雪崩问题
微服务调用链路中的某个服务故障,引起整个链路中的所有微服务都不可用,这就是雪崩。
解决雪崩问题的常见方式有四种
超时处理:设定超时时间,请求超过一定时间没有响应就返回错误信息,不会无休止等待
舱壁模式:限定每个业务能使用的线程数,避免耗尽整个tomcat的资源,因此也叫线程隔离。
熔断降级:由断路器统计业务执行的异常比例,如果超出阈值则会熔断该业务,拦截访问该业务的一切请求。
流量控制:限制业务访问的QPS,避免服务因流量的突增而故障。
如何避免因瞬间高并发流量而导致服务故障?
流量控制
如何避免因服务故障引起的雪崩问题?
- 超时处理
- 线程隔离
- 降级熔断
服务保护技术
分为阿里的Sentinel和SpringCloud自带的Hystrix,我们这里主要介绍阿里的Sentinel。
主要区别:
大家去GitHub下载jar包,就是一个SpringBoot项目,放在没有中文的目录中在控制台使用命令启动一下就行
启动完后访问localhost:8080,默认的账户和密码都是sentinel,默认端口是8080,要是被占了,手动 kill 一下
用这个就不用写代码了,直接界面操作
入门案例
创建一个简单的订单微服务
order
controller层:
@RestController
@RequestMapping("/order")
public class OrderController {
@Autowired
private IOrderService orderService;
@GetMapping("/{orderId}")
public Order getById(@PathVariable("orderId") Long id){
return orderService.getById(id);
}
}
serviceImpl层:
@Service
public class OrderServiceImpl implements IOrderService {
@Autowired
private UserClient userClient;
@Override
public Order getById(Long id) {
Order order = new Order();
order.setId(id);
// 为方便测试,假设用户id和订单id一致
order.setUserId(id);
order.setName("iphone13 Pro Max");
order.setPrice(9999L);
order.setNum(2);
// 查询订单中的用户
User user = userClient.getById(id);
order.setUser(user);
return order;
}
}
feign接口
@FeignClient(value = "user-service")
public interface UserClient {
/**
* 根据id查询用户
*
* @param id
* @return
*/
@GetMapping("/user/{id}")
public User getById(@PathVariable("id") Long id);
}
yml配置文件
server:
port: 9001
spring:
application:
name: order-service
cloud:
nacos:
discovery:
server-addr: localhost:8848
User
controller层:
@RestController
@RequestMapping("/user")
public class UserController {
/**
* 根据id查询用户
* @param id
* @return
*/
@GetMapping("/{id}")
public User getById(@PathVariable("id") Long id) {
User user = new User(id, "tom", "beijing");
return user;
}
}
需要到的实体:
@Data
@NoArgsConstructor
@AllArgsConstructor
public class User {
/**
* id
*/
private Long id;
/**
* 用户名
*/
private String username;
/**
* 地址
*/
private String address;
}
@Data
public class Order {
/**
* 订单id
*/
private Long id;
/**
* 用户id
*/
private Long userId;
/**
* 商品名称
*/
private String name;
/**
* 商品单价
*/
private Long price;
/**
* 商品数量
*/
private Integer num;
/**
* 客户
*/
private User user;
/**
* 创建时间
*/
private Date createTime;
}
yml文件
server:
port: 8001
spring:
application:
name: user-service
cloud:
nacos:
discovery:
server-addr: localhost:8848
需要的依赖:
子工程:
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
</dependencies>
父工程
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.2.8.RELEASE</version>
<relativePath/>
</parent>
