34、幂等性

最新推荐文章于 2023-02-16 13:59:58 发布

无休止符

最新推荐文章于 2023-02-16 13:59:58 发布

阅读量404

点赞数 2

分类专栏： Go微服务实战-电商系统文章标签：微服务 golang 架构

本文链接：https://blog.csdn.net/qq23001186/article/details/126339342

版权

Go微服务实战-电商系统专栏收录该内容

41 篇文章 49 订阅

订阅专栏

一、服务雪崩

什么是服务雪崩：服务雪崩效应是一种因“服务提供者的不可用”（原因）导致“服务调用者不可用”（结果），并将不可用逐渐放大的现象
图示服务雪崩：Service A的流量波动很大，流量经常会突然性增加！那么在这种情况下，就算Service A能扛得住请求，Service B和Service C未必能扛得住这突发的请求。此时，如果Service C因为抗不住请求，变得不可用。那么Service B的请求也会阻塞，慢慢耗尽Service B的线程资源，Service B就会变得不可用。紧接着，Service A也会不可用

在这里插入图片描述

二、超时、重试和幂等性

1 - 超时、重试和幂等性概念

grpc的超时：timeout为了保护服务，避免consumer服务因为provider响应慢而变得响应很慢，这样consumer可以尽量保持原有的性能
grpc的重试：
- 如果provider只是偶尔抖动，那么超时后直接放弃，不做后续处理，就会导致当前请求错误，也会带来业务方面的损失
- 对于这种偶尔抖动，可以在超时后重试一下，重试如果正常返回了，那么这次请求就被挽救了，能够正常给前端返回数据，只不过比原来响应慢一点
- 重试可以考虑切换一台机器来进行调用，因为原机器可能由于临时负载高而性能下降，重试会加剧其性能问题，而换一台机器，得到更快返回的概率更大一些
幂等性：
- 如果允许consumer重试，那么provider就要能够做到幂等
- 同一个请求被consumer多次调用，对provider产生的影响是一致的
- 而且这幂等应该是服务级别的，而不是某台机器层面的，重试调用任何一台机器，都应该做到幂等

2 - 哪些情况下需要考虑幂等性

http请求的类型：同样的请求发送多次
- get：获取商品信息，这个不会引起商品数据的变化 —— 不需要考虑幂等性
- post：比较常见，这种借口需要考虑到幂等性
- put：
  - 不一定要实现幂等性
    - a.put把1号商品的价格改为200，网络返回的时候抖动了，重试
    - b.第2次借口还是会把1号商品的价格改为200-这种情况下没有幂等性的问题
  - 出现幂等性问题的情况
    - a.购物车中的商品，调用一次这个商品的数量加一（用户本身只想买11件，但是却变成了13件，这就需要解决幂等性问题了）
      - 第一次调用，原本的值是10，之后的数量变为11，但是返回的时候出现了网络抖动
      - 第二次发送，原本的值是11，之后的数量变量12，但是返回的时候出现了网络抖动
      - 第三次发送，原本的值是12，之后的数量变量13，但是返回的时候出现了网络抖动
- delete：
  - 一般不具备幂等性的要求
  - 第一次调用删除数据
  - 第二次调用还是删除当前的数据

三、go中实现grpc的调用重试

go-grpc-middleware：https://github.com/grpc-ecosystem/go-grpc-middleware
client/client.go

package main

import (
	"context"
	"fmt"
	"google.golang.org/grpc/credentials/insecure"
	"time"

	"google.golang.org/grpc/codes"

	grpc_retry "github.com/grpc-ecosystem/go-grpc-middleware/retry"
	"google.golang.org/grpc"

	"test/proto"
)

func main() {
	//stream
	interceptor := func(ctx context.Context, method string, req, reply interface{}, cc *grpc.ClientConn, invoker grpc.UnaryInvoker, opts ...grpc.CallOption) error {
		start := time.Now()
		err := invoker(ctx, method, req, reply, cc, opts...)
		fmt.Printf("耗时：%s\n", time.Since(start))
		return err
	}
	var opts []grpc.DialOption
	opts = append(opts, grpc.WithTransportCredentials(insecure.NewCredentials()))
	retryOpts := []grpc_retry.CallOption{
		grpc_retry.WithMax(3),
		grpc_retry.WithPerRetryTimeout(1 * time.Second),
		grpc_retry.WithCodes(codes.Unknown, codes.DeadlineExceeded, codes.Unavailable),
	}

	opts = append(opts, grpc.WithUnaryInterceptor(interceptor))
	//这个请求应该多长时间超时， 这个重试应该几次、当服务器返回什么状态码的时候重试
	opts = append(opts, grpc.WithUnaryInterceptor(grpc_retry.UnaryClientInterceptor(retryOpts...)))
	conn, err := grpc.Dial("127.0.0.1:50051", opts...)
	if err != nil {
		panic(err)
	}
	defer conn.Close()

	c := proto.NewGreeterClient(conn)
	r, err := c.SayHello(context.Background(), &proto.HelloRequest{Name: "bobby"})
	if err != nil {
		panic(err)
	}
	fmt.Println(r.Message)
}

server/server.go

package main

import (
	"context"
	"fmt"
	"net"
	"time"

