学前必备知识
学之前我们要理解一些概念,之后我们会遇到QPS,并发量,线程等专有名词。
一文搞懂高并发性能指标:QPS、TPS、RT、并发数、吞吐量 - 知乎 (zhihu.com)
雪崩问题
1 是什么
在微服务远程调用的过程中,还存在几个问题需要解决。
首先是业务健壮性问题:
例如在之前的查询购物车列表业务中,购物车服务需要查询最新的商品信息,与购物车数据做对比,提醒用户。大家设想一下,如果商品服务查询时发生故障,查询购物车列表在调用商品服 务时,是不是也会异常?从而导致购物车查询失败。但从业务角度来说,为了提升用户体验,即便是商品查询失败,购物车列表也应该正确展示出来,哪怕是不包含最新的商品信息。
还有级联 失败问题:
还是查询购物车的业务,假如商品服务业务并发较高,占用过多Tomcat连接。可能会导致商品服务的所有接口响应时间增加,延迟变高,甚至是长时间阻塞直至查询失败。
此时查询购物车业务需要查询并等待商品查询结果,从而导致查询购物车列表业务的响应时间也变长,甚至也阻塞直至无法访问。而此时如果查询购物车的请求较多,可能导致购物车服务的Tomcat连接占用较多,所有接口的响应时间都会增加,整个服务性能很差, 甚至不可用。
依次类推,整个微服务群中与购物车服务、商品服务等有调用关系的服务可能都会出现问题,最终导致整个集群不可用。
这就是级联 失败 问题,或者叫雪崩问题。
2 产生原因
微服务相互调用,服务提供者出现故障或阻塞。
服务调用者没有做好异常处理,导致自身故障。
调用链中的所有服务级联失败,导致整个集群故障
3 解决问题的思路
尽量避免服务出现故障或阻塞。 保证代码的健壮性;
保证网络畅通; 能应对较高的并发请求;
服务调用者做好远程调用异常的后备方案,避免故障扩散
4 解决方案
微服务保护的方案有很多,比如:
-
请求限流
-
线程隔离
-
服务熔断
这些方案或多或少都会导致服务的体验上略有下降,比如请求限流, 降低了并发上限;线程隔离,降低了可用资源数量 ;服务熔断,降低了服务的完整度 ,部分服务变的不可用或弱可用。因此这些方案都属于服务降级的方案。但通过这些方案,服务的健壮性得到了提升,
接下来,我们就逐一了解这些方案的原理。
4.1 请求限流
服务故障最重要原因,就是并发太高!解决了这个问题,就能避免大部分故障。当然,接口的并发不是一直很高,而是突发的。因此请求限流,就是限制或控制接口访问的并发流量,避免服务因流量激增而出现故障。
请求限流往往会有一个限流器,数量高低起伏的并发请求曲线,经过限流器就变的非常平稳。这就像是水电站的大坝,起到蓄水的作用,可以通过开关控制水流出的大小,让下游水流始终维持在一个平稳的量。
4.2 线程隔离
当一个业务接口响应时间长,而且并发高时,就可能耗尽服务器的线程资源,导致服务内的其它接口受到影响。所以我们必须把这种影响降低,或者缩减影响的范围。线程隔离正是解决这个问题的好办法。
线程隔离的思想来自轮船的舱壁模式:
轮船的船舱会被隔板分割为N个相互隔离的密闭舱,假如轮船触礁进水,只有损坏的部分密闭舱会进水,而其他舱由于相互隔离,并不会进水。这样就把进水控制在部分船体,避免了整个船舱进水而沉没。
为了避免某个接口故障或压力过大导致整个服务不可用,我们可以限定每个接口可以使用的资源范围,也就是将其"隔离"起来。
如图所示,我们给查询购物车业务限定可用线程数量上限为20,这样即便查询购物车的请求因为查询商品服务而出现故障,也不会导致服务器的线程资源被耗尽,不会影响到其它接口。
4.3 服务熔断
线程隔离虽然避免了雪崩问题,但故障服务(商品服务)依然会拖慢购物车服务(服务调用方)的接口响应速度。而且商品查询的故障依然会导致查询购物车功能出现故障,购物车业务也变的不可用了。
所以,我们要做两件事情:
-
编写服务降级逻辑:就是服务调用失败后的处理逻辑,根据业务场景,可以抛出异常,也可以返回友好提示或默认数据。
-
异常统计和熔断:统计服务提供方的异常比例,当比例过高表明该接口会影响到其它服务,应该拒绝调用该接口,而是直接走降级逻辑。
4.4 失败处理
快速失败:给业务编写一个调用失败时的处理的逻辑,称为fallback。当调用出现故障(比如无线程可用)时,按照失败处理逻辑执行业务并返回,而不是直接抛出异常。
5 服务保护技术
我们要学习的是sentinel技术
Sentinel
1 介绍
微服务保护的技术有很多,但在目前国内使用较多的还是Sentinel,所以接下来我们学习Sentinel的使用
Sentinel是阿里巴巴开源的一款服务保护框架,目前已经加入SpringCloudAlibaba中。官方网站:home | Sentinel (sentinelguard.io)
Sentinel 的使用可以分为两个部分:
-
核心库(Jar包):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。
-