<properties>
<java.version>1.8</java.version>
<spring-cloud.version>Hoxton.SR6</spring-cloud.version>
<com.alibaba.cloud>2.2.5.RELEASE</com.alibaba.cloud>
</properties>
<dependencies>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.76</version>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-dependencies</artifactId>
<version>${spring-cloud.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-alibaba-dependencies</artifactId>
<version>${com.alibaba.cloud}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
网关:
server:
port: 8888
spring:
application:
name: api-gateway
cloud:
nacos:
discovery:
server-addr: localhost:8848
gateway:
routes:
# 订单服务
- id: order
uri: lb://order-service
predicates:
- Path=/order/**
簇点链路
就是项目内的调用链路,链路中被监控的每个接口就是一个资源。默认情况下sentinel会监控SpringMVC的每一个端点(Endpoint),因此SpringMVC的每一个端点(Endpoint)就是调用链路中的一个资源。
流控、熔断等都是针对簇点链路中的资源来设置的,因此我们可以点击对应资源后面的按钮来设置规则:
入门:
最大QPS为5
使用apache-jmeter进行压力测试:
每秒请求15次
流控模式
在添加限流规则时,点击高级选项,可以选择三种流控模式:
直接:统计当前资源的请求,触发阈值时对当前资源直接限流,也是默认的模式。
关联:统计与当前资源相关的另一个资源,触发阈值时,对当前资源限流。
链路:统计从指定链路访问到本资源的请求,触发阈值时,对指定链路限流。
流控模式->关联
关联模式:统计与当前资源相关的另一个资源,触发阈值时,对当前资源限流
使用场景:比如用户支付时需要修改订单状态,同时用户要查询订单。查询和修改操作会争抢数据库锁,产生竞争。业务需求是有限支付和更新订单的业务,因此当修改订单业务触发阈值时,需要对查询订单业务限流。
结果:
但是同时访问query,就会被限制
流控模式-链路
链路模式:只针对从指定链路访问到本资源的请求做统计,判断是否超过阈值。
需求:有查询订单和创建订单业务,两者都需要查询商品。针对从查询订单进入到查询商品的请求统计,并设置限流。
步骤:
1在OrderService中添加一个queryGoods方法,不用实现业务
2在OrderController中,改造/order/query端点,调用OrderService中的queryGoods方法
3在OrderController中添加一个/order/save的端点,调用OrderService的queryGoods方法
4给queryGoods设置限流规则,从/order/query进入queryGoods的方法限制QPS必须小于2
链路模式中,是对不同来源的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源,会导致链路模式失效。
我们调用了两个good,但是只显示了一个,我们需要加配置。
我们需要关闭这种对SpringMVC的资源聚合,修改order-service服务的application.yml文件:
spring:
cloud:
sentinel:
web-context-unify: false # 关闭context整合
结果:
/order/save
/order/query
总结
流控模式有哪些?
直接:对当前资源限流
关联:高优先级资源触发阈值,对低优先级资源限流。
链路:阈值统计时,只统计从指定资源进入当前资源的请求,是对请求来源的限流
流控效果解释
流控效果是指请求达到流控阈值时应该采取的措施,包括三种:
快速失败:达到阈值后,新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
warm up:预热模式,对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化,从一个较小值逐渐增加到最大阈值。
排队等待:让所有的请求按照先后次序排队执行,两个请求的间隔不能小于指定时长
流控效果-》warm up
warm up也叫预热模式,是应对服务冷启动的一种方案。请求阈值初始值是 threshold / coldFactor,持续指定时长后,逐渐提高到threshold值。而coldFactor的默认值是3.
例如,我设置QPS的threshold为10,预热时间为5秒,那么初始阈值就是 10 / 3 ,也就是3,然后在5秒后逐渐增长到10.
结果:
流控效果-》排队等待
当请求超过QPS阈值时,快速失败和warm up 会拒绝新的请求并抛出异常。而排队等待则是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。后来的请求必须等待前面执行完成,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
没超过5s
超过5s
总结
流控效果有哪些?
