怎样做网站关键词优化,室内设计培训价格,求网站晚上睡不着2021,做淘宝的网站有哪些内容吗目录
1.微服务保护
1.1.服务保护方案
1.1.1.请求限流
1.1.2.线程隔离
1.1.3.服务熔断
1.2.Sentinel
1.2.1.微服务整合
1.2.2.请求限流
1.3.线程隔离
1.3.1.OpenFeign整合Sentinel
1.3.2.配置线程隔离
1.4.服务熔断
1.4.1.编写降级逻辑
1.4.2服务熔断
2.分布式事…目录
1.微服务保护
1.1.服务保护方案
1.1.1.请求限流
1.1.2.线程隔离
1.1.3.服务熔断
1.2.Sentinel
1.2.1.微服务整合
1.2.2.请求限流
1.3.线程隔离
1.3.1.OpenFeign整合Sentinel
1.3.2.配置线程隔离
1.4.服务熔断
1.4.1.编写降级逻辑
1.4.2服务熔断
2.分布式事务
1.相关概念
2.2认识Seata 在微服务远程调用的过程中还存在几个问题需要解决。
首先是业务健壮性问题
例如在之前的查询购物车列表业务中购物车服务需要查询最新的商品信息与购物车数据做对比提醒用户。大家设想一下如果商品服务查询时发生故障查询购物车列表在调用商品服 务时是不是也会异常从而导致购物车查询失败。但从业务角度来说为了提升用户体验即便是商品查询失败购物车列表也应该正确展示出来哪怕是不包含最新的商品信息。 还有级联失败问题
还是查询购物车的业务假如商品服务业务并发较高占用过多Tomcat连接。可能会导致商品服务的所有接口响应时间增加延迟变高甚至是长时间阻塞直至查询失败。
此时查询购物车业务需要查询并等待商品查询结果从而导致查询购物车列表业务的响应时间也变长甚至也阻塞直至无法访问。而此时如果查询购物车的请求较多可能导致购物车服务的Tomcat连接占用较多所有接口的响应时间都会增加整个服务性能很差 甚至不可用。 依次类推整个微服务群中与购物车服务、商品服务等有调用关系的服务可能都会出现问题最终导致整个集群不可用。 微服务调用链路中的某个服务故障引起整个链路中所有的微服务都不可用
这就是级联失败问题或者叫雪崩问题。 还有跨服务的事务问题
比如昨天讲到过的下单业务下单的过程中需要调用多个微服务 商品服务扣减库存 订单服务保存订单 购物车服务清理购物车
这些业务全部都是数据库的写操作我们必须确保所有操作的同时成功或失败。但是这些操作在不同微服务也就是不同的Tomcat这样的情况如何确保事务特性呢
今天的内容会分成几部分 微服务保护 服务保护方案 请求限流 隔离和熔断 分布式事务 初识分布式事务 Seata 通过今天的学习你将能掌握下面的能力 知道雪崩问题产生原因及常见解决方案 能使用Sentinel实现服务保护 理解分布式事务产生的原因 能使用Seata解决分布式事务问题 理解AT模式基本原理 1.微服务保护
保证服务运行的健壮性避免级联失败导致的雪崩问题就属于微服务保护。这章我们就一起来学习一下微服务保护的常见方案以及对应的技术。
1.1.服务保护方案
微服务保护的方案有很多比如 请求限流 线程隔离 服务熔断
这些方案或多或少都会导致服务的体验上略有下降比如请求限流降低了并发上限线程隔离降低了可用资源数量服务熔断降低了服务的完整度部分服务变的不可用或弱可用。因此这些方案都属于服务降级的方案。但通过这些方案服务的健壮性得到了提升
接下来我们就逐一了解这些方案的原理。
1.1.1.请求限流
服务故障最重要原因就是并发太高解决了这个问题就能避免大部分故障。当然接口的并发不是一直很高而是突发的。因此请求限流就是限制或控制接口访问的并发流量避免服务因流量激增而出现故障。 请求限流往往会有一个限流器数量高低起伏的并发请求曲线经过限流器就变的非常平稳。这就像是水电站的大坝起到蓄水的作用可以通过开关控制水流出的大小让下游水流始终维持在一个平稳的量。 这是预防手段那如果服务真的出现故障了我们怎么去做避免故障扩散呢
这就引出下面几个方案了。
1.1.2.线程隔离
线程隔离也叫做舱壁模式模拟船舱隔板的防水原理。通过限定每个业务能使用的线程数量而将故障业务隔离避免故障扩散。 当一个业务接口响应时间长而且并发高时就可能耗尽服务器的线程资源导致服务内的其它接口受到影响。所以我们必须把这种影响降低或者缩减影响的范围。线程隔离正是解决这个问题的好办法。 线程隔离的思想来自轮船的舱壁模式 轮船的船舱会被隔板分割为N个相互隔离的密闭舱假如轮船触礁进水只有损坏的部分密闭舱会进水而其他舱由于相互隔离并不会进水。这样就把进水控制在部分船体避免了整个船舱进水而沉没。