控制台(Dashboard):Dashboard 主要负责管理推送规则、监控、管理机器信息等。
2 快速入门
2.1 下载jar包
2.2 运行
将jar包放在任意非中文、不包含特殊字符的目录下,重命名为sentinel-dashboard.jar
:
然后运行如下命令启动控制台:
我们将端口号设置成8090防止冲突
bash
java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar
2.3 访问
访问http://localhost:8090页面,就可以看到sentinel的控制台了:
需要输入账号和密码,默认都是:sentinel
登录后,即可看到控制台,默认会监控sentinel-dashboard服务本身:
2.4 整合到微服务中
步骤一 引入依赖
java
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-alibaba-dependencies</artifactId>
<version>2022.0.0.0-RC2</version>
<type>pom</type>
</dependency>
<!--sentinel -->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
<version>2022.0.0.0-RC2</version>
</dependency>
步骤二 配置控制台
修改application.yaml文件,添加下面内容:
java
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8090
这样我们的Sentinel就基本配置好了
3 初步使用
3.1 服务的搭建
由于我们初步学习,我们先搭建一个简单的服务。里面就只含有一个Controller。我们之后就对这一个接口进行访问
java
@Slf4j
@RestController
@RequestMapping("/customer/info")
public class HelloWController {
@GetMapping("/HelloWorld")
public void HW(){
System.out.println("HelloWorld");
}
}
3.2 访问接口
当我们去访问上面的接口后,sentinel的客户端就会将服务访问的信息提交到sentinel-dashboard
控制台。并展示出统计信息:
点击簇点链路菜单,会看到下面的页面:
所谓簇点链路,就是单机调用链路,是一次请求进入服务后经过的每一个被Sentinel
监控的资源。默认情况下,Sentinel
会监控SpringMVC
的每一个Endpoint
(接口),就是controller向外面暴露的接口。
因此,我们看到/carts
这个接口路径就是其中一个簇点,我们可以对其进行限流、熔断、隔离等保护措施。
不过,需要注意的是,我们的SpringMVC接口是按照Restful风格设计,因此接口全部都是/customer/info路径。默认情况下Sentinel会把路径作为簇点资源的名称,无法区分路径相同但请求方式不同的接口,查询、删除、修改等都被识别为一个簇点资源,这显然是不合适的。
所以我们可以选择打开Sentinel的请求方式前缀,把**请求方式 + 请求路径
作为簇点资源名**:
首先,在application.yml
中添加下面的配置:
java
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8090
http-method-specify: true # 开启请求方式前缀
然后,重启服务,通过页面访问相关接口,可以看到sentinel控制台的簇点链路发生了变化:
4 请求限流
在簇点链路后面点击流控按钮,即可对其做限流配置
在弹出的菜单中这样填写,这样就把这个簇点资源的流量限制在了每秒6个,也就是最大QPS为6.:
我们利用Jemeter做限流测试,我们每秒发出10个请求
最终监控结果如下:
我们一秒发10个请求,然后限流6个,所以拒绝4个
5 线程隔离
限流可以降低服务器压力,尽量减少因并发流量引起的服务故障的概率,但并不能完全避免服务故障。一旦某个服务出现故障,我们必须隔离对这个服务的调用,避免发生雪崩。
比如,查询购物车的时候需要查询商品,为了避免因商品服务出现故障导致购物车服务级联失败,我们可以把购物车业务中查询商品的部分隔离起来,限制可用的线程资源:
首先点击簇点资源后面的流控按钮注意
这里勾选的是并发线程数限制,也就是说这个查询功能最多使用5个线程,而不是5QPS。如果查询商品的接口每秒处理2个请求,则5个线程的实际QPS在10左右,而超出的请求自然会被拒绝:
其次,调整访问代码,每一次执行需要睡眠500毫秒。这就是说,每一秒并发为2,QPS为2.那么有五个线程,QPS就是10.
