容错限流框架之Hystrix下

上一篇博客介绍了Hystrix的一些基本概念以及运行官网提供的demo程序来理解Hystrix工作原理，此篇博客将介绍如何使用spring-cloud-hystrix。Demo地址。在spring cloud中使用Hystrix非常简单，首先在pom.xml文件中引入依赖

	<dependency>
			<groupId>org.springframework.cloud</groupId>
			<artifactId>spring-cloud-starter-hystrix</artifactId>
		</dependency>
		<dependency>
			<groupId>org.springframework.cloud</groupId>
			<artifactId>spring-cloud-starter-hystrix-dashboard</artifactId>
		</dependency>
		<dependency>
		    <groupId>org.springframework.boot</groupId>
		    <artifactId>spring-boot-starter-actuator</artifactId>
		</dependency>

接着在程序入口增加注解(@EnableHystrixDashboard,@EnableCircuitBreaker)

在需要引入Hystrix的服务调用地方地方添加@HystrixCommand即可，除了添加注解外，还可以配置Hystrix相关的参数，具体配置如下图所示：

在student服务中，模拟了1/3概率的超时错误，所以在通过school-service调用student-service时会出现一定概率的超时错误，school-service进入降级处理逻辑中，即执行fall-back中封装的逻辑。下面的student服务中封装了超时错误的逻辑。

school-service中封装了fall-back逻辑。

通过postman访问school-service的接口，http://localhost:8088/getSchoolDetails/abcschool ，可以看到失败时打印的是fall-back中封装的信息，说明服务降级处理成功。

Dashboard添加stream: "http://localhost:8088/hystrix.stream"，添加后访问school-service的接口，dashboard上会显示收集到的metrics信息。

上面介绍了在spring cloud中如何使用Hystrix进行降级处理，在实际项目中，网关是非常重要的组件之一，往往会在网关上引入Hystrix来做限流降级处理，防止发生雪崩效应。如下图所示在网关上引入hystrix，通过Turbine做数据整合，将收集的多个服务的metrics数据整合显示在Dashboard上。apollo作为配置管理工具，可以把一些关键配置存放在apollo，这样可以做动态切换。另外，引入Eureka做服务注册发现。

接下来看看网关和Hystrix整合的小例子，这个例子中使用的是spring cloud gateway，Demo地址。Demo中包含Hystrix-Dashboard和gateway两部分代码，启动Hystrix-Dashboard，在stream中输入启动的gateway服务的stream(http://localhost:8080/actuator/hystrix.stream)，注意，因为这里采用的spring boot版本较老，所以url中有actuator，如果是较新版本的spring boot，那么stream地址就是服务地址+/hystrix.stream.

添加stream后，启动gateway服务，并访问gateway上封装的一些接口，Dashboard上就能看到相关的metrics信息了。

http://localhost:8080/all - Countries Service
http://localhost:8080/v1/joke - Joke Service

上面展示了Hystrix和网关集成的效果，接下来看看网关上是如何集成的。首先在pom.xml中引入Hystrix依赖，接着在application.yaml文件中配置Hystrix的一些参数设置。最后是网关路由配置，在路由配置部分自定义fallback处理逻辑等，具体代码如下所示：

以上就是网关和Hystrix集成的一个简单例子，实际项目中可以在网关集中埋点，覆盖大部分场景。可以对接Appolo，这样可以动态调整关键配置的值。对于采用信号量隔离还是线程池隔离，可以沿用如下原则：

信号量：主要用于网关、缓存类场景。

线程池：主要用户服务见调用，数据库访问，第三方服务访问

另外，线程池大小设置经验值，官网也给出了计算建议。线程数量设置可以根据期望的TPS来计算，例如假设TPS是30，每个请求的响应时间是0.3second，那么再加一些buffer，来得到最终的线程数量值：

30rps * 0.2 sec = 6 + breathing room = 10 threads
Thread-pool Queue size: 5-10

在部署方面，可结合Eureka做服务注册和发现，Turbine做数据整合，统一在Dashboard中显示，如下图所示：

 

以上就是对Hystrix的学习和理解。