技术

并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办? 容器狂打日志怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 mesos 的一些tips mesos 集成 calico calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 从一个marathon的问题开始的 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 mesos深入 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 那些有用的sql语句 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


hystrix 学习

2018年06月23日

简介

Hystrix原理与实战(文章略长)

hystrix 作用有多个,主要用来解决雪崩效应,即rpc 链条 A-B-C,C 节点服务崩溃、变慢 直接拖累 上游的B A 服务变慢、崩溃。

类似hystrix的功能可以参见 Sentinel: 分布式系统的流量防卫兵

从使用上感受 hystrix

使用命令模式将所有对外部服务(或依赖关系)的调用包装在HystrixCommand或HystrixObservableCommand对象中,并将该对象放在单独的线程中执行;

public class QueryOrderIdCommand extends HystrixCommand<Integer> {
    private final static Logger logger = LoggerFactory.getLogger(QueryOrderIdCommand.class);
    private OrderServiceProvider orderServiceProvider;

    public QueryOrderIdCommand(OrderServiceProvider orderServiceProvider) {
        super(Setter.withGroupKey(HystrixCommandGroupKey.Factory.asKey("orderService"))
                .andCommandKey(HystrixCommandKey.Factory.asKey("queryByOrderId"))
                .andCommandPropertiesDefaults(HystrixCommandProperties.Setter()
                        .withCircuitBreakerRequestVolumeThreshold(10)//至少有10个请求,熔断器才进行错误率的计算
                        .withCircuitBreakerSleepWindowInMilliseconds(5000)//熔断器中断请求5秒后会进入半打开状态,放部分流量过去重试
                        .withCircuitBreakerErrorThresholdPercentage(50)//错误率达到50开启熔断保护
                        .withExecutionTimeoutEnabled(true))
                .andThreadPoolPropertiesDefaults(HystrixThreadPoolProperties
                        .Setter().withCoreSize(10)));
        this.orderServiceProvider = orderServiceProvider;
    }

    @Override
    protected Integer run() {
        return orderServiceProvider.queryByOrderId();
    }

    @Override
    protected Integer getFallback() {
        return -1;
    }
}

调用逻辑

public void testQueryByOrderIdCommand() {
    Integer r = new QueryOrderIdCommand(orderServiceProvider).execute();
    logger.info("result:{}", r);
}

从中可以看到以下几点:

  1. 实际的服务提供方 OrderServiceProvider 被封装
  2. 除服务提供方外,构造HystrixCommand 时,对其进行了 熔断相关的配置
  3. run 方法 容纳业务逻辑,getFallback 方法 容纳降级后的逻辑

命令模式

A request is wrapped under an object as command and passed to invoker object. Invoker object looks for the appropriate object which can handle this command and passes the command to the corresponding object which executes the command.

命令模式:在软件系统中,“行为请求者”与“行为实现者”通常呈现一种“紧耦合”。但在某些场合,比如要对行为进行“记录、撤销/重做、事务”等处理,这种无法抵御变化的紧耦合是不合适的(即无法通过新增来应对修改)。在这种情况下,如何将“行为请求者”与“行为实现者”解耦?将一组行为抽象为对象(行为 ==> 对象),实现二者之间的松耦合。这就是命令模式(Command Pattern)

总结一下就是,原本只要调用方和被调用方,现在是调用方 ==> invoker ==> 被调用方。按照程序=控制 + 逻辑的理念,调用方和被调用方 仍然专注于自己的业务(负责逻辑),控制的实现(何时执行、同步还是异步、日志记录等)交给invoker。否则,这些代码 会出现在 调用方的代码中,与调用方业务混在一起。

说句题外话,程序=控制 + 逻辑,对于排序算法来说,决定谁大谁小是逻辑,采用何种算法、是否分治是控制。对于业务代码来说,订单服务调用库存服务扣掉库存是逻辑,同步/异步、熔断等 是控制。