最后,我们测试每秒并发量100
结果,QPS是10,拒绝的请求是90,符合预期。
6 编写降级逻辑 FallBack
触发限流或熔断后的请求不一定要直接报错,也可以返回一些默认数据或者友好提示,用户体验会更好。
给FeignClient编写失败后的降级逻辑有两种方式:
-
方式一:FallbackClass,无法对远程调用的异常做处理
-
方式二:FallbackFactory,可以对远程调用的异常做处理,我们一般选择这种方式。
注意!!!
我们不建议对整个服务做限流做隔离,只简易对远程调用这些接口来小规模地隔离
1 代码解读
我这里编写了一个简单的调用逻辑来实现
1.1 接受前段传来请求的controller
这里我们远程调用,因为fallback就是要远程调用框架实现,所以多了远程调用部分
java
@Slf4j
@RestController
@RequiredArgsConstructor
public class HelloWController {
private final idClient idClient;
@GetMapping("/HelloWorld")
public void HW() throws InterruptedException {
Thread.sleep(500);
idClient.helloworld();
}
}
1.2 远程调用接口(具体实现)
这里比正常的远程调用在注解那多了一个fallbackFactory参数 ,这里表示我们请求失败之后会执行的地方,也就是远程调用失败后执行fallback的逻辑
java
@FeignClient(value = "LearnSentinel", fallbackFactory = UserClientFallbackFactory.class)
public interface idClient {
@GetMapping("/customer/info/HelloWorld/client")
void helloworld();
}
1.3 fallback逻辑(具体实现)
我们定义了一个 Fallback 工厂,实现了 FallbackFactory 类。泛型就是我们这个逻辑是在哪个远程调用失败后执行的类,然后去重写里面的 create方法 ,fallback逻辑就是在这里定义的
java
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<idClient>{
@Override
public idClient create(Throwable cause) {
log.error("查询用户失败", cause);
return null;
}
}
1.4 将 Fallback工厂注入到spring环境(具体实现)
java
@Configuration
public class UserClientFallbackFactoryConfig {
@Bean
public UserClientFallbackFactory factory(){
return new UserClientFallbackFactory();
}
}
1.5 远程调用的接口
java
@RestController
@Slf4j
@RequestMapping("/customer/info")
@RequiredArgsConstructor
public class hewcc {
@GetMapping("/HelloWorld/client")
public void hw(){
log.info("helloworld");
}
}
2 测试启动!!!
我将模拟并发参数改成QPS为10,线程隔离给服务分配了一个线程,也就是允许QPS为2,则失败的QPS为8,结果符合
7 服务熔断
7.1 使用场景
查询商品的RT较高(模拟的500ms),从而导致查询购物车的RT也变的很长。这样不仅拖慢了购物车服务,消耗了购物车服务的更多资源,而且用户体验也很差。
对于商品服务这种不太健康的接口,我们应该停止调用,直接走降级逻辑,避免影响到当前服务。也就是将商品查询接口熔断 。当商品服务接口恢复正常后,再允许调用。这其实就是断路器的工作模式了。
Sentinel中的断路器不仅可以统计某个接口的慢请求比例 ,还可以统计异常请求比例 。当这些比例超出阈值时,就会熔断该接口,即拦截访问该接口的一切请求,降级处理;当该接口恢复正常时,再放行对于该接口的请求。
7.2 工作原理
断路器的工作状态切换有一个状态机来控制。
如果我们服务正常,就会放行请求,closed状态;如果服务响应时间达到熔断阈值,进入open状态,来拦截请求,进入Fallback逻辑。等到熔断时间结束,就进入Half-open状态,放行一次看看结果。如果结果还是失败就再次进入open状态。如果结果成功就进入closed状态,放行。
状态机包括三个状态:
-
closed:关闭状态,断路器放行所有请求,并开始统计异常比例、慢请求比例。超过阈值则切换到open状态
-
open :打开状态,服务调用被熔断,访问被熔断服务的请求会被拒绝,快速失败,直接走降级逻辑。Open状态持续一段时间后会进入half-open状态
-
half-open:半开状态,放行一次请求,根据执行结果来判断接下来的操作。
-
请求成功:则切换到closed状态
-
请求失败:则切换到open状态
-
7.3 在控制台配置熔断逻辑
这里我们选择慢调用比例。
最大RT: 指最大的相应时间,单位为ms
比例阈值:只失败和成功的比例。0.5表示失败率为百分之50
熔断时长:从open到half-open的状态
最小请求数:如果测试数超过5以后比例阈值大于0.5,那么就熔断。判断熔断的次数
统计时长:在这段时间内来统计上面所说的条件。
当然,我们熔断功能还包含着其他判断熔断条件:异常比例和异常数 参数也可以理解,和上面的差不多