软件开发架构师

微服务架构如何保障双11狂欢下的99.99%高可用

架构 42 2019-03-11 11:41

点击上方"石杉的架构笔记", 右上角选择“设为星标”

 周一至五早8点半!精品技术文章准时送上!


往期文章




目录

一、概述

二、业务场景介绍

三、线上经验 _ 如何设置Hystrix线程池大小

四、线上经验 _ 如何设置请求超时时间

五、服务降级

六、总结


一、概述


上一篇文章讲了一个朋友公司使用Spring Cloud架构遇到问题的一个真实案例,虽然不是什么大的技术问题,但如果对一些东西理解的不深刻,还真会犯一些错误。



如果没看过上一篇文章的朋友,建议先看看:【双11狂欢的背后】微服务注册中心如何承载大型系统的千万级访问? 因为本文的案例背景会基于上一篇文章。



这篇文章我们来聊聊在微服务架构中,到底如何保证整套系统的高可用?



排除掉一些基础设施的故障,比如说Redis集群挂了,Elasticsearch集群故障了,MySQL宕机。



微服务架构本身最最核心的保障高可用的措施,就是两点:


  1. 一个是基于Hystrix做资源隔离以及熔断;


  2. 另一个是做备用降级方案。



如果资源隔离和降级都做的很完善,那么在双11这种高并发场景下,也许可能会出现个别的服务故障,但是绝不会蔓延到整个系统全部宕机。



这里大家如果忘了如何基于hystrix做资源隔离、熔断以及降级的话,可以回顾一下之前的文章: 拜托!面试请不要再问我Spring Cloud底层原理 





二、业务场景介绍


大家首先回顾一下下面这张图,这是上篇文章中说到的一个公司的系统。



如上图,核心服务A调用了核心服务B和C,在核心服务B响应过慢时,会导致核心服务A的某个线程池全部卡死。



但是此时因为你用了hystrix做了资源隔离,所以核心服务A是可以正常调用服务C的,那么就可以保证用户起码是可以使用APP的部分功能的,只不过跟服务B关联的页面刷不出来,功能无法使用罢了。



当然这种情况在生产系统中,是绝对不被允许的,所以大家不要让上述情况发生。



在上一篇文章中,我们最终把系统优化成了下图这样:


  • 要保证一个hystrix线程池可以轻松处理每秒钟的请求


  • 同时还有合理的超时时间设置,避免请求太慢卡死线程。





三、线上经验—如何设置Hystrix线程池大小



好,现在问题来了,在生产环境中,我们到底应该如何设置服务中每个hystrix线程池的大小?



下面是我们在线上经过了大量系统优化后的生产经验总结:

 

假设你的服务A,每秒钟会接收30个请求,同时会向服务B发起30个请求,然后每个请求的响应时长经验值大概在200ms,那么你的hystrix线程池需要多少个线程呢?



计算公式是:30(每秒请求数量) * 0.2(每个请求的处理秒数) + 4(给点缓冲buffer) = 10(线程数量)。



如果对上述公式存在疑问,不妨反过来推算一下,为什么10个线程可以轻松抗住每秒30个请求?



一个线程200毫秒可以执行完一个请求,那么一个线程1秒可以执行5个请求,理论上,只要6个线程,每秒就可以执行30个请求。



也就是说,线程里的10个线程中,就6个线程足以抗住每秒30个请求了。剩下4个线程都在玩儿,空闲着。



那为啥要多搞4个线程呢?很简单,因为你要留一点buffer空间。



万一在系统高峰期,系统性能略有下降,此时不少请求都耗费了300多毫秒才执行完,那么一个线程每秒只能处理3个请求了,10个线程刚刚好勉强可以hold住每秒30个请求。所以你必须多考虑留几个线程。



老规矩,给大家来一张图,直观的感受一下整个过程。





四、线上经验—如何设置请求超时时间

线程数量OK了,那么请求的超时时间设置为多少?答案是300毫秒。



为啥呢?很简单啊,如果你的超时时间设置成了500毫秒,想想可能会有什么后果?



