Micro In Action(七)：熔断与限流

 > 本文作者：Che Dan > > 原文链接：https://medium.com/@dche423/micro-in-action-7-cn-ce75d5847ef4 本文是[Micro](https://micro.mu/)系列文章的第七篇。前面文章覆盖了创建与调用服务的基本流程。 接下来我们将转到一些高级特性。 今天来谈谈**熔断与限流**。 熔断与限流一直大型系统架构的重要话题。 当我们开始把系统拆分成由很多微服务组成分布式系统时， 这些话题变得比以往更加重要。没有熔断与限流， 系统很容易因为单个组件的故障(这在分布式系统中不可避免)而形成“雪崩”效应， 进而导致整个系统的瘫痪。 在Micro的可插拔架构之下，可以非常容易地引入以上机制。我们知道Micro支持用中间件实现请求的拦截与控制。而这些中间件中最关键的两类是： 1. micro.WrapClient ，用于包装对外发出的请求，即客户端包装 2. micro.WrapHandler ，用于包装外界发来的请求，即服务端包装 这两类中间件刚好分别适用于熔断和限流两个场景。下面我们以实例来说明如何利用这类两中间件来提高系统的鲁棒性。 ------ ## 熔断 你可能已经猜到了， 如此常见的工具一般情况下不需要我们自己开发。 社区中已经有一些非常优秀的开源熔断组件，例如 [hystrix-go](https://github.com/afex/hystrix-go/)，[gobreaker](https://github.com/sony/gobreaker) 。 不仅如此， Micro 也提供了对上述组件进行简单封装的插件， 如 [hystrix 插件](https://github.com/micro/go-plugins/tree/master/wrapper/breaker/hystrix)， [gobreaker 插件](https://github.com/micro/go-plugins/tree/master/wrapper/breaker/gobreaker)。 有了这些插件的帮助， 在Micro中实现熔断就变得非常简单了。 以hystrix为例： ```go import ( ... "github.com/micro/go-plugins/wrapper/breaker/hystrix" ... ) func main(){ ... // New Service service := micro.NewService( micro.Name("com.foo.breaker.example"), micro.WrapClient(hystrix.NewClientWrapper()), ) // Initialise service service.Init() ... } ``` 只需要在创建`service`实例的时候指定hystrix插件，系统便具备了自动熔断能力。 所有从此节点发出的Micro服务调用都会受到熔断插件的限制和保护。 当请求超时或并发数超限，调用方会立即接收到熔断错误。那么默认的并发限制和时间限制是多少呢？答案在hystrix-go 的源码中。查看**github.com/afex/hystrix-go/hystrix/settings.go** 将看到几个包级变量： ```go ... // DefaultTimeout is how long to wait for command to complete, in milliseconds DefaultTimeout = 1000 // DefaultMaxConcurrent is how many commands of the same type can run at the same time DefaultMaxConcurrent = 10 ... ``` 可见默认的超时时间是1000毫秒， 默认最大并发数是10。 **注：**可调整的熔断设置不只这两项， 但对他们每一项的详细讨论超过了本文范围， 因此不作更多说明。 如果有兴趣，可以到[hystrix-go官网](https://github.com/afex/hystrix-go/)查看详细文档。 如果默认设置不能满足我们的要求， 则可以通过如下方式修改： ```go import ( ... hystrixGo "github.com/afex/hystrix-go/hystrix" "github.com/micro/go-plugins/wrapper/breaker/hystrix" ... ) func main(){ ... // New Service service := micro.NewService( micro.Name("com.foo.breaker.example"), micro.WrapClient(hystrix.NewClientWrapper()), ) // Initialise service service.Init() hystrix.DefaultMaxConcurrent = 3//change concurrrent to 3 hystrix.DefaultTimeout = 200 //change timeout to 200 milliseconds... } ``` 如代码所示，默认限制被调整成了3个并发及200毫秒。 你可能会对 **DefaultMaxConcurrent** 有疑问： 这个并发限制的作用域是什么呢？ 假设我们需要同时调用3个服务，每个服务有3个不同方法。 那么是不是说我们必须把**DefaultMaxConcurrent**设置为成大于3*3的数字才可以彻底并发呢？ **要回答这个问题， 需要搞清楚两点：** 首先， **DefaultMaxConcurrent** 的限制的目标是什么。从hystrix 文档可以看到， 它的目标是hystrix 中的 **command：** > DefaultMaxConcurrent is how many commands of the same type can run at the same time 接下来就需要看看hystrix插件如何处理不同方法与**command**的关系。