MP+Docker+SpringCloud+MQ+ES——11 微服务保护

11 微服务保护

11.1 服务保护方案

11.1.1 问题引出

• 在微服务远程调用的过程中，还存在几个问题需要解决：

  • 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；

  • 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；

• 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。

11.1.2 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。

  

11.1.3 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，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，给查询购物车业务限定可用线程数量上限为20，比其它业务稍多一点；
  • 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：

  

11.1.4 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；

• 所以，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。

  

11.2 Sentinel

11.2.1 介绍和安装

• 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；

• 搭建Sentinel的控制台：

  1. 下载jar包：

     • 下载地址：Releases · alibaba/Sentinel (github.com)；

     • 此处的版本使用的是1.8.6；

  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：

       java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar
       

       

     • 其它启动时可配置参数可参考官方文档：启动配置项 · alibaba/Sentinel Wiki · GitHub；

  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：

       

11.2.2 微服务整合

• 在cart-service模块中整合sentinel，连接sentinel-dashboard控制台，步骤如下：

  1. 引入sentinel依赖

     <!--sentinel-->
     <dependency>
         <groupId>com.alibaba.cloud</groupId> 
         <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
     </dependency>
     

  2. 修改application.yaml文件，添加下面内容：

     spring:
       cloud: 
         sentinel:
           transport:
             dashboard: localhost:8090
     

  3. 重启cart-service，然后访问查询购物车接口，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）；
       • 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，因此购物车的查询、删除、修改等接口全部都是/carts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；

  4. 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cart-service的application.yml中添加下面的配置：

       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，通过页面访问购物车的相关接口，可以看到sentinel控制台的簇点链路发生了变化：

       

11.3 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：

  • QPS：每秒处理请求数；
  • 这样就把查询购物车列表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 ；

  

• 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：

  

• 可以看出GET:/carts这个接口的通过QPS稳定在 6 附近，而拒绝的QPS在 4 附近，符合我们的预期。

11.4 线程隔离

11.4.1 问题引出

• 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：

  

• 这样，即便商品服务出现故障，最多导致查询购物车业务故障，并且可用的线程资源也被限定在一定范围，不会导致整个购物车服务崩溃；

• 所以，要对查询商品的FeignClient接口做线程隔离。

11.4.2 OpenFeign整合Sentinel

• 修改cart-service模块的application.yml文件，开启Feign的sentinel功能：

  feign:
    sentinel:
      enabled: true # 开启feign对sentinel的支持
  

• 需要注意的是，默认情况下SpringBoot项目的tomcat最大线程数是200，允许的最大连接是8492，单机测试很难打满。所以我们需要配置一下cart-service模块的application.yml文件，修改Tomcat连接：

  server:
    port: 8082
    tomcat:
      threads:
        max: 50 # 允许的最大线程数
      accept-count: 50 # 最大排队等待数量
      max-connections: 100 # 允许的最大连接
  

• 然后重启cart-service服务，查询购物车列表，可以看到查询商品的FeignClient自动变成了一个簇点资源：

  

11.4.3 配置线程隔离

• 点击查询商品的FeignClient对应的簇点资源后面的流控按钮：

  

• 在弹出的表单中填写下面内容：

  

  • 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 5 QPS。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；

    

• 利用Jemeter测试，每秒发送100个请求：

  

• 最终测试结果如下：

  

  • 进入查询购物车的请求每秒大概在100，而在查询商品时却只剩下每秒10左右，符合我们的预期；

• 此时如果我们通过页面访问购物车的其它接口，例如添加购物车、修改购物车商品数量，发现不受影响：

  

  • 响应时间非常短，这就证明线程隔离起到了作用，尽管查询购物车这个接口并发很高，但是它能使用的线程资源被限制了，因此不会影响到其它接口。

11.5 服务熔断

11.5.1 问题引出

• 在上面，利用线程隔离对查询购物车业务进行隔离，保护了购物车服务的其它接口。由于查询商品的功能耗时较高（我们模拟了500毫秒延时），再加上线程隔离限定了线程数为 5，导致接口吞吐能力有限，最终QPS只有 10 左右。这就导致了几个问题：
  • 第一，超出的QPS上限的请求就只能抛出异常，从而导致购物车的查询失败。但从业务角度来说，即便没有查询到最新的商品信息，购物车也应该展示给用户，用户体验更好。也就是给查询失败设置一个降级处理逻辑；
  • 第二，由于查询商品的延迟较高（模拟的500ms），从而导致查询购物车的响应时间也变的很长。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，我们应该直接停止调用，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。

11.5.2 编写降级逻辑

• 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；

• 此处演示方式二的失败降级处理：

  1. 在hm-api模块中给ItemClient定义降级处理类，实现FallbackFactory：

     

     package com.hmall.api.client.fallback;
     
     import com.hmall.api.client.ItemClient;
     import com.hmall.api.domain.dto.ItemDTO;
     import com.hmall.api.domain.dto.OrderDetailDTO;
     import com.hmall.common.exception.BizIllegalException;
     import com.hmall.common.utils.CollUtils;
     import lombok.extern.slf4j.Slf4j;
     import org.springframework.cloud.openfeign.FallbackFactory;
     
     import java.util.Collection;
     import java.util.List;
     
     @Slf4j
     public class ItemClientFallback implements FallbackFactory<ItemClient> {
         @Override
         public ItemClient create(Throwable cause) {
             return new ItemClient() {
                 @Override
                 public List<ItemDTO> queryItemByIds(Collection<Long> ids) {
                     log.error("远程调用ItemClient#queryItemByIds方法出现异常，参数：{}", ids, cause);
                     // 查询购物车允许失败，查询失败，返回空集合
                     return CollUtils.emptyList();
                 }
     
                 @Override
                 public void deductStock(List<OrderDetailDTO> items) {
                     // 库存扣减业务需要触发事务回滚，查询失败，抛出异常
                     throw new BizIllegalException(cause);
                 }
             };
         }
     }
     

  2. 在hm-api模块中的com.hmall.api.config.DefaultFeignConfig类中将ItemClientFallback注册为一个Bean：

     

     @Bean
     public ItemClientFallback itemClientFallback() {
         return new ItemClientFallback();
     }
     

  3. 在hm-api模块中的ItemClient接口中使用ItemClientFallbackFactory：

     

  4. 重启后，再次测试，发现被限流的请求不再报错，走了降级逻辑：

     

  5. 但是未被限流的请求延时依然很高，导致最终的平局响应时间较长：

     

11.5.3 服务熔断

• 查询商品的RT（Real Time，实时）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；

• 断路器的工作状态切换有一个状态机来控制：

  

• 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；

• 可以在控制台通过点击簇点后的**熔断**按钮来配置熔断策略：

  

• 在弹出的表格中这样填写：

  

  • 这种是按照慢调用比例来做熔断，上述配置的含义是：
    • RT超过200毫秒的请求调用就是慢调用；
    • 统计最近1000ms内的最少5次请求，如果慢调用比例不低于0.5，则触发熔断；
    • 熔断持续时长20s；

• 配置完成后，再次利用Jemeter测试，可以发现：

  

• 在一开始一段时间是允许访问的，后来触发熔断后，查询商品服务的接口通过QPS直接为0，所有请求都被熔断了。而查询购物车的本身并没有受到影响。此时整个购物车查询服务的平均RT影响不大：