实际开发中使用这个思想尽可能的把故障隔离在一定范围内。 那利用这个原理我们写代码的时候可以怎么解决
为了避免某个接口故障或压力过大导致整个服务不可用我们可以限定每个接口可以使用的资源范围也就是将其“隔离”起来。 如图所示我们给查询购物车业务限定可用线程数量上限为20这样即便查询购物车的请求因为查询商品服务而出现故障最多就占用这20个线程的资源量再有请求过来就会拒绝由于商品服务故障而无法释放资源。也不会导致服务器的线程资源被耗尽不会影响到其它接口。 但这些被占用的资源还是无法释放因此仅仅做线程隔离还是不够。我们还要做服务熔断
1.1.3.服务熔断
服务熔断: 由断路器统计请求的异常比例或慢调用比例如果超出阈值则会熔断该业务则拦截该接口的请求。
线程隔离虽然避免了雪崩问题但故障服务商品服务依然会拖慢购物车服务服务调用方的接口响应速度。而且商品查询的故障依然会导致查询购物车功能出现故障购物车业务也变的不可用了。 所以我们要做两件事情 编写服务降级逻辑就是服务调用失败后的处理逻辑根据业务场景可以抛出异常也可以返回友好提示或默认数据。 异常统计和熔断统计服务提供方的异常比例当比例过高表明该接口会影响到其它服务应该拒绝调用该接口而是直接走降级逻辑。 也就是说我们要提前给服务C编写一段fallback当请求发现熔断时请求就走fallback就是一个业务逻辑可以提前准备好一段数据或者友好提示然后快速返回。以后服务C就不会再被调用了。这样就避免了服务器C故障导致的服务A也出现故障。甚至于都不会占用线程请求一来就滚蛋了这样线程也不会多余占用了。 1.2.Sentinel
微服务保护的技术有很多但在目前国内使用较多的还是Sentinel所以接下来使用Sentinel做微服务保护。 控制台开启sentinel服务器命令
java -Dserver.port8090 -Dcsp.sentinel.dashboard.serverlocalhost:8090 -Dproject.namesentinel-dashboard -jar sentinel-dashboard.jar
1.2.1.微服务整合
我们在cart-service模块中整合sentinel连接sentinel-dashboard控制台步骤如下 1引入sentinel依赖
!--sentinel--
dependencygroupIdcom.alibaba.cloud/groupId artifactIdspring-cloud-starter-alibaba-sentinel/artifactId
/dependency
2配置控制台
修改application.yaml文件添加下面内容
spring:cloud: sentinel:transport:dashboard: localhost:8090
3访问cart-service的任意端点
重启cart-service然后访问查询购物车接口sentinel的客户端就会将服务访问的信息提交到sentinel-dashboard控制台。并展示出统计信息 点击簇点链路菜单会看到下面的页面 所谓簇点链路就是单机调用链路是一次请求进入服务后经过的每一个被Sentinel监控的资源。默认情况下Sentinel会监控SpringMVC的每一个Endpoint接口。
因此我们看到/carts这个接口路径就是其中一个簇点我们可以对其进行限流、熔断、隔离等保护措施。 不过需要注意的是我们的SpringMVC接口是按照Restful风格设计因此购物车的查询、删除、修改等接口全部都是/carts路径 默认情况下Sentinel会把路径作为簇点资源的名称无法区分路径相同但请求方式不同的接口查询、删除、修改等都被识别为一个簇点资源这显然是不合适的。 所以我们可以选择打开Sentinel的请求方式前缀把请求方式 请求路径作为簇点资源名
首先在cart-service的application.yml中添加下面的配置
spring:cloud:sentinel:transport:dashboard: localhost:8090http-method-specify: true # 开启请求方式前缀
然后重启服务通过页面访问购物车的相关接口可以看到sentinel控制台的簇点链路发生了变化 1.2.2.请求限流
在簇点链路后面点击流控按钮即可对其做限流配置 在弹出的菜单中这样填写 这样就把查询购物车列表这个簇点资源的流量限制在了每秒6个也就是最大QPS为6. 1.3.线程隔离
