[[349131]]

作者 | 悟空聊架構

來源 | 悟空聊架構（ID：PassJava666）

滾滾長江東逝水，浪花淘盡英雄。

是非成敗轉頭空。青山依舊在，幾度夕陽紅。

-- 來自《三國演義》

本篇將會通過三國中的赤壁之戰來講述周瑜、黃蓋和諸葛亮是怎么把服務雪崩玩到極致的。

本文已收錄到我的 Github，點擊文末的閱讀原文打開。給個Star吧~

https://github.com/Jackson0714/PassJava-Learning

赤壁之戰

話說東漢末年，曹操、孫權、劉備在長江赤壁(今湖北蒲圻西北)進行了一次爭奪老大位置的大戰，這就是有名的赤壁之戰。

一、還原赤壁之戰

曹操統一北方后，南下打敗了劉備，占領荊襄之地后，還想干掉東邊的孫權，于是劉備和孫權一起聯合抗擊曹軍八十萬大軍。

曹操的軍隊大部分都是北方的，對于水上作戰的經驗非常欠缺，而且很多士兵暈船，于是曹操命令軍隊將船尾用鐵索相連，減弱了風浪顛簸，利于士兵演練。

[[349132]]

鐵索連環-圖片來源網絡

我們來看看周瑜、黃蓋、諸葛亮的對話：

三人對話@悟空聊架構

黃蓋：曹操是真的蠢啊，把船連著，如果船燒著了，其他船會跟著一起燒著的。鎖鏈不易解開，船都逃不了了。我們用火攻，直接把曹軍干趴下。

周瑜：但如何接近他們的船呢?

黃蓋：我用詐降帶幾艘船出發，船上載浸油的干草，等接近曹軍時，點燃干草，沖向曹軍的連環船，引燃他們的船只。

周瑜：妙啊!可是哪來的東風?

諸葛亮：我來借東風~

赤壁之戰那天，火船乘風闖入曹軍船陣，頓時一片火海。聯軍乘勢攻擊，曹軍傷亡慘重，最后以聯軍大勝結束，成為了以少勝多的經典戰役。

引燃連鎖船-圖片來源網絡

二、戰情分析

周瑜和黃蓋看出了連環船的弱點：「如果一只船被燒著了，也會把連著的船燒著」 。

這就很像我們的系統中出現的服務雪崩問題。

假定我們系統引進了微服務的思想，將多個服務進行拆分，每個服務都是通過接口調用來完成的，看似功能通過微服務化后，功能和職責單一，正是我們想要的。

但隨著業務的增長，服務的數量也是隨之增多，邏輯也會更加復雜，一個服務的某個邏輯需要依賴多個其他服務才能完成。假如一個被依賴的服務不能向上游的服務提供服務，則很可能造成雪崩效應，最后導致整個服務不可訪問。

就像雪山上某一處出現積雪崩塌的現象，慢慢地帶動其他片區的積雪崩塌，產生了級聯反應，最后造成大片的積雪崩塌，這就是常見的雪崩場景。

「小結」 一個服務失敗，導致整條鏈路的服務都失敗的場景，稱為服務雪崩。

那曹軍應該怎么避免這個問題呢?別急，后面再看答案。

三、系統中的雪崩效應

微服務之間往往采用 RPC 或者 HTTP 調用，一般都會設置調用超時的限制，或者通過失敗重試機制來確保服務成功執行。但如果不考慮服務的熔斷和限流，還是很容易產生服務雪崩的。下面用例子來講解下雪崩效應是怎么產生的。

雪崩效應

• 我們系統中三個服務：訂單服務、商品服務、庫存服務。
• 下單場景：用戶下單了一個商品，客戶端調用訂單服務來生成預付款訂單，訂單服務調用商品服務查看下單的哪款商品，商品服務調用庫存服務判斷這款商品是否有庫存，如有庫存，則可以生成預付款訂單。
• 假定因雙十一流量暴增，庫存服務不可用(如響應超時等)，庫存服務收到的很多請求都未處理完，它將無法處理更多請求。
• 而上游的商品服務依賴庫存服務，商品服務的超時和重試機制會被執行。商品服務新的調用不斷產生，會導致商品服務的調用被大量積壓，產生大量的調用等待和重試調用，慢慢耗盡商品服務的資源，比如內存，結果導致商品服務也宕機了。

而訂單服務也會重走商品服務的老路。結果就是三個服務都不可用了。

四、造成雪崩的真實場景

1.4.1 服務提供者不可用

• 硬件故障:如網絡故障、硬盤損壞等。
• 程序的 bug:如算法需要占用大量 CPU 的計算時間導致 CPU 使用率過高。
• 緩存擊穿:比如應用剛重啟，短時間內緩存是失效的，導致大量請求直接訪問到了數據庫，數據庫不堪重負，服務不可用。
• 秒殺和大促:服務短時間承載不了那么多請求量。

