[Java复习]架构部署 超时重试 幂等防重

画一下你们系统的整体架构图，说说各个服务在生产环境怎么部署的？

核心：服务框架、注册中心、网关

即使你没有用很多微服务架构里的东西，只要有上述三个东西，配合上写一些文档，接口文档，分布式系统架构，其实就出来了，很多中小型公司，一个小型技术团队，后端开发工程师总共就10多个人。

常见生产实践问题：

关注分布式系统一些生产实践的问题，应对你们公司的流量，各个服务、网关、注册中心，都是如何部署的?

部署几台机器，每台机器的配置是什么，每天整体的流量有多少，高峰期的请求量有多少，你的整体系统是否抗住了？

各个服务之间的超时、重试、幂等性？

中小型系统，拆分10-20个微服务。大型互联网公司，一般几百个，几千个微服务。

中小型，一般2-3台机器足够，把服务上线，服务发现优化到极致。

服务上线：注册表多级缓存同步至1秒，拉取频率降低至1秒。

服务心跳：1秒报1次。

故障发现：1秒检查一次，2，3秒没有认为没有故障等。

服务注册中心没有压力，服务注册中心部署2台机器，每台4C8G，高可用，每秒轻松几百请求，甚至上千。前提是数据库SQL别写的太烂。

网关机器配置稍微高一些，4C8G，一台扛每秒几百个请求，部署3~4台，保证每台网关机器压力较小，进一步保证可靠性。

为什么网关Zuul之前还要配置Nginx？

Nginx反向代理，软负载，把请求均匀负载到多台Zuul的机器上。LVS和Nginx处于不同的负载维度，主要是运维工程师负责管理。

数据库，MYSQL，16C32G，物理机最佳，平时扛每秒几百请求，高峰期最多每秒扛三四千请求。

扛几千请求时机器会负载很高，CPU，IO，网络负载很高。DBA在优化一下。

你们系统每天有多大访问量？每个服务高峰QPS多少？压测过服务最大QPS吗？

每天服务多少请求量，高峰每秒qps，在代码里稍微加一些metrics代码，对自己运行过程中各种请求量，每秒请求量，成功次数，失败次数，在内存里直接做一些计数。

在负责的核心服务里，核心接口，开发一个简单的metric统计机制，AtomicLong，保证原则性，并发数据统计准确。

每个接口被调用时，可以对每个接口每分钟做一个metric统计，每个接口每天统计计数。

再通过Log4j, logback等日志组件，把次数直接打印到日志文件，统计出高峰期每秒系统被访问的次数，每条每个接口访问量。

响应延时：

计算一下每个接口从请求到执行完毕，需要耗费多长时间，算一下每个接口平均的请求延时，

TP99，TP95，TP90，TP50，TP99，99%的请求耗费的时间在100ms以内，但是1%的请求可能耗费的时间在100ms以上

TP99 = 100ms TP95 = 50ms，95%的请求耗费的时间多在50ms以内，但是5%的请求耗费的时间在50ms以上

压测工具，java压测工具，开源的可以用的，模拟出来同时有多少用户发起多少请求，每秒发起1000请求能抗住吗？每秒钟发起2000请求能抗住吗？

假设你的系统每秒钟最多抗800请求，如果你的压测工具每秒发起了1000个请求，此时会发现最多只有800个请求同时可以被处理，

剩余200个请求需要进行排队被阻塞住了，表示你这个系统每秒钟最多抗800个请求。

如果系统访问量比现在增加10倍，你们考虑过系统的扩容方案吗？

网关直接多部署10倍的机器即可，前面的Nginx做会负载均衡，把流量均匀分发给各个网关机器。

服务扩容，都很简单的，多加机器，部署启动，自动注册到注册中心去，此时其他服务会自动感知到你的服务多加了一些机器。

服务实例变多了10倍，此时几十个服务实例，几百个服务实例，对eureka机器会造成每秒几百请求，没问题，eureka机器，8核16G的配置，单机抗上千请求，很轻松。

