Go語言中熔斷的原理是什么

本篇內(nèi)容介紹了“Go語言中熔斷的原理是什么”的有關(guān)知識，在實(shí)際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

今天我們就來一起看一下客戶端上的限流措施：熔斷。

熔斷器

熔斷器[^2]

如上圖[^2]所示，熔斷器存在三個狀態(tài):

關(guān)閉(closed): 關(guān)閉狀態(tài)下沒有觸發(fā)斷路保護(hù)，所有的請求都正常通行

打開(open): 當(dāng)錯誤閾值觸發(fā)之后，就進(jìn)入開啟狀態(tài)，這個時候所有的流量都會被節(jié)流，不運(yùn)行通行

半打開(half-open): 處于打開狀態(tài)一段時間之后，會嘗試嘗試放行一個流量來探測當(dāng)前 server  端是否可以接收新流量，如果這個沒有問題就會進(jìn)入關(guān)閉狀態(tài)，如果有問題又會回到打開狀態(tài)

hystrix-go

熔斷器中比較典型的實(shí)現(xiàn)就是 hystrix，Golang 也有對應(yīng)的版本，我們先來看一下 hystrix-go 是怎么實(shí)現(xiàn)的

案例

先看一個使用案例，首先我們使用 gin 啟動一個服務(wù)端，這個服務(wù)端主要是前 200ms 的請求都會返回 500，之后的請求都會返回 200

func server() {  e := gin.Default()  e.GET("/ping", func(ctx *gin.Context) {   if time.Since(start) < 201*time.Millisecond {    ctx.String(http.StatusInternalServerError, "pong")    return   }   ctx.String(http.StatusOK, "pong")  })  e.Run(":8080") }

然后配置 hystrix，hystrix.ConfigureCommand(command name, config) hystrix 的配置是按照每個  command 進(jìn)行配置，使用的時候我們也需要傳遞一個 command，下面的配置就是我們的請求數(shù)量大于等于 10 個并且錯誤率大于等于 20%  的時候就會觸發(fā)熔斷器開關(guān)，熔斷器打開 500ms 之后會進(jìn)入半打開的狀態(tài)，嘗試放一部分請求去訪問

func main(){  hystrix.ConfigureCommand("test", hystrix.CommandConfig{   // 執(zhí)行 command 的超時時間   Timeout: 10,    // 最大并發(fā)量   MaxConcurrentRequests: 100,    // 一個統(tǒng)計窗口 10 秒內(nèi)請求數(shù)量   // 達(dá)到這個請求數(shù)量后才去判斷是否要開啟熔斷   RequestVolumeThreshold: 10,    // 熔斷器被打開后   // SleepWindow 的時間就是控制過多久后去嘗試服務(wù)是否可用了     // 單位為毫秒   SleepWindow: 500,    // 錯誤百分比   // 請求數(shù)量大于等于 RequestVolumeThreshold 并且錯誤率到達(dá)這個百分比后就會啟動熔斷   ErrorPercentThreshold: 20,  }) }

然后我們使用一個循環(huán)當(dāng)做客戶端代碼，會請求 20 次，每一個請求消耗 100ms

func main() {  go server()     // 這里是 config 代碼   for i := 0; i < 20; i++ {   _ = hystrix.Do("test", func() error {    resp, _ := resty.New().R().Get("http://localhost:8080/ping")    if resp.IsError() {     return fmt.Errorf("err code: %s", resp.Status())    }    return nil   }, func(err error) error {    fmt.Println("fallback err: ", err)    return err   })   time.Sleep(100 * time.Millisecond)  }  }

所以我們執(zhí)行的結(jié)果就是，前面 2 個請求報 500，等到發(fā)起了 10 個請求之后就會進(jìn)入熔斷， 500ms 也就是發(fā)出 5  個請求之后就會重新去請求服務(wù)端

image-20210504164650024

hystrix-go 核心實(shí)現(xiàn)

核心實(shí)現(xiàn)的方法是  AllowRequest，IsOpen判斷當(dāng)前是否處于熔斷狀態(tài)，allowSingleTest就是去看是否過了一段時間需要重新進(jìn)行嘗試

func (circuit *CircuitBreaker) AllowRequest() bool {  return !circuit.IsOpen() || circuit.allowSingleTest() }