限流可以降低服务器压力尽量减少因并发流量引起的服务故障的概率但并不能完全避免服务故障。一旦某个服务出现故障我们必须隔离对这个服务的调用避免发生雪崩。 比如查询购物车的时候需要查询商品为了避免因商品服务出现故障导致购物车服务级联失败我们可以把购物车业务中查询商品的部分隔离起来限制可用的线程资源 这样即便商品服务出现故障最多导致查询购物车业务故障并且可用的线程资源也被限定在一定范围不会导致整个购物车服务崩溃。
所以我们要对查询商品的FeignClient接口做线程隔离。 1.3.1.OpenFeign整合Sentinel
修改cart-service模块的application.yml文件开启Feign的sentinel功能
feign: sentinel: enabled: true # 开启feign对sentinel的支持
需要注意的是默认情况下SpringBoot项目的tomcat最大线程数是200允许的最大连接是8492单机测试很难打满。
所以我们需要配置一下cart-service模块的application.yml文件修改tomcat连接
server: port: 8082 tomcat: threads: max: 50 # 允许的最大线程数 accept-count: 50 # 最大排队等待数量 max-connections: 100 # 允许的最大连接
然后重启cart-service服务可以看到查询商品的FeignClient自动变成了一个簇点资源 1.3.2.配置线程隔离
接下来点击查询商品的FeignClient对应的簇点资源后面的流控按钮 在弹出的表单中填写下面内容 注意这里勾选的是并发线程数限制也就是说这个查询功能最多使用5个线程而不是5QPS。如果查询商品的接口每秒处理2个请求则5个线程的实际QPS在10左右而超出的请求自然会被拒绝。 1.4.服务熔断
在上节课我们利用线程隔离对查询购物车业务进行隔离保护了购物车服务的其它接口。由于查询商品的功能耗时较高我们模拟了500毫秒延时再加上线程隔离限定了线程数为5导致接口吞吐能力有限最终QPS只有10左右。这就导致了几个问题
第一超出的QPS上限的请求就只能抛出异常从而导致购物车的查询失败。但从业务角度来说即便没有查询到最新的商品信息购物车也应该展示给用户用户体验更好。也就是给查询失败设置一个降级处理逻辑。
第二由于查询商品的延迟较高模拟的500ms从而导致查询购物车的响应时间也变的很长。这样不仅拖慢了购物车服务消耗了购物车服务的更多资源而且用户体验也很差。对于商品服务这种不太健康的接口我们应该直接停止调用直接走降级逻辑避免影响到当前服务。也就是将商品查询接口熔断。 1.4.1.编写降级逻辑
触发限流或熔断后的请求不一定要直接报错也可以返回一些默认数据或者友好提示用户体验会更好。
给FeignClient编写失败后的降级逻辑有两种方式 方式一FallbackClass无法对远程调用的异常做处理 方式二FallbackFactory可以对远程调用的异常做处理我们一般选择这种方式。 这里我们演示方式二的失败降级处理。
步骤一在hm-api模块中给ItemClient定义降级处理类实现FallbackFactory 代码如下
package com.hmall.api.client.fallback;import com.hmall.api.client.ItemClient;
import com.hmall.api.dto.ItemDTO;
import com.hmall.api.dto.OrderDetailDTO;
import com.hmall.common.exception.BizIllegalException;
import com.hmall.common.utils.CollUtils;
import lombok.extern.slf4j.Slf4j;
import org.springframework.cloud.openfeign.FallbackFactory;import java.util.Collection;
import java.util.List;Slf4j
public class ItemClientFallback implements FallbackFactoryItemClient {Overridepublic ItemClient create(Throwable cause) {return new ItemClient() {Overridepublic ListItemDTO queryItemByIds(CollectionLong ids) {log.error(远程调用ItemClient#queryItemByIds方法出现异常参数{}, ids, cause);// 查询购物车允许失败查询失败返回空集合return CollUtils.emptyList();}Overridepublic void deductStock(ListOrderDetailDTO items) {// 库存扣减业务需要触发事务回滚查询失败抛出异常throw new BizIllegalException(cause);}};}