因为多了一个invoker, 所以请求 要被封装成(命令)对象 以便传递。命令对象除了封装请求,还可以封装一些参数,以便调用方 指定 执行请求的方式(比如同步还是异步等)。对于前文的例子就是 调用方只管command.execute()( new QueryOrderIdCommand(orderServiceProvider).execute()) 线程池个数、熔断等通过显式或默认参数 控制,而不是将这些逻辑 写在调用代码里。

源码分析

不要对hystrix 有畏难 情绪, 其几个子项目 有用的就是hystrix-corehystrix-serialization ,熟悉 原理只看一个hystrix-core即可

1.0.0 时还未使用 rxjava,代码整体比较 清晰

整体

官方wiki How it Works

HystrixCommand - Used to wrap code that will execute potentially risky functionality (typically meaning a service call over the network) with fault and latency tolerance, statistics and performance metrics capture, circuit breaker(熔断器) and bulkhead (隔离)functionality.This command is essentially a blocking command but provides an Observable facade if used with observe()

一个HystrixCommand 有一个成员

  1. HystrixCommandGroupKey
  2. HystrixCommandKey
  3. HystrixThreadPoolKey
  4. HystrixCommandProperties
  5. HystrixThreadPoolProperties

几个key的作用

  1. command key,每个command 对应一个key, 默认是当前类的名字
  2. command group key,监控、报警用的
  3. thread pool key,维护了一个<thread pool key,thread pool>
  4. cache key , 相当于建立 参数到 R 的映射

隔离如何实现

假设存在一个

class HelloService{
	run(){
		service1
		service2
	}
}
  1. 请求线程与 执行线程的隔离

    其实 跟 netty 通信中,将线程 池分为 acceptor 线程 和 worker 线程是一样一样的。

     Future future1 = threadPool.submit(new Runnable(){
         service1
     })
     Future future2 = threadPool.submit(new Runnable(){
         service2
     })
     future1.get()
     future2.get(1000)		
    

    此时的好处在于,future get 可以设置timeout,calling thread 只是提交代码 和处理结果。

  2. 一个业务 一个thread pool

     class HelloService{
         Map<String,ThreadPool> cache
         run(){
             cache.get(key).execute()
             cache.get(key).execute()
         }
     }
    

    可以看到,我们将 获取线程池、future.get(1000)、超时后的处理逻辑 这些单独拎出来,hystrix 抽象成了HystrixCommand。

从本质上讲,hystrix 通过将 业务逻辑 从调用线程 中剥离,达到 保护调用线程的效果。这里的调用线程,比如tomcat 线程池的中线程,通常非常宝贵,用于处理耗时任务时 会严重影响项目的吞吐量。保护的手段 就是强行限定一个方法的执行时间(待斟酌)。

熔断如何实现

HystrixCircuitBreaker 本身更偏向业务一点,该接口定义了三个方法

boolean allowRequest();
boolean isOpen();
void markSuccess();

就是 预设几个参数,根据当前的qps、失败率等 做出决策就可以。笔者的兴趣 在hystrix 如何高效的 统计qps 等

浅析HystrixRollingNumber(用于qps计数的数据结构)

  1. qps表示每秒的请求数目,能想到的最简单的方法就是统计一定时间内的请求总数然后除以总统计时间。这样的方法虽然简单但是对有一定的问题,比如说统计出的qps跳跃性会比较大,不够平滑等。所以采用滑动窗口的方式,比如窗口大小是10s,interval 是1s,那么某日第n秒的qps 是”n-10到n秒的 访问量之和/10”。毕竟熔断器 我们想让它发挥作用,但也不想让它太过敏感,一惊一乍的。假如某一秒的qps 突然增大,常规方案会导致立即熔断,而滑动窗口则会在qps 连续10s(最坏情况) 处于高位时才熔断,这便是HystrixRollingNumber 类rolling 的含义所在,简单说就是控制熔断器的敏感度。
  2. 假设存在一个QPS类,线程使用qps.add() 增加计数,可以想见线程竞争强度会非常大。
  3. [从LongAdder看更高效的无锁实现   酷壳- CoolShell](https://coolshell.cn/articles/11454.html) 一个比AtomicLong 原子类 更高效的 计数实现。里面用了一系列技术,比如填充缓存行(削减volatile 带来的同步耗费)、分段技术以使空间换时间。一个变量用作计数线程竞争大,则One or more variables that together maintain an initially zero sum。 add 时,对线程做hashcode 找到对应的 分段变量,对该分段变量加1。若发现竞争还是大, 则对分段扩容。

rxjava 在其中的作用

从各种材料看,rxjava 在服务端用处并不多,为什么在hystrix 被广泛使用呢?