IsOpen先看當(dāng)前是否已經(jīng)打開了，如果已經(jīng)打開了就直接返回就行了，如果還沒打開就去判斷

請求數(shù)量是否滿足要求

請求的錯誤率是否過高，如果兩個都滿足就會打開熔斷器

func (circuit *CircuitBreaker) IsOpen() bool {  circuit.mutex.RLock()  o := circuit.forceOpen || circuit.open  circuit.mutex.RUnlock()   if o {   return true  }   if uint64(circuit.metrics.Requests().Sum(time.Now())) < getSettings(circuit.Name).RequestVolumeThreshold {   return false  }   if !circuit.metrics.IsHealthy(time.Now()) {   // too many failures, open the circuit   circuit.setOpen()   return true  }   return false }

hystrix-go已經(jīng)可以比較好的滿足我們的需求，但是存在一個問題就是一旦觸發(fā)了熔斷，在一段時間之類就會被一刀切的攔截請求，所以我們來看看 google  sre 的一個實(shí)現(xiàn)

Google SRE 過載保護(hù)算法

算法如上所示，這個公式計算的是請求被丟棄的概率[^3]

• requests: 一段時間的請求數(shù)量

• accepts: 成功的請求數(shù)量

• K: 倍率，K 越小表示越激進(jìn)，越小表示越容易被丟棄請求

這個算法的好處是不會直接一刀切的丟棄所有請求，而是計算出一個概率來進(jìn)行判斷，當(dāng)成功的請求數(shù)量越少，K越小的時候的值就越大，計算出的概率也就越大，表示這個請求被丟棄的概率越大

Kratos 實(shí)現(xiàn)分析

func (b *sreBreaker) Allow() error {  // 統(tǒng)計成功的請求，和總的請求  success, total := b.summary()   // 計算當(dāng)前的成功率  k := b.k * float64(success)  if log.V(5) {   log.Info("breaker: request: %d, succee: %d, fail: %d", total, success, total-success)  }  // 統(tǒng)計請求量和成功率  // 如果 rps 比較小，不觸發(fā)熔斷  // 如果成功率比較高，不觸發(fā)熔斷，如果 k = 2，那么就是成功率 >= 50% 的時候就不熔斷  if total < b.request || float64(total) < k {   if atomic.LoadInt32(&b.state) == StateOpen {    atomic.CompareAndSwapInt32(&b.state, StateOpen, StateClosed)   }   return nil  }  if atomic.LoadInt32(&b.state) == StateClosed {   atomic.CompareAndSwapInt32(&b.state, StateClosed, StateOpen)  }   // 計算一個概率，當(dāng) dr 值越大，那么被丟棄的概率也就越大  // dr 值是，如果失敗率越高或者是 k 值越小，那么它越大  dr := math.Max(0, (float64(total)-k)/float64(total+1))  drop := b.trueOnProba(dr)  if log.V(5) {   log.Info("breaker: drop ratio: %f, drop: %t", dr, drop)  }  if drop {   return ecode.ServiceUnavailable  }  return nil }  // 通過隨機(jī)來判斷是否需要進(jìn)行熔斷 func (b *sreBreaker) trueOnProba(proba float64) (truth bool) {  b.randLock.Lock()  truth = b.r.Float64() < proba  b.randLock.Unlock()  return }

總結(jié)

可用性僅靠服務(wù)端來保證是不靠譜的，只有整條鏈路上的所有服務(wù)都做好了自己可用性相關(guān)的建設(shè)我們的服務(wù) SLA 最后才能夠有保證。今天我們講了  hystrix-go 和 kratos 兩種熔斷的實(shí)現(xiàn)方式，kratos采用 Google SRE  的實(shí)現(xiàn)的好處就是沒有半開的狀態(tài)，也沒有完全開啟的狀態(tài)，而是通過一個概率來進(jìn)行判斷我們的流量是否應(yīng)該通過，這樣沒有那么死板，也可以保證我們錯誤率比較高的時候不會大量請求服務(wù)端，給服務(wù)端喘息恢復(fù)的時間。

“Go語言中熔斷的原理是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！