服务容错
- 前言
- 模拟高并发场景
- 压测测试
- 服务雪崩效应
- 常见容错方案
- 隔离
- 超时
- 限流
- 熔断
- 降级
- 常见的容错组件
- Hystrix
- Resilience4J
- Sentinel
- 总结
前言
上篇中，我们了解了Ribbon的概念，也实现了基于Ribbon的服务调用，但同样也引发了另一个问题，不知道大家有没有思考过。
如果服务与服务之间互相调用，那存不存在如果由于网络分区故障导致服务并不难100%可用？显而言之，是肯定存在的。那么该怎么解决这个问题呢？这时候就引入了一个新的概念，叫服务容错–Sentinel。
在讲述服务容错之前，我们先模拟一个高并发导致网络故障的场景，让大家有更深层次的了解。
模拟高并发场景
这里，我们通过线程的休眠 Thread.sleep(100);来模拟网络故障。
@RestController
@Slf4j
public class OrderController2 {
@Autowired
private OrderService orderService;
@Autowired
private ProductService productService;
@RequestMapping("/order/prod/{pid}")
public Order order(@PathVariable("pid") Integer pid) {
log.info("接收到{}号商品的下单请求,接下来调用商品微服务查询此商品信息", pid);
//调用商品微服 务,查询商品信息
Product product = productService.findByPid(pid);
log.info("查询到{}号商品的信息,内容是:{}", pid, JSON.toJSONString(product));
//模拟一次网络延时
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
//下单(创建订单)
Order order = new Order();
order.setUid(1);
order.setUsername("测试用户");
order.setPid(pid);
order.setPname(product.getPname());
order.setPprice(product.getPprice());
order.setNumber(1);
//为了不产生太多垃圾数据,暂时不做订单保存
//orderService.createOrder(order);
log.info("创建订单成功,订单信息为{}", JSON.toJSONString(order));
return order;
}
@RequestMapping("/order/message")
public String message() {
return "高并发下的问题测试";
}
}
修改配置文件中tomcat的并发数：
server:
port: 8091
tomcat:
max-threads: 10 #tomcat的最大并发值修改为10,默认是200
压测测试
接下来使用压测工具,对请求进行压力测试：
下载地址：https://jmeter.apache.org/
第一步:修改配置，并启动软件
进入bin目录,修改jmeter.properties文件中的语言支持为language=zh_CN，然后点击jmeter.bat 启动软件。
第二步:添加线程组
第三步:配置线程并发数：
第四步:添加Http取样：
第五步:配置取样，并启动测试：
访问message方法观察效果：
结论:：
此时会发现, 由于order方法囤积了大量请求, 导致message方法的访问出现了问题，这就是服务雪崩的雏形。
服务雪崩效应
从上面的高并发例子中，可能有点高并发基础的小伙伴已经反应过来了，这不就是雪崩的场景吗。
是的，这种在分布式微服务中，由于网络原因或自身的原因,服务一般无法保证 100% 可用。如果一个服务出现了问题，调用这个服务就会出现线程阻塞的情况，此时若有大量的请求涌入，就会出现多条线程阻塞等待，进而导致服务瘫痪。
由于服务与服务之间的依赖性，故障会传播，会对整个微服务系统造成灾难性的严重后果，这就是服务故障的 “雪崩效应” 。
雪崩发生的原因多种多样，有不合理的容量设计，或者是高并发下某一个方法响应变慢，亦或是某台机器的资源耗尽等等。
我们无法完全杜绝雪崩源头的发生，只有做好足够的容错，保证在一个服务发生问题，不会影响到其它服务的正常运行。也就是"雪落而不雪崩"。
常见容错方案
要防止雪崩的扩散，我们就要做好服务的容错，容错 ：说白了就是保护自己不被猪队友拖垮的一些措施， 下面介绍常见的服务容错思路和组件。
常见的容错思路有隔离、超时、限流、熔断、降级这几种，下面分别介绍一下。
隔离
它是指将系统按照一定的原则划分为若干个服务模块，各个模块之间相对独立，无强依赖。
当有故障发生时，能将问题和影响隔离在某个模块内部，而不扩散风险，不波及其它模块，不影响整体的系统服务。
常见的隔离方式有:线程池隔离和信号量隔离。
超时
在上游服务调用下游服务的时候，设置一个最大响应时间，如果超过这个时间，下游未作出反应，就断开请求，释放掉线程。
限流
限流就是限制系统的输入和输出流量已达到保护系统的目的。为了保证系统的稳固运行，一旦达到的需要限制的阈值，就需要限制流量并采取少量措施以完成限制流量的目的。
熔断
互联网系统中，当下游服务因访问压力过大而响应变慢或失败，上游服务为了保护系统整体的可用性，可以暂时切断对下游服务的调用。这种牺牲局部，保全整体的措施就叫做熔断。
服务熔断一般有三种状态:
- 熔断关闭状态(Closed)
服务没有故障时，熔断器所处的状态，对调用方的调用不做任何限制。
- 熔断开启状态(Open)
后续对该服务接口的调用不再经过网络，直接执行本地的fallback方法。
- 半熔断状态(Half-Open)
尝试恢复服务调用，允许有限的流量调用该服务，并监控调用成功率。如果成功率达到预期，则说明服务已恢复，进入熔断关闭状态；如果成功率仍旧很低，则重新进入熔断关闭状态。
降级
降级其实就是为服务提供一个托底方案，一旦服务无法正常调用，就使用托底方案。
常见的容错组件
Hystrix
Hystrix是由Netflflix开源的一个延迟和容错库，用于隔离访问远程系统、服务或者第三方库，防止级联失败，从而提升系统的可用性与容错性。
Resilience4J
Resilicence4J一款非常轻量、简单，并且文档非常清晰、丰富的熔断工具，这也是Hystrix官方推荐的替代产品。不仅如此，Resilicence4j还原生支持Spring Boot 1.x/2.x，而且监控也支持和prometheus等多款主流产品进行整合。
Sentinel
Sentinel 是阿里巴巴开源的一款断路器实现，本身在阿里内部已经被大规模采用，非常稳定。
如果是使用spring cloud alibaba的话，则推荐使用Sentinel做服务容错。
下面是三个组件在各方面的对比:
总结
本篇文章介绍了这么多，就是在说明，在分布式微服务中，服务调用之间产生的问题，以及解决方案。对于服务容错，本次采用Sentinel，下篇文章来讲解Sentinel 入门。