}
FallbackFactory泛型中填写的我们要实现的Client接口重写接口中的方法方法里面写的就是fallback的失败的处理逻辑。正常情况下由Feign发请求。一旦发生异常我们自己创建的这个ItemClient就发挥作用了。我们自己重写的处理逻辑将来被熔断时就会执行。
正常来说请求走动态代理实现的类异常情况下走我们自己实现的类。
步骤二在hm-api模块中的com.hmall.api.config.DefaultFeignConfig类中将ItemClientFallback注册为一个Bean 步骤三在hm-api模块中的ItemClient接口中使用ItemClientFallbackFactory 每个Client都要有自己的FallbackFactory 重启后再次测试发现被限流的请求不再报错走了降级逻辑 但是未被限流的请求延时依然很高 导致最终的平局响应时间较长。 1.4.2服务熔断
查询商品的RT较高模拟的500ms从而导致查询购物车的RT也变的很长。这样不仅拖慢了购物车服务消耗了购物车服务的更多资源而且用户体验也很差。
对于商品服务这种不太健康的接口我们应该停止调用直接走降级逻辑避免影响到当前服务。也就是将商品查询接口熔断。当商品服务接口恢复正常后再允许调用。这其实就是断路器的工作模式了。 Sentinel中的断路器不仅可以统计某个接口的慢请求比例还可以统计异常请求比例。当这些比例超出阈值时就会熔断该接口即拦截访问该接口的一切请求降级处理当该接口恢复正常时再放行对于该接口的请求。
断路器的工作状态切换有一个状态机来控制 状态机包括三个状态 closed关闭状态断路器放行所有请求但会统计异常比例、慢请求比例。超过阈值则切换到open状态 open打开状态服务调用被熔断访问被熔断服务的请求会被拒绝快速失败直接走降级逻辑(fallback)。Open状态持续一段时间后会进入half-open状态 half-open半开状态放行一次请求根据执行结果来判断接下来的操作。 请求成功则切换到closed状态 请求失败则切换到open状态
这个代码肯定是不用我们自己写的人家底层已经实现好的我们要做的仅仅就是配置熔断规则
我们可以在控制台通过点击簇点后的熔断按钮来配置熔断策略 在弹出的表格中这样填写 这种是按照慢调用比例来做熔断上述配置的含义是 RT (ResponseTiem响应时间)超过200毫秒的请求调用就是慢调用 统计最近1000ms内的最少5次请求如果慢调用比例不低于0.5则触发熔断 熔断持续时长20s 配置完成后再次利用Jemeter测试可以发现 在一开始一段时间是允许访问的后来触发熔断后查询商品服务的接口通过QPS直接为0所有请求都被熔断了。而查询购物车的本身并没有受到影响。
此时整个购物车查询服务的平均RT影响不大 2.分布式事务 1.相关概念
首先我们看看项目中的下单业务整体流程 由于订单、购物车、商品分别在三个不同的微服务而每个微服务都有自己独立的数据库因此下单过程中就会跨多个数据库完成业务。而每个微服务都会执行自己的本地事务 交易服务下单事务 购物车服务清理购物车事务 库存服务扣减库存事务 在分布式系统中如果一个业务需要多个服务合作完成而且每个服务都有事务多个事务必须同时成功或失败这样的事务就是分布式事务。其中每个微服务的本地事务也可以称为分支事务。多个有关联的分支事务一起就组成了全局事务。我们必须保证整个全局事务同时成功或失败。
我们知道每一个分支事务就是传统的单体事务都可以满足ACID特性但全局事务跨越多个服务、多个数据库是否还能满足呢
我们来做一个测试先进入购物车页面 目前有4个购物车然结算下单进入订单结算页面 然后将购物车中某个商品的库存修改为0 然后提交订单最终因库存不足导致下单失败 然后我们去查看购物车列表发现购物车数据依然被清空了并未回滚 事务并未遵循ACID的原则归其原因就是参与事务的多个子业务在不同的微服务跨越了不同的数据库。虽然每个单独的业务都能在本地遵循ACID但是它们互相之间没有感知不知道有人失败了无法保证最终结果的统一也就无法遵循ACID的事务特性了。
这就是分布式事务问题出现以下情况之一就可能产生分布式事务问题 业务跨多个服务实现 业务跨多个数据源实现 2.2认识Seata
