的服務(wù)掛了，你可以先把這個寫入操作記錄日志到比如mysql里，或者寫入MQ里，后面再慢慢恢復(fù)。
• 如果redis掛了，你可以查mysql。
• 如果mysql掛了，你可以把操作日志記錄到es里去，后面再慢慢恢復(fù)數(shù)據(jù)。

具體用什么降級策略，要根據(jù)業(yè)務(wù)來定，不是一成不變的。

總結(jié)

最后總結(jié)一下，排除那些基礎(chǔ)設(shè)施的故障，你要玩兒微服務(wù)架構(gòu)的話，需要保證兩點：

• 首先你的hystrix資源隔離以及超時這塊，必須設(shè)置合理的參數(shù)，避免高峰期，頻繁的hystrix線程卡死。
• 其次，針對個別的服務(wù)故障，要設(shè)置合理的降級策略，保證各個服務(wù)掛了，可以合理的降級，系統(tǒng)整體可用！