微服务常见面试题

1        SpringCloud常见组件有哪些？

SpringCloud包含的组件很多，有很多功能是重复的。其中最常用组件包括：
注册中心组件：Eureka、Nacos等
负载均衡组件：Ribbon
远程调用组件：OpenFeign
网关组件：Zuul、Gateway
服务保护组件：Hystrix、Sentinel
服务配置管理组件：SpringCloudConfig、Nacos

2        Nacos的服务注册表结构是怎样的？

Nacos采用了数据的分级存储模型，最外层是Namespace，用来隔离环境。
然后是Group，用来对服务分组。接下来就是服务（Service）了，一个服务包含多个实例，
但是可能处于不同机房，因此Service下有多个集群（Cluster），Cluster下是不同的实例（Instance）。
对应到Java代码中，Nacos采用了一个多层的Map来表示。
结构为Map<String, Map<String, Service>>，其中最外层Map的key就是namespaceId，
值是一个Map。内层Map的key是group拼接serviceName，值是Service对象。
Service对象内部又是一个Map，key是集群名称，值是Cluster对象。
而Cluster对象内部维护了Instance的集合。

3        Nacos如何支撑数十万服务注册压力？

Nacos内部接收到注册的请求时，不会立即写数据，
而是将服务注册的任务放入一个阻塞队列就立即响应给客户端。
然后利用线程池读取阻塞队列中的任务，
异步来完成实例更新，从而提高并发写能力

4        Nacos如何避免并发读写冲突问题？

Nacos在更新实例列表时，会采用CopyOnWrite技术，
首先将旧的实例列表拷贝一份，然后更新拷贝的实例列表，
再用更新后的实例列表来覆盖旧的实例列表。
这样在更新的过程中，就不会对读实例列表的请求产生影响，也不会出现脏读问题了。

5        Nacos与Eureka的区别有哪些？

Nacos与Eureka有相同点，也有不同之处，可以从以下几点来描述：
接口方式：Nacos与Eureka都对外暴露了Rest风格的API接口，用来实现服务注册、发现等功能
实例类型：Nacos的实例有永久和临时实例之分；而Eureka只支持临时实例
健康检测：Nacos对临时实例采用心跳模式检测，对永久实例采用主动请求来检测；Eureka只支持心跳模式
服务发现：Nacos支持定时拉取和订阅推送两种模式；Eureka只支持定时拉取模式

6        Sentinel的限流与Gateway的限流有什么差别？

 

Hystix默认是基于线程池实现的线程隔离，每一个被隔离的业务都要创建一个独立的线程池，
线程过多会带来额外的CPU开销，性能一般，但是隔离性更强。
Sentinel是基于信号量（计数器）实现的线程隔离，不用创建线程池，性能较好，但是隔离性一般。

7        Sentinel的线程隔离与Hystix的线程隔离有什么差别?

限流算法常见的有三种实现：滑动时间窗口、令牌桶算法、漏桶算法。
Gateway则采用了基于Redis实现的令牌桶算法。
而Sentinel内部却比较复杂：
默认限流模式是基于滑动时间窗口算法
排队等待的限流模式则基于漏桶算法
而热点参数限流则是基于令牌桶算法

8        几种常见的算法

8.1        固定窗口算法

• 将时间划分为多个窗口，窗口时间跨度称为Interval，本例中为1000ms；
• 每个窗口维护一个计数器，每有一次请求就将计数器加一，限流就是设置计数器阈值，本例为3
• 如果计数器超过了限流阈值，则超出阈值的请求都被丢弃。

        统计的都是固定间隔内的请求数，但是加入在4700的时候有3个请求，在4000到5000的时间段内，并没有超3，所以不会触发限流；在5000到5500间，有3个请求过来，也没有超上限，所以也不会触发限流；

        但是实际情况下，在4500到5500的时间段内，请求达到了每秒钟6次，应该触发限流。这就是固定窗口算法的缺点。后面就引入了滑动窗口算法。

8.2        滑动窗口算法

        滑动窗口计数器算法会将一个窗口划分为n个更小的区间，例如

• 窗口时间跨度Interval为1秒；区间数量 n = 2 ，则每个小区间时间跨度为500ms
• 限流阈值依然为3，时间窗口（1秒）内请求超过阈值时，超出的请求被限流
• 窗口会根据当前请求所在时间（currentTime）移动，窗口范围是从（currentTime-Interval）之后的第一个时区开始，到currentTime所在时区结束。

 

        滑动窗口的算法也会出现固定窗口那种类似的问题，但是，只要设置的时间间隔足够短，就能避免这个问题。 

8.3        令牌桶算法

• 以固定的速率生成令牌，存入令牌桶中，如果令牌桶满了以后，多余令牌丢弃
• 请求进入后，必须先尝试从桶中获取令牌，获取到令牌后才可以被处理
• 如果令牌桶中没有令牌，则请求等待或丢弃

 

8.4        漏桶算法

• 将每个请求视作"水滴"放入"漏桶"进行存储；
• "漏桶"以固定速率向外"漏"出请求来执行，如果"漏桶"空了则停止"漏水”；
• 如果"漏桶"满了则多余的"水滴"会被直接丢弃。
• 可以理解成请求在桶内排队等待

        Sentinel在实现漏桶时，采用了排队等待模式：

        让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。并发的多个请求必须等待，预期的等待时长 =最近一次请求的预期等待时间 +  允许的间隔。如果请求预期的等待时间超出最大时长，则会被拒绝。 例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常。

8.5        几种算法总结