阿里二面:外部接口大量超时,把整个系统拖垮,引发雪崩!如何解决...
共 10572字，需浏览 22分钟
·
2022-03-12 16:12
大家好，我是Tom哥~
互联网+ 时代，业务数字化已经蔓延到你能想到的各个行业。各种业务功能、营销玩法越来越多，系统也越来越复杂。
面对不断复杂的业务系统，脑子越来越不够用了
于是 聪明的人们 提出了 微服务 的设计思想
本着 复杂的事情简单化 的原则，我们将一个大的系统拆分成若干个子系统，每个 子系统 职责单一，按 DDD 的设计理念，承载一个子域的业务建设。
于是，人们可以将精力聚焦，专心完成某一个业务点的深度建设。
多个微服务系统之间通过 RPC 框架（如：dubbo、spring cloud、gRPC 等）完成了串联，但随着调用量越来越大，人们发现服务与服务之间的稳定性变得越来越重要
举个例子：
- Service D 挂了，响应很慢
- Service G 和 Service F ，都依赖 Service D，也会受到牵连，对外响应也会变慢
- 影响层层向上传递，Service A 和 Service B 也会被拖垮
- 最后，引发雪崩效应，系统的故障影响面会越来越大
为了解决这种问题，我们需要引入 熔断 机制。“当断则断，不受其乱。当断不断，必受其难”
什么是熔断？
熔断，其实是对调用链路中某个资源出现不稳定状态时（如：调用超时或异常比例升高），对这个资源的调用进行限制，让请求快速失败，避免影响到其它的资源而导致级联错误。
当资源被降级后，在接下来的降级时间窗口内，对该资源的调用都自动熔断（默认是抛出 BlockException）
目前市面上的熔断框架很多，如：Sentinel、Hystrix、Resilience4j 等，这些框架的设计理念都差不多。
本文重点讲下 Sentinel 是如何在项目中使用的
Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。
核心分为两部分：
1、核心库（Java 客户端）：能够运行在所有 Java 环境，对 Dubbo 、Spring Cloud 等框架也有较好的支持。
2、控制台（Dashboard）：基于 Spring Boot 开发，打包后可以直接运行。
Sentinel 熔断种类：
- RT 响应时间
- 异常数
- 异常比例
Sentinel 安装
首先，官网下载 sentinel 控制台安装包
下载地址：https://github.com/alibaba/Sentinel/releases
下载 Jar 包后，打开终端，运行命令
java -Dserver.port=8180 -Dcsp.sentinel.dashboard.server=localhost:8180 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard-1.8.1.jar
登陆Sentinal控制台：
默认用户和密码都是 sentinel ，登录成功后的界面如下，先来个直观感受
控制台配置熔断规则：
这里表示熔断策略选择 慢调用比例，响应时间超过200毫秒则标记为慢请求。如果在一个1000 ms的统计周期内（可自行调整），慢请求比例超过30%且数量超过3个，则对后续请求进行熔断，熔断时长为10秒钟，10秒以后恢复正常。
注解式接入
接入非常简单，只需要提前在控制台配置好资源规则，然后在代码中添加 @SentinelResource注解即可。
// 资源名称为handle1
@RequestMapping("/handle1")
@SentinelResource(value = "handle1", blockHandler = "blockHandlerTestHandler")
public String handle1(String params) {
// 业务逻辑处理
return "success";
}
// 接口方法 handle1 的 兜底方法
public String blockHandlerTestHandler(String params, BlockException blockException) {
return "兜底返回";
}
达到阈值后，系统的默认提示是一段英文，很不友好，我们可以自定义兜底方法。在@SentinelResource注解中进一步配置 blockHandler、fallback 属性字段
blockHandler：主观层面，如果被限流或熔断，则调用该方法，进行兜底处理fallback：对业务的异常兜底，比如，执行过程中抛了各种Exception，则调用该方法，进行兜底处理
通过上面两层兜底，可以让Sentinel 框架更加人性化，体验更好。
注意：注解式开发，需要添加在方法上，作用域范围相对固定。下面的项目实战中，我们也可以采用
显示形式，可以灵活圈定代码块范围。
项目实战
我们这边有个项目，考虑到客户的部署成本，想做一个轻量级方案，需求如下：
- 既想引入框架的熔断功能，又不想部署控制台
- 拦截点相对收拢，类似与dubbo消费端远程访问一样，在代理类的远程通讯位置做拦截处理
概要方案--流程图：
1、我们通过 Proxy.newProxyInstance 为所有的接口创建了代理子类
2、所有对代理子类的方法调用全部收拢到 InvocationHandler
3、我们讲类名和方法名做一个拼接，然后去 熔断规则表查询，看是否配置了规则
4、如果没有，那么走常规则远程调用逻辑
5、如果有，将远程调用逻辑纳入 Sentinel 的监控管辖
6、如果触发了 熔断机制，则直接抛出 BlockException ，上层业务拦截异常，做特殊处理，比如：修饰下给用户更合适的文案提示。
熔断状态机：
核心的代码逻辑，继续往下看
首先，引入 Sentinel 的依赖包：
<!-- 限流、熔断框架 -->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-core</artifactId>
<version>1.8.3</version>
</dependency>
熔断规则表设计：
CREATE TABLE `degrade_rule` (
`id` bigint unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',
`resource_name` varchar(256) NOT NULL COMMENT '资源名称',
`count` double NOT NULL COMMENT '慢调用时长，单位 毫秒',
`slow_ratio_threshold` double NOT NULL COMMENT '慢调用比例阈值',
`min_request_amount` int NOT NULL COMMENT '熔断触发的最小请求数',