根据hystrix changelog ,hystrix 于 1.3.0 引入RxJava ,This version integrations Hystrix with RxJava to enable non-blocking reactive execution and functional composition.

所以,关键就是两个词non-blocking reactive execution 和 functional composition。

从hystrix 哪些部分被rxjava 重写了,或许可以看到一些猫腻。

public abstract class HystrixCommand<R> implements HystrixExecutable<R> {
	public Future<R> queue() {
		final ObservableCommand<R> o = toObservable(Schedulers.immediate(), false);
        final Future<R> f = o.toBlockingObservable().toFuture();
        ...
	}
}

private ObservableCommand<R> toObservable(Scheduler observeOn, boolean performAsyncTimeout) {
	...
	/* try from cache first */
	Observable<R> o = Observable.create(new Func1<Observer<R>, Subscription>() {
		 public Subscription call(Observer<R> observer) {
		 	if(熔断了){
		 		try {
                    observer.onNext(getFallbackOrThrowException(HystrixEventType.SHORT_CIRCUITED, FailureType.SHORTCIRCUIT, "short-circuited"));
                    observer.onCompleted();
                } catch (Exception e) {
                    observer.onError(e);
                }
		 	}else{
		 		if (使用线程隔离) {
                    return subscribeWithThreadIsolation(observer);
                } else {
                    return subscribeWithSemaphoreIsolation(observer);
                }
		 	}
		 }
	});
	// error handling
	o = o.onErrorResumeNext(...)
	// we want to hand off work to a different scheduler so we don't tie up the Hystrix thread
	o = o.observeOn(observeOn);
	o = o.finallyDo(...)
	// put in cache
	...
}

private Subscription subscribeWithThreadIsolation(final Observer<R> observer) {
 	...
 	final Future<R> f = threadPool.getExecutor().submit(new Callable(){
 		public R call() throws Exception {
 			try{	
 				...
 				R r = executeCommand();
 				observer.onNext(r);
 				observer.onCompleted();
 				return r;
 			}catch (Exception e) {
 				observer.onError(e);
 				...
 			}
 		}

 	});
 	return new Subscription() {
        @Override
        public void unsubscribe() {
            f.cancel(properties.executionIsolationThreadInterruptOnTimeout().get());
        }
    };
 }

2018.8.5补充:从现在看,使用rxjava的重要 原因不是用rxjava 去重构 原有HystrixCommand 的实现(确实可以简化一些逻辑),而是试图使用Observable<String> s = new CommandHelloWorld("World").observe(); 去替换 Future<String> f = new CommandHelloWorld("World").queue();

其实内在驱动逻辑是:

没有hystrix java,则一个web 服务的处理 从request 到 db 再回来,都是tomcat 线程池中的线程 打理的。

有了hystrix,即有了线程隔离、熔断等机制, tomcat 线程 ==> 网络通信 ==> rpc server 变成了 tomcat 线程 ==> command thread pool 线程 ==> 网络通信 ==> rpc server,驱动线程和执行线程不一致隐含的一个约束就是,command.execute 实质必须是异步的。在具体的业务中,通常不是一个 rpc 调用就结束了,如果是两个相互依赖的rpc,

Future<String> f = new CommandHelloWorld("World").queue();
R r = f.get();
R1 r1 = map(r);
Future<String> f1 = new CommandHelloWorld(r1).queue();
f1.get();

使用rxjava,则是为了更加 简化这类逻辑的实现。