	"google.golang.org/grpc"

	"test/proto"
)

type Server struct{}

func (s *Server) SayHello(ctx context.Context, request *proto.HelloRequest) (*proto.HelloReply,
	error) {
	time.Sleep(2 * time.Second)
	return &proto.HelloReply{
		Message: "hello " + request.Name,
	}, nil
}

func main() {
	interceptor := func(ctx context.Context, req interface{}, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp interface{}, err error) {
		fmt.Println("接收到了一个新的请求")
		res, err := handler(ctx, req)
		fmt.Println("请求已经完成")
		return res, err
	}

	opt := grpc.UnaryInterceptor(interceptor)
	g := grpc.NewServer(opt)
	proto.RegisterGreeterServer(g, &Server{})
	lis, err := net.Listen("tcp", "0.0.0.0:50051")
	if err != nil {
		panic("failed to listen:" + err.Error())
	}
	err = g.Serve(lis)
	if err != nil {
		panic("failed to start grpc:" + err.Error())
	}
}

先运行server再运行client

在这里插入图片描述

四、常用的幂等性解决方案

1 - 唯一索引，防止新增脏数据

示例：新建用户的时候将手机号设置为唯一索引，那么即使重试，也只会新建一个用户，不会因为重试导致当前用户注册了两个用户
要点：唯一索引或唯一组合索引来防止新增数据存在脏数据（当表存在唯一索引，并发时新增报错的时候，再查询一次就可以了，数据应该已经存在，返回结果即可）

在这里插入图片描述

2 - token机制，防止页面重复提交

业务要求：页面的数据只能被点击提交一次
发生原因：由于重复点击或者网络重发，或者nginx重发等情况会导致数据被重复提交
解决办法：集群环境，采用token加redis（redis单线程的，处理需要排队）
处理流程：
- ①.数据提交前要向服务申请token，token放到redis或内存，token有效时间
- ②.提交后台校验token，同时删除token，生成新的token返回
token特点：要申请，一次有效性，可以限流
注意：redis要用删除操作来判断token，删除成功代表token校验通过，如果select+delete来检验token，存在并发问题，不建议使用

3 - 悲观锁

获取数据的时候加锁：select * from table_xxx where id = 'xxx' for update;
注意：id字段一定是主键或者唯一索引，不然是锁表，会芭比q的；悲观锁使用时一般伴随事务一起使用，数据锁定时间可能会很长，根据实际情况选用

4 - 乐观锁

乐观锁方案：乐观锁只是在更新数据那一刻锁表，其他事件不锁表，所以相对于悲观锁，效率更高
乐观锁的实现方式：实现方式多种多样，可以通过version或者其他状态条件
- 通过版本号实现：update table_xxx set name=#name#,version=version+1 where version=#version#
- 通过条件限制：update table_xxx set avai_amount = avai_amount-#subAmount# where avai_amount-#subAmount# >= 0
  - 要求：quality - #subQuality# >= ,这种情景适合不用版本号，只更新是做数据安全校验，适合库存模型，扣份额和回滚份额，性能更高
注意：乐观锁的更新操作，最好用主键或者唯一索引来更新；这样是行锁，否则更新时会锁表，上面两个sql改成下面的两个更好
- update table_xxx set name=#name#,version=version+1 where id=#id# and version=#version#
- update table_xxx set avai_amount = avai_amount-#subAmount# where id=#id# and avai_amount-#subAmount# >= 0

5 - 分布式锁

示例说明：插入数据的例子，如果是分布式系统，构建全局唯一索引比较困难，例如唯一性的字段没法确定，这时候可以引入分布式锁，通过第三方的系统（redis或zookeeper），在业务系统插入数据或者更新数据，获取分布式锁，然后做操作，之后释放锁，这样其实是把多线程并发的锁的思路，引入多个系统，也就是分布式系统中的解决思路

6 - select + insert

说明：并发不高的后台系统，或者一些任务JOB，为了支持幂等，支持重复执行，简单的处理方法是，先查询一下关键数据，判断是否已经执行过，再进行业务处理就可以了

7 - 对外提供接口的api如何保证幂等

说明：如银联提供的付款接口 —— 需要接入商户提交付款请求时附带 —— source来源，seq序列号；source+seq在数据库里面做唯一索引，防止多次付款（并发时，只能处理一个请求）

无休止符

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
34、幂等性

- **什么是服务雪崩**：服务雪崩效应是一种因“服务提供者的不可用”（原因）导致“服务调用者不可用”（结果），并将不可用逐渐放大的现象- **图示服务雪崩**：Service A的流量波动很大，流量经常会突然性增加！那么在这种情况下，就算Service A能扛得住请求，Service B和Service C未必能扛得住这突发的请求。此时，如果Service C因为抗不住请求，变得不可用。那么Service B的请求也会阻塞，慢慢耗尽Service B的线程资源，Service B就会变得不可用。紧接着，
复制链接

扫一扫