如何解決高并發(fā)下重啟服務接口調(diào)用老是超時的問題

這篇文章主要講解了“如何解決高并發(fā)下重啟服務接口調(diào)用老是超時的問題”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“如何解決高并發(fā)下重啟服務接口調(diào)用老是超時的問題”吧！

預熱

首先我們來看下什么是服務預熱?

先舉一個生活的中的例子，買過新車的同學應該知道新車都有一個磨合期的，大概開個一兩千公里之后，才能達到最佳的狀態(tài)。

其實服務預熱也是這個意思，服務剛啟動的時候?qū)⒋嬖谝欢巍改ズ掀凇?，這段期間服務運行狀態(tài)沒有達到最佳，如果一下子將服務流量提升到平常的狀態(tài)，可能會存在大量的請求超時或者瞬間將系統(tǒng)壓垮。

所以服務剛啟動的時候我們要慢慢增加的流量，直到一段時間后增加到閾值的上限，給系統(tǒng)一個「預熱過程」，讓其運行狀態(tài)到達最佳。

那為什么服務剛啟動的時候系統(tǒng)狀態(tài)沒有到達最佳狀態(tài)?

大概原因其實如下：

Java 應用存在一個類加載的過程，而這個過程是按需加載的。即服務剛啟動時候，JVM 只加載了啟動過程必需的類。

我們自己所需要的類，直到服務被調(diào)用之后才會被真正的加載。

另外對于一些「熱點代碼」，JVM 將會使用 JIT 編譯器編譯成本地代碼，提高運行速度。

上面兩個過程是出于 JVM 系統(tǒng)層面的影響。

除此之外，我們服務系統(tǒng)中可能會需要一些緩存資源。剛啟動的時候，由于資源不存在，服務需要去加載這些資源。

Dubbo 預熱實現(xiàn)方式

好了，了解完預熱是咋回事后，我們回到正題，來看下 Dubbo 是如何實現(xiàn)預熱的。

首先我們來看下 Dubbo 服務模型：

服務提供者啟動之后將會把節(jié)點相關信息注冊到注冊中心，服務消費者通過注冊中心就可以及時獲取所有的服務節(jié)點。

當服務消費者調(diào)用服務時，內(nèi)部將會通過負載均衡組件選擇一個節(jié)點，進行服務調(diào)用。

如上圖所示，假設 B 節(jié)點服務剛啟動，其需要一個預熱過程，這就需要服務消費者逐漸將流量分發(fā)給 B 節(jié)點。

下面我們就從 Dubbo 源碼出發(fā)，觀察服務預熱具體實現(xiàn)方式，具體源碼位于 AbstractLoadBalance#getWeight

ps: 當前源碼 Dubbo 版本為2.7.4，低于這個版本代碼實現(xiàn)存在少量差異，詳情見下文。

這段代碼主要分為三步：

1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術社區(qū)

2. 獲取服務提供者啟動時間 timestamp

3. 使用當前時間減去服務提供者啟動時間，計算服務提供者已運行時間 uptime

4. 根據(jù)已運行時間動態(tài)計算服務預熱過程的權(quán)重

第三步動態(tài)權(quán)重計算方法如下：

這里計算方式其實很簡單，簡單來說服務運行時間越久，權(quán)重越高，直到正常權(quán)重。

假如服務提供者已運行 1 分鐘，那么 weight 最終結(jié)果為 10 。

假如服務提供者已運行 5 分鐘，那么 weight 最終結(jié)果為 50 。

假如服務提供者已運行 11 分鐘，超過默認預熱時間的閾值 10分 鐘，那么將不會再計算，直接返回 weight 默認權(quán)重。

這里我們需要注意的是，Dubbo 默認提供五種負載均衡的策略：

• Random LoadBalance :「加權(quán)隨機」策略

• RoundRobin LoadBalance：「加權(quán)輪詢」策略

• LeastActive LoadBalance：「最少活躍調(diào)用數(shù)」策略

• ConsistentHash LoadBalance：「一致性 Hash」 策略

• ShortestResponse LoadBalance：「最短響應時間」策略

「ShortestResponse LoadBalance」 策略小伙伴們可能會比較陌生，官方文檔中并沒有提到這個策略。

其實這個是 Dubbo 2.7.7 版本新增的負載均衡策略，官方文檔估計還沒更新。

ps：感興趣的小伙伴，可以去修改下官方的文檔，增加這個新的負載均衡的策略，為開源獻出我們的一份力量。

回到正文，從AbstractLoadBalance#getWeight調(diào)用關系可以看到，「ConsistentHash LoadBalance」  實現(xiàn)類是不支持服務預熱，這點需要注意一下。