`stat_interval` int NOT NULL COMMENT '统计时长，单位 毫秒',
`time_window` int NOT NULL COMMENT '熔断时长，单位为 s',
`created_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
`updated_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间',
PRIMARY KEY (`id`) USING BTREE,
UNIQUE KEY `uk_resource_name` (`resource_name`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb3 COMMENT='熔断规则表';
由于放弃了部署控制台，我们只能自己管理熔断规则的各个属性值。可以按企业内部管理后台风格，开发页面管理这些规则。
当然，早期可以采用更简单粗暴方式，在数据库表手动初始化数据。如果要调整规则，走 SQL 订正。
为了尽可能实时感知规则表数据变更，开发了定时任务，每 10 秒运行一次。
@Scheduled(cron = "0/10 * * * * ? ")
public void loadDegradeRule() {
List<DegradeRuleDO> degradeRuleDOList = degradeRuleDao.queryAllRule();
if (CollectionUtils.isEmpty(degradeRuleDOList)) {
return;
}
String newMd5Hex = DigestUtils.md5Hex(JSON.toJSONString(degradeRuleDOList));
if (StringUtils.isBlank(newMd5Hex) || StringUtils.equals(lastMd5Hex, newMd5Hex)) {
return;
}
List<DegradeRule> rules = null;
List<String> resourceNameList = new ArrayList<>();
rules = degradeRuleDOList.stream().map(degradeRuleDO -> {
//资源名，即规则的作用对象
DegradeRule rule = new DegradeRule(degradeRuleDO.getResourceName())
// 熔断策略，支持慢调用比例/异常比例/异常数策略
.setGrade(CircuitBreakerStrategy.SLOW_REQUEST_RATIO.getType())
//慢调用比例模式下为慢调用临界 RT（超出该值计为慢调用）；异常比例/异常数模式下为对应的阈值
.setCount(degradeRuleDO.getCount())
// 熔断时长，单位为 s
.setTimeWindow(degradeRuleDO.getTimeWindow())
// 慢调用比例阈值
.setSlowRatioThreshold(degradeRuleDO.getSlowRatioThreshold())
//熔断触发的最小请求数，请求数小于该值时即使异常比率超出阈值也不会熔断
.setMinRequestAmount(degradeRuleDO.getMinRequestAmount())
//统计时长（单位为 ms）
.setStatIntervalMs(degradeRuleDO.getStatInterval());
resourceNameList.add(degradeRuleDO.getResourceName());
return rule;
}).collect(Collectors.toList());
if (CollectionUtils.isNotEmpty(rules)) {
DegradeRuleManager.loadRules(rules);
ConsumerProxyFactory.resourceNameList = resourceNameList;
lastMd5Hex = newMd5Hex;
}
log.error("[DegradeRuleConfig] 熔断规则加载: " + rules);
}
考虑到规则变更频率不会很高，没有必要每次都DegradeRuleManager.loadRules重新加载规则。这里设计了个小窍门
DigestUtils.md5Hex(JSON.toJSONString(degradeRuleDOList));
对查询的规则内容 JSON 序列化，然后计算其md5摘要，如果跟上一次的结果一致，说明这期间没有变更，直接 return ，不做处理。
定义子类，实现了 InvocationHandler 接口。通过 Proxy.newProxyInstance 为目标接口创建一个代理子类。
这样，每次调用接口方法，实际都是在调用 invoke 方法
@Override
public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {
Class<?> clazz = proxy.getClass().getInterfaces()[0];
String urlCode = clazz.getName() + "#" + method.getName();
if (resourceNameList.contains(urlCode)) {
// 增加熔断处理
Entry entry = null;
try {
entry = SphU.entry(urlCode);
// 远程网络调用，获取结果
responseString = HttpClientUtil.postJsonRequest(url, header, body);
} catch (BlockException blockException) {
// 触发熔断
log.error("degrade trigger ! remote url :{} ", urlCode);
throw new DegradeBlockExcetion(urlCode);
} finally {
if (entry != null) {
entry.exit();
}
}
} else {
// 常规处理，不走熔断判断逻辑
// 省略
}
}
实验数据：
上面案例的源代码已经上传到 GitHub，关注公众号：微观技术，回复关键词：「1819」 即可获取
推荐阅读：
【万字长文】创业公司就应该技术选型 Spring Cloud Alibaba
欢迎关注微信公众号：互联网全栈架构，收取更多有价值的信息。