数据库本来是每秒几百请求，10倍，每秒高峰期是三四千请求，横向扩容很麻烦，

此时可以考虑给单个数据库部署的机器提高配置，32核128G高配物理机，每秒钟抗几千请求问题不大。

总结： 最基本的操作就是扩容。

网关：横向加机器。

注册中心：纵向升配置。

数据库：纵向升配置。

当然还有很多其他专门针对分布式，高并发的优化和操作，不过加机器都是最简单直接的。

 

你们生产环境的服务是怎么配置超时和重试参数的？为什么要这样配置？

背景：Spring Cloud生产优化，系统第一次启动的时候，调用请求经常出现timeout。

原因：每个服务第一次被请求的时候，他会去初始化一个Ribbon的组件，初始化这些组件需要耗费一定的时间，所以很容易会导致超时。

解决方案：让每个服务启动的时候就直接初始化Ribbon相关的组件，避免第一次请求的时候初始化。

ribbon:
  eager-load:
    enabled: true

zuul:
  ribbon:
    eager-load:
      enabled: true

feign:
  hystrix:
     enabled: false

线上的服务，每个服务部署上线的时候，一般来说都需要配置相关的超时时间还有重试次数

订单服务 -> 积分服务、库存服务、仓促服务

订单服务对于其他服务的调用，一般来说限制在多长时间就必须认为是超时了，如果超时之后如何进行重试

积分服务部署了两台机器，机器1和机器2

订单服务在一次请求积分服务的机器1的时候，超过1秒钟，超时了；此时需要进行重试，对积分服务当前的这台机器1重试几次？如果说机器1不行，是否可以重试一下积分服务的机器2？

ribbon:
  ConnectTimeout: 3000
  ReadTimeout: 3000
  OkToRetryOnAllOperations: true
  MaxAutoRetries: 1
  MaxAutoRetriesNextServer: 1

中小型的系统，没必要直接开启hystrix，资源隔离、熔断、降级，如果你没有设计好一整套系统高可用的方案。

增加重试机制依赖：

<dependency>
<groupId>org.springframework.retry</groupId>
<artifactId>spring-retry</artifactId>
</dependency>

如果出现服务请求重试，会不会出现类似重复下单的问题？

可能会。

订单服务 -> 创建订单 -> 库存服务 -> 扣减库存 -> wms服务 -> 通知发货 -> 积分服务 -> 增加积分

场景：

订单服务调用库存服务的时候，因为网络抖动，请求超时了，超过了秒钟，此时订单服务会重试，再次调用一下库存服务，发送一模一样的请求过去。

比如说，订单服务第一次请求库存服务，库存服务其实是把扣减库存的业务逻辑执行成功了，

只不过网络问题，导致响应迟迟没有返回给订单服务，可能在1.2s之后返回了响应给订单服务。

订单服务就认为请求超时了，他就再次发送了一个一模一样的请求给库存服务，库存服务可能会再次对库存进行扣减。

对于核心接口的防重幂等性，你们是怎么设计的？怎么防止重复下单问题？

常见方案：

1. 数据库唯一索引

2. 基于Redis实现幂等性防重

核心接口，幂等性都是自己保证，对应Create操作，通过DB唯一索引来保证；对于Update操作，建议在核心接口基于业务逻辑，配合Redis，来保证幂等性。

比如库存，定制化的针对接口开发幂等性的机制，比如说一旦库存扣减成功之后，就立马要写一条数据到redis里去，order_id_11356_stock_deduct，写入redis中，如果写入成功，就说明之前这个订单的库存扣减，没人执行过。

但是如果此时有一些重试的请求过来了，调用了你的库存扣减接口，他同时也进行了库存的扣减，但是他用同样的一个key，order_id_11356_stock_deduct，写入redis中，此时会发现已经有人写过key，key已经存在了。

此时你就应该直接对刚才的库存扣减逻辑做一个反向的回滚逻辑，

update product_stock set stock = stock - 100，update product_stock set stock = stock + 100，反向逻辑，回滚自己，避免重复扣减库存。

参考资料：

21天互联网Java进阶面试训练营（分布式篇）-- 中华石杉