查看 **github.com/micro/go-plugins/wrapper/breaker/hystrix/hystrix.go** 相关代码如下： ```go import( "github.com/afex/hystrix-go/hystrix" ... ) ...func (c *clientWrapper) Call(ctx context.Context, req client.Request, rsp interface{}, opts ...client.CallOption) error { return hystrix.Do(req.Service()+"."+req.Endpoint(), func() error { return c.Client.Call(ctx, req, rsp, opts...) }, nil) } ... ``` 可以看到每一个方法调用都被 `hystrix.Do` 包装起来。 注意其中的`req.Service()+”.”+req.Endpoint()`，它就是hystrix的**command。**由于这个字符串中没有包含节点信息， 这意味着对于同一个服务，部署单个还是多个节点对于熔断来说是没有区别的，**所有节点都共享一组限制**。 至此便可以明确： 每一个服务的每一个方法会独立进行并发限制计数**，**彼此并不影响。**DefaultMaxConcurrent 的作用域是方法级的，与节点数无关。**因此， 当某个服务的节点数被扩容一倍， 那么也有必要修改相应hystrix 限制，否则此扩容可能无法发挥全部效果。 实践中， 不同方法可能需要不同的熔断指标。如果我们想要更细粒度地进行控制，应该怎么办呢？从上面的源码分析可以看出， 服务方法被映射成了 hystrix **command，**而hystrix是支持对不同**command**分别设限的， 具体作法如下： ```go ... hystrix.ConfigureCommand("com.serviceA.methodFoo", hystrix.CommandConfig{ MaxConcurrentRequests: 50, Timeout: 10, }) hystrix.ConfigureCommand("com.serviceB.methodBar", hystrix.CommandConfig{ Timeout: 60, }) ... ``` 通过上述代码，我们为两个方法设制了不同的限制。 如果某一项没有特别说明， 便会使用系统默认值。 **小结：** 熔断功能作用于客户端，设置恰当阈值以后， 它可以保障客户端资源不会被耗尽 —— 哪怕是它所依赖的服务处于不健康的状态，也会快速返回错误，而不是让调用方长时间等待。 ## 限流 与熔断类似， 限流也是分布式系统中常用的功能。 不同的是， 限流在服务端生效，它的作用是保护服务器： 在请求处理速度达到设定的限制以后， 便不再接收和处理更多新请求，直到原有请求处理完成， 腾出空闲。 避免服务器因为客户端的疯狂调用而整体垮掉。 打个比方， 假设我们运营一间能容纳10位客人的餐馆。如果同时来了100位客人想要用餐，最好的处理方式是选取前10位进行服务，同时告诉另外90位客人：我们目前无法服务，请改天再来。虽然这90位客人会不开心， 但我们至少保证了前10位可以开心地用餐。 若没有限流措施， 结果是100位客人全进入餐厅， 厨房忙不过来， 客人无处落座。 任何人都得不到服务，又不甘心离开。 最终的结果是整个餐厅人满为患并最终瘫痪。 在Micro中使用限流功能非常简单，只需增加一行代码就可以实现基于QPS的限流。目前有两个的现成的限流插件可供使用， 本文以 [uber rate limiter 插件](https://github.com/micro/go-plugins/tree/master/wrapper/ratelimiter/uber)为例进行说明（当然如果现有插件不满足需求， 完全可以自行开发更适用的插件）。修改**hello-srv/main.go**： ```go package main import ( ... limiter "github.com/micro/go-plugins/wrapper/ratelimiter/uber" ... ) func main() { const QPS = 100 // New Service service := micro.NewService( micro.Name("com.foo.srv.hello"), micro.Version("latest"), micro.WrapHandler(limiter.NewHandlerWrapper(QPS)), ) ...} ``` 以上代码便为**hello-srv**增加了服务器限流能力， QPS上限为100。这个限制由此服务的所有handler所有method 共享。换句话说，此限制的作用域是服务级别的。 ------ ## 总结 熔断和限流很重要。 得益于Micro的可插拨架构， 我们可以非常方便地应用这两个重要的功能。 熔断的出发点是保护客户端， 不被外部服务的问题所拖累， 永远快速响应（哪怕得到一个错误，也好于长时间等待）。 永远避免资源的过度消耗。 限流的出发点是保护服务器。 只处理自己能力之内的流量，实现过载保护。 当流量超过设定限制时立即返回错误。 二者结合体现了一个哲学：**永远首先为自己负责， 无论外部依赖状态如何， 一个服务应保证自身的稳健**。 当这种哲学应用到分布系统的每一个组件以后， 这个系统将变得非常健壮，不会被突发流量高峰击垮。 因此， 我们在分布式系统开发中应该遵循这样一个最佳实践：**为每一个服务增加熔断和限流能力**。 起步时可以是粗粒度的限制， 随着业务的演进， 可以逐步细化控制， 为每一个(每一类)服务设置与其业务相匹配的限制策略。