超时，重试，熔断，限流
1 寫在前面
1.1 名詞解釋
consumer表示服務調用方?
provider標示服務提供方，dubbo里面一般就這么講。
下面的A調用B服務，一般是泛指調用B服務里面的一個接口。
1.2 拓撲圖
大寫字母表示不同的服務，后面的序號表示同一個服務部署在不同機器的實例。
2 從微觀角度思考
2.1 超時（timeout）
在接口調用過程中，consumer調用provider的時候，provider在響應的時候，有可能會慢，如果provider 10s響應，那么consumer也會至少10s才響應。如果這種情況頻度很高，那么就會整體降低consumer端服務的性能。
這種響應時間慢的癥狀，就會像一層一層波浪一樣，從底層系統一直涌到最上層，造成整個鏈路的超時。
所以，consumer不可能無限制地等待provider接口的返回，會設置一個時間閾值，如果超過了這個時間閾值，就不繼續等待。
這個超時時間選取，一般看provider正常響應時間是多少，再追加一個buffer即可。
2.2 重試（retry）
超時時間的配置是為了保護服務，避免consumer服務因為provider 響應慢而也變得響應很慢，這樣consumer可以盡量保持原有的性能。
但是也有可能provider只是偶爾抖動，那么超時后直接放棄，不做后續處理，就會導致當前請求錯誤，也會帶來業務方面的損失。
那么，對于這種偶爾抖動，可以在超時后重試一下，重試如果正常返回了，那么這次請求就被挽救了，能夠正常給前端返回數據，只不過比原來響應慢一點。
重試時的一些細化策略：
重試可以考慮切換一臺機器來進行調用，因為原來機器可能由于臨時負載高而性能下降，重試會更加劇其性能問題，而換一臺機器，得到更快返回的概率也更大一些。
2.2.1 冪等(idempotent)
如果允許consumer重試，那么provider就要能夠做到冪等。
即，同一個請求被consumer多次調用，對provider產生的影響(這里的影響一般是指某些寫入相關的操作) 是一致的。
而且這個冪等應該是服務級別的，而不是某臺機器層面的，重試調用任何一臺機器，都應該做到冪等。
2.3 熔斷（circuit break）
重試是為了應付偶爾抖動的情況，以求更多地挽回損失。
可是如果provider持續的響應時間超長呢?
如果provider是核心路徑的服務，down掉基本就沒法提供服務了，那我們也沒話說。 如果是一個不那么重要的服務，卻因為這個服務一直響應時間長導致consumer里面的核心服務也拖慢，那么就得不償失了。
單純超時也解決不了這種情況了，因為一般超時時間，都比平均響應時間長一些，現在所有的打到provider的請求都超時了，那么consumer請求provider的平均響應時間就等于超時時間了，負載也被拖下來了。
而重試則會加重這種問題，使consumer的可用性變得更差。
因此就出現了熔斷的邏輯，也就是，如果檢查出來頻繁超時，就把consumer調用provider的請求，直接短路掉，不實際調用，而是直接返回一個mock的值。
等provider服務恢復穩定之后，重新調用。
2.3.1 簡單的熔斷處理邏輯
可以參考Netflix開源出來的Hystrix的代碼。
2.4 限流(current limiting)
上面幾個策略都是consumer針對provider出現各種情況而設計的。
而provider有時候也要防范來自consumer的流量突變問題。
這樣一個場景，provider是一個核心服務，給N個consumer提供服務，突然某個consumer抽風，流量飆升，占用了provider大部分機器時間，導致其他可能更重要的consumer不能被正常服務。
所以，provider端，需要根據consumer的重要程度，以及平時的QPS大小，來給每個consumer設置一個流量上線，同一時間內只會給A consumer提供N個線程支持，超過限制則等待或者直接拒絕。
2.4.1 資源隔離
provider可以對consumer來的流量進行限流，防止provider被拖垮。?
同樣，consumer 也需要對調用provider的線程資源進行隔離。 這樣可以確保調用某個provider邏輯不會耗光整個consumer的線程池資源。
2.4.2 服務降級
降級服務既可以代碼自動判斷，也可以人工根據突發情況切換。
2.4.2.1 consumer 端
consumer 如果發現某個provider出現異常情況，比如，經常超時(可能是熔斷引起的降級)，數據錯誤，這是，consumer可以采取一定的策略，降級provider的邏輯，基本的有直接返回固定的數據。
2.4.2.2 provider 端
當provider 發現流量激增的時候，為了保護自身的穩定性，也可能考慮降級服務。?
