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？
共 3421字，需浏览 7分钟
·
2020-12-17 20:42
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：
获取服务提供者启动时间 timestamp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」
好了，今天的文章就到这里了~我是楼下小黑哥，你知道的越多，你不知道的就越多。
我们下周再见~