快速失败:QPS超过阈值时,拒绝新的请求
warm up: QPS超过阈值时,拒绝新的请求;QPS阈值是逐渐提升的,可以避免冷启动时高并发导致服务宕机。
排队等待:请求会进入队列,按照阈值允许的时间间隔依次执行请求;如果请求预期等待时长大于超时时间,直接拒绝
热点参数限流
之前的限流是统计访问某个资源的所有请求,判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求,判断是否超过QPS阈值。
如:
代表的含义是:对order这个资源的0号参数(第一个参数)做统计,每1秒相同参数值的请求数不能超过10
高级选项:可对特殊的编号,进行特殊处理
案例:
给/order/{orderId}这个资源添加热点参数限流,规则如下:
默认的热点参数规则是每1秒请求量不超过2
给102这个参数设置例外:每1秒请求量不超过4
给103这个参数设置例外:每1秒请求量不超过10
这里有个BUG,你要是在簇点链路点新增的话,你会看不见自己设置的参数
我们需要在热点限流,自己手动添加
结果:
101
102
103
隔离和降级
虽然限流可以尽量避免因高并发而引起的服务故障,但服务还会因为其它原因而故障(如编写代码时出现的异常)。而要将这些故障控制在一定范围,避免雪崩,就要靠线程隔离(舱壁模式)和熔断降级手段了。
Feign与Sentinel整合
不管是线程隔离还是熔断降级,都是对客户端(调用方)的保护,而我们的微服务远程调用都是基于Feign来完成的,因此我们需要将Feign与Sentinel整合,在Feign里面实现线程隔离和服务熔断。
如:
我在user-service中,手动写一个异常
在order-serivce中,实现feign接口
最后添加fallback = UserClientImpl.class
即可显示默认值,而不是在页面抛500异常
结果:
第二种方式:
实现FallbackFactory
@Slf4j
public class UserClientFallback implements FallbackFactory<UserClient> {
@Override
public UserClient create(Throwable throwable) {
log.error("查询用户失败",throwable);
return id -> new User(id,"顶真","理塘");
}
}
为UserClientFallback 创建bean
@Configuration
public class DefaultFeignConfiguration {
@Bean
public UserClientFallback userClientFallback(){
return new UserClientFallback();
}
}
将UserClient换成fallbackFactory
@FeignClient(value = "user-service",fallbackFactory = UserClientFallback.class)
public interface UserClient {
/**
* 根据id查询用户
*
* @param id
* @return
*/
@GetMapping("/user/{id}")
User getById(@PathVariable("id") Long id);
}
结果
总结:
Sentinel支持的雪崩解决方案:
线程隔离(仓壁模式)
降级熔断
Feign整合Sentinel的步骤:
在application.yml中配置:feign.sentienl.enable=true
给FeignClient编写FallbackFactory并注册为Bean
将FallbackFactory配置到FeignClient
线程隔离(舱壁模式)
线程隔离的实现方式
线程隔离有两种方式实现:
-
线程池隔离
-
信号量隔离(Sentinel默认采用)
线程池隔离:给每个服务调用业务分配一个线程池,利用线程池本身实现隔离效果
信号量隔离:不创建线程池,而是计数器模式,记录业务使用的线程数量,达到信号量上限时,禁止新的请求。
两者的优缺点:
案例需求:给 order-service服务中的UserClient的查询用户接口设置流控规则,线程数不能超过 2。然后利用jemeter测试。
结果
总结:
线程隔离的两种手段是?
-
信号量隔离
-
线程池隔离
信号量隔离的特点是?
- 基于计数器模式,简单,开销小
线程池隔离的特点是?