比如，1，直接給consumer返回固定數據，2，需要實時寫入數據庫的，先緩存到隊列里，異步寫入數據庫。
3 從宏觀角度重新思考
宏觀包括比A -> B 更復雜的長鏈路。
長鏈路就是 A -> B -> C -> D這樣的調用環境。
而且一個服務也會多機部署，A 服務實際會存在 A1，A2，A3 …
微觀合理的問題，宏觀未必合理。
下面的一些討論，主要想表達的觀點是：如果系統復雜了，系統的容錯配置要整體來看，整體把控，才能做到更有意義。
3.1 超時
如果A給B設置的超時時間，比B給C設置的超時時間短，那么肯定不合理把，A超時時間到了直接掛斷，B對C支持太長超時時間沒意義。
R表示服務consumer自身內部邏輯執行時間，TAB表示consumer A開始調用provider B到返回的時間 。
那么那么TAB > RB + TBC 才對。
3.2 重試
重試跟超時面臨的問題差不多。
B服務一般100ms返回，所以A就給B設置了110ms的超時，而B設置了對C的一次重試，最終120ms正確返回了，但是A的超時時間比較緊，所以B對C的重試被白白浪費了。
A也可能對B進行重試，但是由于上一條我們講到的，可能C確實性能不好，每次B重試一下就OK，但是A兩次重試其實都無法正確的拿到結果。
N標示設置的重試次數
修正一下上面section的公式，TAB > RB+TBC * N。
雖然這個公式本身沒什么問題，但是，如果站在長鏈路的視角來思考，我們需要整體規劃每個服務的超時時間和重試次數，而不是僅僅公式成立即可。
比如下面情況:
A -> B -> C。
RB = 100ms，TBC=10ms
B是個核心服務，B的計算成本特別大，那么A就應該盡量給B長一點的超時時間，而盡量不要重試調用B，而B如果發現C超時了，B可以多調用幾次C，因為重試C成本小，而重試B成本則很高。 so …
3.3 熔斷
A -> B -> C，如果C出現問題了，那么B熔斷了，則A就不用熔斷了。
3.4 限流
B只允許A以QPS<=5的流量請求，而C卻只允許B以QPS<=3的qps請求，那么B給A的設定就有點大，上游的設置依賴下游。
而且限流對QPS的配置，可能會隨著服務加減機器而變化，最好是能在集群層面配置，自動根據集群大小調整。
3.5 服務降級
服務降級這個問題，如果從整體來操作，
1，一定是先降級優先級地的接口，兩權相害取其輕?
2，如果服務鏈路整體沒有性能特別差的點，比如就是外部流量突然激增，那么就從外到內開始降級。?
3如果某個服務能檢測到自身負載上升，那么可以從這個服務自身做降級。
3.6 漣漪
A -> B -> C，如果C服務出現抖動，而B沒有處理好這個抖動，造成B服務也出現了抖動，A調用B的時候，也會出現服務抖動的情況。
這個暫時的不可用狀態就想波浪一樣從底層傳遞到了上層。
所以，從整個體系的角度來看，每個服務一定要盡量控制住自己下游服務的抖動，不要讓整個體系跟著某個服務抖動。
3.7 級聯失敗(cascading failure)
系統中有某個服務出現故障，不可用，傳遞性地導致整個系統服務不可用的問題。
跟上面漣漪(自造詞)的區別也就是嚴重性的問題。
漣漪描述服務偶發的不穩定層層傳遞，而級聯失敗基本是導致系統不可用。 一般，前者可能會因為短時間內恢復而未引起重視，而后者一般會被高度重視。
3.8 關鍵路徑
關鍵路徑就是，你的服務想正常工作，必須要完整依賴的下游服務鏈，比如數據庫一般就是關鍵路徑里面的一個節點。
盡量減少關鍵路徑依賴的數量，是提高服務穩定性的一個措施。
數據庫一般在服務體系的最底層，如果你的服務可以會自己完整緩存使用的數據，解除數據庫依賴，那么數據庫掛掉，你的服務就暫時是安全的。
3.9 最長路徑
想要優化你的服務的響應時間，需要看服務調用邏輯里面的最長路徑，只有縮短最長時間路徑的用時，才能提高你的服務的性能。
from:?http://mp.weixin.qq.com/s/wIQIv4TAHRIqR_X9iSz3Hw
總結
以上是生活随笔為你收集整理的超时，重试，熔断，限流的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： mybatis深入理解(一)之 # 与
- 下一篇： MVVM 介绍