【Spring Cloud】高并发带来的问题及常见容错方案

欢迎来到阿Q社区
https://bbs.csdn.net/topics/617897123

高并发带来的问题

在微服务架构中，我们将业务拆分成一个个的服务，服务与服务之间可以相互调用，但是由于网络原因或者自身的原因，并不能保证服务的100%可用，如果单个服务出现问题，调用这个服务就会出现网络延迟，此时若有大量的网络涌入，会形成任务堆积，最终导致服务瘫痪。

接下来，我们来模拟一个高并发的场景

编写代码

@GetMapping("/{pid}")
public ShopOrder order(@PathVariable("pid") Long pid) {
    log.info("客户下单，这时候要调用商品微服务查询商品信息。。。");
    //通过fegin调用商品微服务
    ShopProduct product = productService.findByPid(pid);
    log.info("商品信息,查询结果:" + JSON.toJSONString(product));

    //模拟一次网络延时
    try{
        Thread.sleep(100);
    }catch (InterruptedException e) {
        e.printStackTrace();
    }

    log.info("当前用户信息为自己，假设我们设置为1");
    ShopOrder shopOrder = new ShopOrder();
    shopOrder.setUid(1L);
    shopOrder.setUsername("公众号：阿Q说代码");
    shopOrder.setPid(product.getId());
    shopOrder.setPname(product.getPname());
    //为了不产生太多垃圾数据，暂时不做订单保存
//        orderService.save(shopOrder);

    return shopOrder;
}

修改配置

修改配置文件中 tomcat 的并发数

server:
  port: 8091
  tomcat:
    #tomcat的最大并发值修改为10,默认是200
    max-threads: 10

压力测试

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/

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。

添加线程组

配置线程并发数

添加Http取样

配置取样，并启动测试

访问message方法观察效果

启动前

启动后

结论：此时会发现，由于 order 方法囤积了大量请求，导致 message 方法的访问变慢了，这就是服务雪崩的雏形。

服务雪崩效应

在分布式系统中，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。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

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

在互联网系统中，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，则重新进入熔断开启状态。

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Netflix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。

下面是三个组件在各方面的对比：

总结

到这儿，高并发带来的问题及常见容错方案就结束了。下一篇将为大家带来容错组件 Sentinel 的文章，敬请期待吧！

后续的文章，我们将继续完善我们的微服务系统，集成更多的Alibaba组件。想要了解更多JAVA后端知识，请点击文末名片与我交流吧。留下您的一键三连，让我们在这个寒冷的东西互相温暖吧！