1.4.2 重試加大流量

• 用戶連續重試:比如用戶看到界面上沒有響應，所以又操作了一遍，結果又增加了一倍請求量。
• 程序重試機制:比如代碼中有多次重試的邏輯，一次失敗后，過幾秒后再重試，重試個三次就取消重試，走異常處理分支了。也是增加了請求量。

五、如何防止雪崩

方案

出問題前預防：限流、主動降級、隔離

出問題后修復：熔斷、被動降級

六、熔斷原理和算法

1.6.1 熔斷概念

 

保險絲熔斷

熔斷這個概念來源于電路系統中的保險絲熔斷。當電流過大時，保險絲熔斷，防止因電流過大損壞電器元器件，或因電流過大，導致元器件熱度過高，發生火災。

保險絲長啥樣

「物理公式」 電功率 P = I^2 * R，I 代表電流，元器件的電阻 R 不變的情況下，電流越大，電功率約大，電阻做的電功大部分都用來發熱了，所以電功率越大，發熱越嚴重。(還好高中物理沒忘。)

放到我們系統中，怎么理解熔斷?

如果在某段時間內，調用某個服務非常慢甚至超時，就可以將這個服務熔斷，后續其他服務再調用這個服務就直接返回，告訴其他服務：「“已經熔斷了，你別調用我了，過段時間再來試下吧。”」

1.6.2 如何熔斷

「熔斷有個原則」 一段時間內，統計失敗的次數或者失敗請求的占比超過一定閾值，就進行熔斷。

詳細的原理如下圖所示：

熔斷原理圖&悟空聊架構

1.6.3 統計請求的算法

• 請求訪問到后臺服務后，首先判斷熔斷開關是否打開。
• 如果熔斷開關已打開，則表明當前請求不能被處理。
• 如果熔斷開關未打開，則判斷時間窗口是否已滿。
• 如果時間窗口未滿，則請求桶中的請求數加 1。
• 如果返回的響應有異常，則失敗桶的失敗數加 1，如果返回的響應沒有異常，則成功桶的成功數加 1。
• 如果時間窗口已滿，則開始判斷是否需要熔斷。

1.6.4 熔斷的恢復算法

• 當熔斷后，開關切換到斷開狀態。
• 過一段時間后，開關切換為半斷開狀態(Half-Open)。半斷開狀態下，允許對應用程序的一定數量的請求可以去調用服務，如果調用成功，則認為服務可以正常訪問了，于是將開關切換為閉合狀態。
• 如果半斷開狀態下，還是有調用失敗的情況，則認為服務還沒有恢復，開關從半斷開狀態切換到斷開狀態。

1.6.5 統計失敗率的時間窗口

統計失敗率的時間窗口@悟空聊架構

• 時間窗口可以比喻為人坐在窗戶邊，看外面來往的車輛，一定時間內從窗戶外經過的車輛。
• 每次請求，都會判斷時間窗口是否已滿(如5分鐘)，如果時間窗口已滿，則重新開始計時，且清理請求數/成功數/失敗數。
• 注意：第一次開始的起始時間默認為當前時間。

1.6.6 嘗試恢復服務的時間窗口

嘗試恢復服務的時間窗口@悟空聊架構

開關為斷開的狀態，經過一定時間后，比如 1 分鐘，設置為半斷開的狀態，嘗試發送請求檢測服務是否恢復。

如果已恢復，則切換狀態為關閉狀態。如果未恢復，則切換狀態為斷開的狀態，經過 1 分鐘后，重復上面的步驟。

這里的時間窗口可以根據環境的運行狀態進行動態調整，比如第一次是 1 分鐘，第二次是 3 分鐘，第三次是 10 分鐘。

七、熔斷中間件

肯定有人會問了，你這上面講的原理，難道還真的自己去寫這套算法?

「答案：是的，項目中我們自己造了一個輪子：熔斷器。」

但這里我不推薦大家這么做。市面上還有更優秀的開源組件供大家使用，比如阿里系的 Sentinel(推薦)，Netflix 的 Hystrix(已停止更新)。

當然 Sentinel 就不在這篇講了，后續奉上~

八、扭轉戰局

曹操大敗是因為連鎖船的原因，那如何給曹操提供一妙計，助他扭轉戰局呢?

「方案有如下幾個」

可以用麻繩代替鎖鏈，因繩子更容易割斷。(熔斷機制)

將船劃分到幾個區域，區域之間保持一定距離，即使某個區域燒著了，也不會影響其他區域。(熔斷+資源隔離)

在湖面上提前設關卡，黃蓋過來的話，先檢查船和人，有問題不予通行。(熔斷)

九、限流、降級

本來是想在這篇把限流和降級也寫完的，發現熔斷的內容越寫越多了，那就把限流和降級放在后面幾篇吧。也是三國故事哦~

寫在最后

《三國演義》也是我非常喜歡的一部文學作品，書大概看了 80 %，電視劇是看完了的。

最喜歡的角色當然是軍師諸葛亮啦，還有梟雄曹操~~

本文轉載自微信公眾號「悟空聊架構」，可以通過以下二維碼關注。轉載本文請聯系悟空聊架構公眾號。