面试官：高并发下重启服务，接口调用老是超时，你有什么解决办法？

今天文章内容来自一位朋友出去面试碰到的问题:

「了解 Dubbo 服务预热过程吗？详细聊聊它的原理。」

这个问题朋友没有很好答出来，因为之前也没了解过。说实话一开始我只是大概知道这块预热的代码位于何处，但是原理什么的还是没有仔细去了解。

所以这次仔细去看了下代码，查了一些 Github 这块代码提交记录，终于搞明白这块的原理，跟大家一起分享下。

预热

首先我们来看下什么是服务预热？

先举一个生活的中的例子，买过新车的同学应该知道新车都有一个磨合期的，大概开个一两千公里之后，才能达到最佳的状态。

其实服务预热也是这个意思，服务刚启动的时候将存在一段「磨合期」，这段期间服务运行状态没有达到最佳，如果一下子将服务流量提升到平常的状态，可能会存在大量的请求超时或者瞬间将系统压垮。

所以服务刚启动的时候我们要慢慢增加的流量，直到一段时间后增加到阈值的上限，给系统一个「预热过程」，让其运行状态到达最佳。

那为什么服务刚启动的时候系统状态没有到达最佳状态？

大概原因其实如下：

Java 应用存在一个类加载的过程，而这个过程是按需加载的。即服务刚启动时候，JVM 只加载了启动过程必需的类。

我们自己所需要的类，直到服务被调用之后才会被真正的加载。

另外对于一些「热点代码」，JVM 将会使用 JIT 编译器编译成本地代码，提高运行速度。

上面两个过程是出于 JVM 系统层面的影响。

除此之外，我们服务系统中可能会需要一些缓存资源。刚启动的时候，由于资源不存在，服务需要去加载这些资源。

Dubbo 预热实现方式

好了，了解完预热是咋回事后，我们回到正题，来看下 Dubbo 是如何实现预热的。

首先我们来看下 Dubbo 服务模型：

服务提供者启动之后将会把节点相关信息注册到注册中心，服务消费者通过注册中心就可以及时获取所有的服务节点。

当服务消费者调用服务时，内部将会通过负载均衡组件选择一个节点，进行服务调用。

如上图所示，假设 B 节点服务刚启动，其需要一个预热过程，这就需要服务消费者逐渐将流量分发给 B 节点。

下面我们就从 Dubbo 源码出发，观察服务预热具体实现方式，具体源码位于 AbstractLoadBalance#getWeight

ps: 当前源码 Dubbo 版本为2.7.4，低于这个版本代码实现存在少量差异，详情见下文。

这段代码主要分为三步：

1. 获取服务提供者启动时间 timestamp
2. 使用当前时间减去服务提供者启动时间，计算服务提供者已运行时间 uptime
3. 根据已运行时间动态计算服务预热过程的权重

第三步动态权重计算方法如下：

这里计算方式其实很简单，简单来说服务运行时间越久，权重越高，直到正常权重。

假如服务提供者已运行 1 分钟，那么 weight 最终结果为 10 。

假如服务提供者已运行 5 分钟，那么 weight 最终结果为 50 。

假如服务提供者已运行 11 分钟，超过默认预热时间的阈值 10分 钟，那么将不会再计算，直接返回 weight 默认权重。

这里我们需要注意的是，Dubbo 默认提供五种负载均衡的策略：

• Random LoadBalance :「加权随机」策略
• RoundRobin LoadBalance：「加权轮询」策略
• LeastActive LoadBalance：「最少活跃调用数」策略
• ConsistentHash LoadBalance：「一致性 Hash」 策略
• ShortestResponse LoadBalance：「最短响应时间」策略

「ShortestResponse LoadBalance」 策略小伙伴们可能会比较陌生，官方文档中并没有提到这个策略。

其实这个是 Dubbo 2.7.7 版本新增的负载均衡策略，官方文档估计还没更新。

ps：感兴趣的小伙伴，可以去修改下官方的文档，增加这个新的负载均衡的策略，为开源献出我们的一份力量。

回到正文，从AbstractLoadBalance#getWeight调用关系可以看到，「ConsistentHash LoadBalance」 实现类是不支持服务预热，这点需要注意一下。

Dubbo 预热历史 bug-反复横跳

虽然 Dubbo 预热的相关代码，总体看起来不是很难，但是历史版本还是存在几个 Bug，导致预热失效。

Dubbo 2.5.5 之前的版本

在 Dubbo 2.5.5 之前的版本，AbstractLoadBalance#getWeight实现方式如下:

这个版本跟现在代码一样，都是从节点的 timestamp获取服务启动时间。不过这个版本存在一些问题，Dubbo 没有把服务提供者启动时间传给消费者，导致这里获取 timestamp是消费者启动时间，这样就导致预热失效。

等到 Dubbo 2.5.6 ，修复这个问题，源码如下：

这个版本将服务提供者启动时间单独保存在 remote.timestamp 属性中，源码位于 ClusterUtils#mergeUrl

通过这种方式修复预热失效的问题。

Dubbo 2.7.2 预热又失效了

当 Dubbo 版本升级到 2.7.2 ，这个预热失效 Bug 又回来了。带来这个问题主要原因是ClusterUtils#mergeUrl 源码中清除了remote.timestamp，转而统一使用 timestamp保存服务启动时间。

但是呢，由于修改没有彻底， AbstractLoadBalance#getWeight还是依然使用 remote.timestamp 获取服务启动时间，这就导致预热失效。

预热代码的隐藏 bug

这个 Bug 在Dubbo 2.7.4 版本被彻底修复，另外还顺带优化了代码中存在缺陷。

先看下原先的代码中国缺陷，原先预热代码实现采用如下方式计算服务启动运行的时间。

int uptime = (int) (System.currentTimeMillis() - timestamp);

但是这里存在一个问题，如果服务提供者与消费者两端时钟是不一致，服务提供者启动时间很有可能会大于消费者本地时间。

这种情况，uptime 计算结果为一个负值，这就会导致权重将使用配置的默认值，预热也失效了。

所以针对这种情况 「@aftersss」 提供了修复的方案，加入相关的判断，当 uptime为负值的时候，直接返回权重 1。

不过在 「Code review」 过程中，「@beiwei30」 觉得不用加入额外 if 判断，可以直接使用 Math.max兼容。

不过这样修改，还是存在一个问题：Integer 精度丢失问题。

如果此时 System.currentTimeMillis() = 1566209746000(2019-08-19 18:15:46),而 timestamp = 1561914711000(2019-07-01 01:11:51),当两者差值为：「4295035000」。

这是一个远大于 Integer.MAX_VALUE的值，所以在 long 转为 int 时候精度丢失，导致最后实际得到 int 值为 「67704」。

而这个值小于服务预热的默认时间（10 * 60 * 1000），所以进入动态计算权重环节，最终将得到一个比较小的权重，这就导致「假预热」。

所以最后还是采用  「@aftersss」 修复的方案，采用 long 类型存储时间戳计算结果，最终优化代码如下：

总结

今天的文章主要介绍了服务预热的作用，以及 Dubbo 服务预热的实现方式。

这个实现方式整体来说不是很难，简单来说就是随着运行时间逐渐提高权重，从而增加服务节点的流量。

如果你当前使用框架并没有这个功能，而你正需要服务预热，可以参考 Dubbo 的实现方式。

另外由于 Dubbo 历史版本存在一些 Bug，如果各小伙伴需要使用服务预热功能，需要注意避免使用以下版本：

• 「Dubbo 2.5.5 之前的版本」
• 「Dubbo 2.7.2/ 2.7.3」