解决分布式事务的方案有很多但实现起来都比较复杂因此我们一般会使用开源的框架来解决分布式事务问题。在众多的开源分布式事务框架中功能最完善、使用最多的就是阿里巴巴在2019年开源的Seata了。
https://seata.io/zh-cn/docs/overview/what-is-seata.html 其实分布式事务产生的一个重要原因就是参与事务的多个分支事务互相无感知不知道彼此的执行状态。因此解决分布式事务的思想非常简单
就是找一个统一的事务协调者与多个分支事务通信检测每个分支事务的执行状态保证全局事务下的每一个分支事务同时成功或失败即可。大多数的分布式事务框架都是基于这个理论来实现的。
Seata也不例外在Seata的事务管理中有三个重要的角色 TC (Transaction Coordinator) - 事务协调者维护全局和分支事务的状态协调全局事务提交或回滚。 TM (Transaction Manager) - 事务管理器定义全局事务的范围、开始全局事务、提交或回滚全局事务。 public Long createOrder(OrderFormDTO orderFormDTO) {// 1.订单数据Order order new Order();// 1.1.查询商品ListOrderDetailDTO detailDTOS orderFormDTO.getDetails();// 1.2.获取商品id和数量的MapMapLong, Integer itemNumMap detailDTOS.stream().collect(Collectors.toMap(OrderDetailDTO::getItemId, OrderDetailDTO::getNum));SetLong itemIds itemNumMap.keySet();// 1.3.查询商品ListItemDTO items itemClient.queryItemsByIds(itemIds);// 1.4.基于商品价格、购买数量计算商品总价totalFeeint total 0;for (ItemDTO item : items) {total item.getPrice() * itemNumMap.get(item.getId());}order.setTotalFee(total);// 1.5.其它属性order.setPaymentType(orderFormDTO.getPaymentType());order.setUserId(UserContext.getUser());order.setStatus(1);// 1.6.将Order写入数据库order表中save(order);// 2.保存订单详情ListOrderDetail details buildDetails(order.getId(), items, itemNumMap);detailService.saveBatch(details);// 3.清理购物车商品cartClient.deleteCartItemByIds(itemIds);// 4.扣减库存try {itemClient.deductStock(detailDTOS);} catch (Exception e) {throw new RuntimeException(库存不足);}return order.getId();}什么是全局事务范围呢比如说在这个创建订单方法中保存订单数据、清理购物车、扣减库存。就涉及三个事务。
因此这里的整个分布式事务起点就是进入方法开始。结尾就是方法结束为止。整个方法就是全局事务的边界。
所以说我们的TM就是定义全局事务的范围将来方法一进来TM就能感知到方法结束TM也嫩知道全局事务结束了监控了整个方法将来方法进入和结束TM都会给TC报告。
注意最终事务的提交和回滚TM决定不了。
RM (Resource Manager) - 资源管理器管理分支事务与TC交谈以注册分支事务和报告分支事务的状态并驱动分支事务提交或回滚。注册的时候会告诉TC自己属于哪一个全局事务。这样一来分支事务和所属全局事务产生联系进行通信。 seata执行原理
分支事务执行业务时通过RM告诉TC业务执行状态(成功还是失败)TC就能收到所有的结果如果有分支失败TC就告诉所有相关事务回滚 Seata的工作架构如图所示 其中TM和RM可以理解为Seata的客户端部分引入到参与事务的微服务依赖中即可。将来TM和RM就会协助微服务实现本地分支事务与TC之间交互实现事务的提交或回滚。 而TC服务则是事务协调中心是一个独立的微服务需要单独部署。