Dubbo 預熱歷史 bug-反復橫跳雖然 Dubbo 預熱的相關代碼，總體看起來不是很難，但是歷史版本還是存在幾個 Bug，導致預熱失效。

Dubbo 2.5.5 之前的版本

在 Dubbo 2.5.5 之前的版本，AbstractLoadBalance#getWeight實現(xiàn)方式如下:

這個版本跟現(xiàn)在代碼一樣，都是從節(jié)點的 timestamp獲取服務啟動時間。不過這個版本存在一些問題，Dubbo  沒有把服務提供者啟動時間傳給消費者，導致這里獲取 timestamp是消費者啟動時間，這樣就導致預熱失效。

等到 Dubbo 2.5.6 ，修復這個問題，源碼如下：

這個版本將服務提供者啟動時間單獨保存在 remote.timestamp 屬性中，源碼位于 ClusterUtils#mergeUrl

通過這種方式修復預熱失效的問題。

Dubbo 2.7.2 預熱又失效了

當 Dubbo 版本升級到 2.7.2 ，這個預熱失效 Bug 又回來了。帶來這個問題主要原因是ClusterUtils#mergeUrl  源碼中清除了remote.timestamp，轉(zhuǎn)而統(tǒng)一使用 timestamp保存服務啟動時間。

但是呢，由于修改沒有徹底， AbstractLoadBalance#getWeight還是依然使用 remote.timestamp  獲取服務啟動時間，這就導致預熱失效。

預熱代碼的隱藏 bug

這個 Bug 在Dubbo 2.7.4 版本被徹底修復，另外還順帶優(yōu)化了代碼中存在缺陷。

先看下原先的代碼中國缺陷，原先預熱代碼實現(xiàn)采用如下方式計算服務啟動運行的時間。

int uptime = (int) (System.currentTimeMillis() - timestamp);

但是這里存在一個問題，如果服務提供者與消費者兩端時鐘是不一致，服務提供者啟動時間很有可能會大于消費者本地時間。

這種情況，uptime 計算結(jié)果為一個負值，這就會導致權(quán)重將使用配置的默認值，預熱也失效了。

所以針對這種情況 「@aftersss」 提供了修復的方案，加入相關的判斷，當 uptime為負值的時候，直接返回權(quán)重 1。

不過在 「Code review」 過程中，「@beiwei30」 覺得不用加入額外 if 判斷，可以直接使用 Math.max兼容。

不過這樣修改，還是存在一個問題：Integer 精度丟失問題。

如果此時 System.currentTimeMillis() = 1566209746000(2019-08-19 18:15:46),而  timestamp = 1561914711000(2019-07-01 01:11:51),當兩者差值為：「4295035000」。

這是一個遠大于 Integer.MAX_VALUE的值，所以在 long 轉(zhuǎn)為 int 時候精度丟失，導致最后實際得到 int 值為  「67704」。

而這個值小于服務預熱的默認時間(10 * 60 * 1000)，所以進入動態(tài)計算權(quán)重環(huán)節(jié)，最終將得到一個比較小的權(quán)重，這就導致「假預熱」。

所以最后還是采用 「@aftersss」 修復的方案，采用 long 類型存儲時間戳計算結(jié)果，最終優(yōu)化代碼如下：

感謝各位的閱讀，以上就是“如何解決高并發(fā)下重啟服務接口調(diào)用老是超時的問題”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對如何解決高并發(fā)下重啟服務接口調(diào)用老是超時的問題這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！