1、Spring cloud组件有哪些?
通常情况下:
- Eureka:注册中心
- Ribbon:负载均衡
- Feign:远程调用
- Hystrix:服务熔断
- Zuul/Gateway:网关
Spring cloud Alibaba的组件:
- 注册中心/配置中心:Nacos
- 负载均衡:Ribbon
- 服务调用:Feign
- 服务保护:sentinel
- 服务网关:Gateway
2、服务注册和发现是什么意思?Spring cloud如何实现服务注册和发现?
常见的注册中心:Eureka、Nacos、Zookeeper
我们当时项目采用的Eureka作为注册中心,这个也是Spring cloud体系中的一个核心组件
1)服务注册:服务提供者需要把自己的信息注册到Eureka,由Eureka来保存这些信息,比如服务名称、ip、端口等
2)服务发现:消费者向Eureka拉取服务列表信息,如果服务提供者有集群,则消费者会利用负载均衡算法,选择一个发起调用
3)服务监控:服务提供者会每隔30秒向Eureka发送心跳,报告健康状态,如果Eureka服务90秒没接收到心跳,则从Eureka中剔除
3、说一下Nacos和Eureka的区别?
1)Nacos和Eureka的共同点:
- 都支持服务注册和服务拉取
- 都支持服务提供者心跳方式做健康检测
2)Nacos与Eureka的区别:
- Nacos支持服务端主动检测提供者状态;临时实例采用心跳模式,非临时实例采用主动检测模式
- 临时实例心跳不正常会被剔除,非临时实例则不会被剔除
- Nacos支持服务列表变更的消息推送模式,服务列表更新及时
- Nacos集群默认采用AP方式,当集群中存在非临时实例时,采用CP模式;Eureka采用AP模式
3)Nacos还支持配置中心,Eureka只有注册中心
4、你们项目负载均衡是如何实现的?
微服务的负载均衡主要使用了一个组件Ribbon,比如,我们在使用feign远程调用的过程中,底层的负载均衡就是使用了Ribbon
5、Ribbon负载均衡策略有哪些?
- RoundRobinRule:简单轮询服务列表来选择服务器
- WeightedResponseTimeRule:按照权重来选择服务器,响应时间越长,权重越小
- RandomRule:随机选择一个可用的服务器
- ZoneAvoidanceRule:区域敏感策略,以区域可用的服务器为基础进行服务器的选择。使用Zone对服务器进行分类,这个Zone可以理解为一个机房,一个机架等。而后再对Zone内的多个服务做轮询(默认)
6、如果想自定义负载均衡策略如何实现?
提供了两种方式:
1)创建类实现IRule接口,可以指定负载均衡策略(全局)
@Bean
public IRule randomRule(){
return new RandomRule();
}
2)在客户端的配置文件中,可以配置某一个服务调用的负载均衡策略(局部)
userservice:
ribbon:
NFloadBalaancerRuleClassName:com.netflix.loadbalancer.RandomRule #负载均衡规则
7、什么是服务雪崩?怎么解决这个问题?
服务雪崩:一个服务失败,导致整条链路的服务都失败的情形
解决方案:
1)服务降级:服务自我保护的一种方式,或者保护下游服务的一种方式,用于确保服务不会受请求突增影响变得不可用,确保服务不会崩溃,一般在实际开发中与feign接口整个,编写降级逻辑
2)服务熔断:默认关闭,需要手动打开,如果检测到10秒内请求的失败率超过50%,就触发熔断机制。之后每隔5秒重新尝试请求微服务,如果微服务不能响应,继续走熔断机制。如果微服务可达,则关闭熔断机制,恢复正常请求。
8、你们的微服务是怎么监控的?
我们项目中采用的是skywalking进行监控的
1)skywalking主要可以监控接口、服务、物理实例的一些状态。特别是在压测的时候可以看到众多服务中哪些服务和接口比较慢,我们可以针对性的分析和优化。
2)我们还在skywalking设置了告警规则,特别是在项目上线以后,如果报错,我们分别设置了可以给相关负责人发短信和发邮件,第一时间知道项目的bug情况,第一时间修复。
9、你们项目中有没有做过限流?怎么做的?
1)介绍一下业务,说明什么情况下要去做限流
- 并发确实大(应对突发流量)
- 常规限流,为了防止恶意攻击(用户恶意刷接口)
2)Nginx限流:
- 控制速率(应对突发流量),使用漏桶算法来实现过滤,让请求以固定的速率处理请求,可以应对突发流量
- 控制并发数,限制单个IP的连接数和并发连接的总数
3)网关限流:
- 在Spring cloud gateway中支持局部过滤器RequestRateLimiter来做限流,使用的是令牌桶算法
- 可以根据IP或路径进行限流,可以设置每秒填充平均速率和令牌桶总容量
10、解释一下CAP和BASE
CAP定理(一致性、可用性、分区容错性)
1)分布式系统节点通过网络连接,一定会出现分区问题(P)
2)当分区出现时,系统的一致性(C)和可用性(A)就无法同时满足
BASE理论
1)基本可用:分布式系统在出现故障时,允许损失部分可用性,即保证核心可用
2)软状态:在一定时间内,允许出现中间状态,比如临时的不一致状态
3)最终一致:虽然无法保证强一致性,但是在软状态结束后,最终达到数据一致
解决分布式事务的思想和模型:
1)最终一致思想:各分支事务分别执行并提交,如果有不一致的情况,再想办法恢复数据(AP)
2)强一致思想:各分支事务执行完业务不要提交,等待彼此结果。而后统一提交或回滚(CP)
11、你们采用哪种分布式事务解决方案?
简历上写的微服务,只要是发生了多个服务之间的写操作,都需要进行分布式事务控制
描述项目中采用的哪种方案(Seata|MQ)
1)Seata的XA模式,CP,需要互相等待各个分支事务提交,可以保证强一致性,性能差,常用在银行业务
2)Seata的AT模式,AP,底层使用undo log 实现,性能好,常用在互联网业务
3)Seata的TCC模式,AP,性能较好,不过需要人工编码实现,常用在银行业务
4)MQ模式实现分布式事务,在A服务写数据的时候,需要在同一个事务内发送消息到另外一个事务,异步,性能最好,常用在互联网业务
12、分布式服务的接口幂等性如何设计?
幂等:多次调用方法或者接口不会改变业务状态,可以保证重复调用的结果和单次调用的结果一致
1)如果是新增数据,可以使用数据库的唯一索引
2)如果是新增或修改数据
①:分布式锁,性能较低
②:使用token + redis来实现,性能较好
(第一次请求,生成一个唯一token存入redis,返回给前端。第二次请求,业务处理,携带之前的token,到redis进行验证,如果存在,可以执行业务,删除token,如果不存在,则直接返回,不处理业务)