考虑极端情况,如果服务B响应变慢,要500毫秒才响应,你一个线程每秒最多只能处理2个请求了,10个线程只能处理20个请求。



而每秒是30个请求过来,结局会如何?



咱们回看一下第一张图就知道了,大量的线程会全部卡死,来不及处理那么多请求,最后用户会刷不出来页面。


 

还是有点不理解?再给你一张图,让你感受一下这个不合理的超时时间导致的问题!



如果你的线程池大小和超时时间没有配合着设置好,很可能会导致服务B短暂的性能波动,瞬间导致服务A的线程池卡死,里面的线程要卡顿一段时间才能继续执行下一个请求。



哪怕一段时间后,服务B的接口性能恢复到200毫秒以内了,服务A的线程池里卡死的状况也要好一会儿才能恢复过来。



你的超时时间设置的越不合理,比如设置的越长,设置到了1秒、2秒,那么这种卡死的情况就需要越长的时间来恢复。



所以说,此时你的超时时间得设置成300毫秒,保证一个请求300毫秒内执行不完,立马超时返回。



这样线程池里的线程不会长时间卡死,可以有条不紊的处理多出来的请求,大不了就是300毫秒内处理不完立即超时返回,但是线程始终保持可以运行的状态。



这样当服务B的接口性能恢复到200毫秒以内后,服务A的线程池里的线程很快就可以恢复。



这就是生产系统上的hystrix参数设置优化经验,你需要考虑到各种参数应该如何设置。



否则的话,很可能会出现上文那样的情况,用了高大上的Spring Cloud架构,结果跟黑盒子一样,莫名其妙系统故障,各种卡死,宕机什么的。




好了,我们继续。如果现在这套系统每秒有6000请求,然后核心服务A一共部署了60台机器,每台机器就是每秒会收到100个请求,那么此时你的线程池需要多少个线程?



很简单,10个线程抗30个请求,30个线程抗100请求,差不多了吧。



这个时候,你应该知道服务A的线程池调用服务B的线程池分配多少线程了吧?超时时间如何设置应该也知道了!



其实这个东西不是固定死的,但是你要知道他的计算方法。



根据服务的响应时间、系统高峰QPS、有多少台机器,来计算出来,线程池的大小以及超时时间!




五、服务降级


设置完这些后,就应该要考虑服务降级的事了。



如果你的某个服务挂了,那么你的hystrix会走熔断器,然后就会降级,你需要考虑到各个服务的降级逻辑。



举一些常见的例子:


  • 如果查询数据的服务挂了,你可以查本地的缓存


  • 如果写入数据的服务挂了,你可以先把这个写入操作记录日志到比如mysql里,或者写入MQ里,后面再慢慢恢复


  • 如果redis挂了,你可以查mysql


  • 如果mysql挂了,你可以把操作日志记录到es里去,后面再慢慢恢复数据。



具体用什么降级策略,要根据业务来定,不是一成不变的。



六、总结


最后总结一下,排除那些基础设施的故障,你要玩儿微服务架构的话,需要保证两点:


  • 首先你的hystrix资源隔离以及超时这块,必须设置合理的参数,避免高峰期,频繁的hystrix线程卡死


  • 其次,针对个别的服务故障,要设置合理的降级策略,保证各个服务挂了,可以合理的降级,系统整体可用!





如有收获,请帮忙转发,您的鼓励是作者最大的动力,谢谢!



一大波微服务、分布式、高并发、高可用原创系列文章正在路上,欢迎扫描下方二维码,持续关注:



兄弟,用大白话告诉你小白都能看懂的Hadoop架构原理敬请期待


大规模集群下Hadoop的NameNode如何承载高并发访问敬请期待




石杉的架构笔记(id:shishan100)

十余年BAT架构经验倾囊相授



文章评论