• 什麽是應用服務雪崩？

雪崩問題

分布式系統都存在這樣一個問題，由於網絡的不穩定性，決定了任何一個服務的可用性都不是 100% 的。當網絡不穩定的時候，作為服務的提供者，自身可能會被拖死，導致服務調用者阻塞，最終可能引發雪崩連鎖效應。

緩存雪崩

當緩存服務器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，也會給後端系統(比如DB)帶來很大壓力，造成數據庫後端故障，從而引起應用服務器雪崩。

雪崩效應產生的幾種場景

• 流量激增：比如異常流量、用戶重試導致系統負載升高；
• 緩存刷新：假設A為client端，B為Server端，假設A系統請求都流向B系統，請求超出了B系統的承載能力，就會造成B系統崩潰；
• 程序有Bug：代碼循環調用的邏輯問題，資源未釋放引起的內存泄漏等問題；
• 硬件故障：比如宕機，機房斷電，光纖被挖斷等。
• 數據庫嚴重瓶頸，比如：長事務、sql超時等。
• 線程同步等待：系統間經常采用同步服務調用模式，核心服務和非核心服務共用一個線程池和消息隊列。如果一個核心業務線程調用非核心線程，這個非核心線程交由第三方系統完成，當第三方系統本身出現問題，導致核心線程阻塞，一直處於等待狀態，而進程間的調用是有超時限制的，最終這條線程將斷掉，也可能引發雪崩；

緩存雪崩的解決方案

緩存失效的幾種情況:

1、緩存服務器掛了

2、高峰期緩存局部失效

3、熱點緩存失效

解決方案：

1、避免緩存集中失效，不同的key設置不同的超時時間

2、增加互斥鎖，控制數據庫請求，重建緩存。

3、提高緩存的HA，如：redis集群。

雪崩的整體解決方案

一般情況對於服務依賴的保護主要有3種解決方案：

（1）熔斷模式

這種模式主要是參考電路熔斷，如果一條線路電壓過高，保險絲會熔斷，防止火災。放到我們的系統中，如果某個目標服務調用慢或者有大量超時，此時，熔斷該服務的調用，對於後續調用請求，不在繼續調用目標服務，直接返回，快速釋放資源。如果目標服務情況好轉則恢復調用。

重點監控的機器性能指標

• cpu(Load) cpu使用率/負載
• memory 內存
• mysql監控長事務(這裏與sql查詢超時是緊密結合的，需要重點監控)
• sql超時
• 線程數等

總之，除了cpu、內存、線程數外，重點監控數據庫端的長事務、sql超時等，絕大多數應用服務器發生的雪崩場景，都是來源於數據庫端的性能瓶頸，從而先引起數據庫端大量瓶頸，最終拖累應用服務器也發生雪崩，最後就是大面積的雪崩。

（2）隔離模式

這種模式就像對系統請求按類型劃分成一個個小島的一樣，當某個小島被火少光了，不會影響到其他的小島。

例如可以對不同類型的請求使用線程池來資源隔離，每種類型的請求互不影響，如果一種類型的請求線程資源耗盡，則對後續的該類型請求直接返回，不再調用後續資源。這種模式使用場景非常多，例如將一個服務拆開，對於重要的服務使用單獨服務器來部署，再或者公司最近推廣的多中心。

（3）限流模式

上述的熔斷模式和隔離模式都屬於出錯後的容錯處理機制，而限流模式則可以稱為預防模式。限流模式主要是提前對各個類型的請求設置最高的QPS閾值，若高於設置的閾值則對該請求直接返回，不再調用後續資源。這種模式不能解決服務依賴的問題，只能解決系統整體資源分配問題，因為沒有被限流的請求依然有可能造成雪崩效應。

熔斷設計

在熔斷的設計主要參考了hystrix的做法。其中最重要的是三個模塊：熔斷請求判斷算法、熔斷恢復機制、熔斷報警

（1）熔斷請求判斷機制算法：使用無鎖循環隊列計數，每個熔斷器默認維護10個bucket，每1秒一個bucket，每個blucket記錄請求的成功、失敗、超時、拒絕的狀態，默認錯誤超過50%且10秒內超過20個請求進行中斷攔截。

（2）熔斷恢復：對於被熔斷的請求，每隔5s允許部分請求通過，若請求都是健康的（RT<250ms）則對請求健康恢復。

（3）熔斷報警：對於熔斷的請求打日誌，異常請求超過某些設定則報警。

隔離設計

隔離的方式一般使用兩種

（1）線程池隔離模式：使用一個線程池來存儲當前的請求，線程池對請求作處理，設置任務返回處理超時時間，堆積的請求堆積入線程池隊列。這種方式需要為每個依賴的服務申請線程池，有一定的資源消耗，好處是可以應對突發流量（流量洪峰來臨時，處理不完可將數據存儲到線程池隊裏慢慢處理）

（2）信號量隔離模式：使用一個原子計數器（或信號量）來記錄當前有多少個線程在運行，請求來先判斷計數器的數值，若超過設置的最大線程個數則丟棄改類型的新請求，若不超過則執行計數操作請求來計數器+1，請求返回計數器-1。這種方式是嚴格的控制線程且立即返回模式，無法應對突發流量（流量洪峰來臨時，處理的線程超過數量，其他的請求會直接返回，不繼續去請求依賴的服務）

超時機制設計

（1）超時分兩種，一種是請求的等待超時，一種是請求運行超時。

（2）等待超時：在任務入隊列時設置任務入隊列時間，並判斷隊頭的任務入隊列時間是否大於超時時間，超過則丟棄任務。

（3）運行超時：直接可使用線程池提供的get方法。

如何提前發現雪崩

就是首先讓系統不雪崩，然後通過監控發現請求正在接近或者超過閥值，然後再根據具體情況處理，這個接近或者超過閥值的過程，可以稱為 “提前發現雪崩”。

以上就是應用服務雪崩的場景以及技術方案總結。

順便在此給大家推薦一個Java架構方面的交流學習群：698581634，裏面會分享一些資深架構師錄制的視頻錄像：有Spring，MyBatis，Netty源碼分析，高並發、高性能、分布式、微服務架構的原理，JVM性能優化這些成為架構師必備的知識體系，在這個群裏會有你需要的內容 朋友們請抓緊時間加入進來吧。

架構師細談：什麽是緩存雪崩？服務器雪崩的場景與解決方案