golang bufio.newscanner如何超时跳出_Golang微服务的熔断与限流

(给<code>Go开发大全</code>加星标)

<blockquote>

来源：Che Dan

https://medium.com/@dche423/micro-in-action-7-cn-ce75d5847ef4

</blockquote>

【导读】熔断和限流机制对于大流量高并发服务来说不可或缺，尤其在微服务架构下更需要在服务中配置熔断限流机制。对可用性要求高的系统，熔断和限流是非常必要的保障可用性手段，本文介绍了Golang熔断和限流的实现。

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：

<ol><li>

micro.WrapClient ，用于包装对外发出的请求，即客户端包装

</li><li>

micro.WrapHandler ，用于包装外界发来的请求，即服务端包装

</li></ol>

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。

<h2><span style="font-weight:bold;">熔断</span></h2>

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，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， gobreaker 插件。

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：

<pre class="has"><code>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()...}</code></pre>

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：

<pre class="has"><code>... // 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...</code></pre> <pre><code>可见默认的超时时间是1000毫秒， 默认最大并发数是10。</code></pre>

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：

<pre class="has"><code>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...}</code></pre> <pre><code>如代码所示，默认限制被调整成了3个并发及200毫秒。</code></pre>

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33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：

<blockquote>

DefaultMaxConcurrent is how many commands of the same type can run at the same time

</blockquote>

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：

<pre class="has"><code>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)}...</code></pre>

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， 具体方法如下：

<pre class="has"><code>...hystrix.ConfigureCommand("com.serviceA.methodFoo", hystrix.CommandConfig{ MaxConcurrentRequests: 50, Timeout: 10, })hystrix.ConfigureCommand("com.serviceB.methodBar", hystrix.CommandConfig{ Timeout: 60, })...</code></pre>

通过上述代码，我们为两个方法设置了不同的限制。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。

<h2><span style="font-weight:bold;"/></h2> <h2><span style="font-weight:bold;">限流</span></h2>

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：

<pre class="has"><code>package mainimport (... 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)), )...}</code></pre>

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。

<h2><span style="font-weight:bold;"><span style="font-weight:bold;">总结</span></span></h2>

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。

 - EOF -

推荐阅读(点击标题可打开)

1、Golang 垃圾回收原理与优化

2、Go 性能分析工具 pprof 入门

3、RedHat容器术语实用导论

如果觉得本文不错，欢迎转发推荐给更多人。

分享、点赞和在看

支持我们分享更多好文章，谢谢！