- 基于线程池模式,有额外开销,但隔离控制更强
熔断降级
熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例,如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求;而当服务恢复时,断路器会放行访问该服务的请求。
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5秒后会进入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
断路器熔断策略有三种:慢调用、异常比例、异常数
慢调用:
业务的响应时长(RT)大于指定时长的请求认定为慢调用请求。在指定时间内,如果请求数量超过设定的最小数量,慢调用比例大于设定的阈值,则触发熔断
参数解读:
最大RT:请求的响应时间
统计时长:设置需要测试的时间
比例阀值:发生慢调用的比例次数
最少请求次数:没有达到次数,则不会打开熔断器
熔断时长:在规定时间不会在发送请求
案例
需求:给 UserClient的查询用户接口设置降级规则,慢调用的RT阈值为50ms,统计时间为1秒,最小请求数量为5,失败阈值比例为0.4,熔断时长为5
结果:
变成默认值了
5s后:
异常比例、异常数
统计指定时间内的调用,如果调用次数超过指定请求数,并且出现异常的比例达到设定的比例阈值(或超过指定异常数),则触发熔断。
授权规则
授权规则可以对请求方来源(origin)做判断和控制。
授权规则可以对调用方的来源(origin)做控制,有白名单和黑名单两种方式。
-
白名单:来源(origin)在白名单内的调用者允许访问
-
黑名单:来源(origin)在黑名单内的调用者不允许访问
点击左侧菜单的授权,可以看到授权规则:
Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。
public interface RequestOriginParser {
/**
* 从请求request对象中获取origin,获取方式自定义
*/
String parseOrigin(HttpServletRequest request);
}
@Component
public class HeaderOriginParser implements RequestOriginParser {
@Override
public String parseOrigin(HttpServletRequest request) {
// 1.获取请求头
String origin = request.getHeader("origin");
// 2.非空判断
if (StringUtils.isEmpty(origin)) {
origin = "blank";
System.out.println("origin = " + origin);
}
System.out.println("origin = " + origin);
return origin;
}
}
配置网关:
default-filters:
- AddRequestHeader=origin,gateway
当我们设置白名单:
直接访问不行
但是访问网关就行
当我们把gateway设置为黑名单时
直接就能访问
但是使用网关访问就不行了
自定义异常结果
默认情况下,发生限流、降级、授权拦截时,都会抛出异常到调用方。异常结果都是flow limmiting(限流)。这样不够友好,无法得知是限流还是降级还是授权拦截。
而如果要自定义异常时的返回结果,需要实现BlockExceptionHandler接口:
public interface BlockExceptionHandler {
/**
* 处理请求被限流、降级、授权拦截时抛出的异常:BlockException
*/
void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;
}
这个方法有三个参数:
- HttpServletRequest request:request对象
- HttpServletResponse response:response对象
- BlockException e:被sentinel拦截时抛出的异常
这里的BlockException包含多个不同的子类:
异常 | 说明 |
---|---|
FlowException | 限流异常 |
ParamFlowException | 热点参数限流的异常 |
DegradeException | 降级异常 |
AuthorityException | 授权规则异常 |
SystemBlockException | 系统规则异常 |
自定义异常处理
@Service
public class SentinelExceptionHandler implements BlockExceptionHandler {
@Override
public void handle(HttpServletRequest httpServletRequest, HttpServletResponse response, BlockException e) throws Exception {
String msg = "未知异常";
int status = 429;
if (e instanceof FlowException) {
msg = "请求被限流了";
} else if (e instanceof ParamFlowException) {
msg = "请求被热点参数限流";
} else if (e instanceof DegradeException) {
msg = "请求被降级了";
} else if (e instanceof AuthorityException) {
msg = "没有权限访问";
status = 401;
}
response.setContentType("application/json;charset=utf-8");
response.setStatus(status);
Map<String,Object> map = new HashMap<>();
map.put("msg",msg);
map.put("status",status);
String json = JSON.toJSONString(map);
response.getWriter().println(json);
}
在不同场景测试
流控:
白名单:
规则持久化
现在,sentinel的所有规则都是内存存储,重启后所有规则都会丢失。在生产环境下,我们必须确保这些规则的持久化,避免丢失。
规则是否能持久化,取决于规则管理模式,sentinel支持三种规则管理模式:
- 原始模式:Sentinel的默认模式,将规则保存在内存,重启服务会丢失。
- pull模式
- push模式
具体操作百度这里我就不演示了