华为云服务治理 — 隔离仓的作用
服务治理通常是指通过限流、熔断等手段，保障微服务的可靠运行，即运行时治理。更加宽泛的服务治理还包括微服务持续集成（开源软件管理、自动化测试等），微服务部署最佳实践（滚动升级、灰度发布等），微服务可观测性能力（日志、监控、告警等）构建等。
微服务治理专题主要探讨运行时治理。隔离仓是适用于大部分故障模式，简单有效的治理策略，本章介绍隔离仓的原理和作用。
隔离仓的定义和作用
业务请求的处理都会占用系统资源，包括 CPU、内存、线程池、连接池等。隔离仓是一种限制业务请求对系统资源占用的服务治理策略，防止单个业务请求或者单个微服务实例过多的占用系统资源，对其他业务请求以及系统总体的性能产生严重影响。
线程池是治理策略应用最广泛的系统资源，通常所有请求都在一个共享的线程池处理，常见的隔离仓实现，都是限制请求对线程池的过多占用。本文以 Spring Cloud Huawei 为例，演示其隔离仓在两种故障场景下的作用。
· 场景一
微服务 A 调用微服务 B，A 和 B 分别有 M 个实例，模拟 N 个并发客户端连续不断的请求 A。然后给 B 扩容 1 个实例。观察应用治理策略和不应用策略的情况下，时延和 TPS 的变化情况。
· 场景二
微服务 A 调用微服务 B，A 和 B 分别有 M 个实例，B 有两个接口 X 和 Y， 其中 X 处理 100ms，Y 处理 500 ms，模拟 N 个并发客户端通过 A 连续请求 X 接口，N 个并发客户端通过 A 连续请求 Y 接口。观察应用治理策略和不应用策略的情况下，时延和 TPS 的变化情况。
Spring Cloud Huawei 客户端隔离仓的工作原理和效果
Spring Cloud Huawei 客户端隔离仓 的主要作用是限制一个实例、或者一个实例的某个接口最大并发数，当一个实例的最大并发处理大于设置的阈值 maxConcurrentCalls 的时候，后续请求会在当前线程等待 maxWaitDuration 时间，如果这段时间有请求处理完毕，那么后续请求会继续处理，否则就会被丢弃，返回 408 错误。Spring Cloud Huawei 服务端隔离仓 的主要作用是限制一个接口的最大并发数，当一个接口的最大并发处理大于设置的阈值 maxConcurrentCalls 的时候，后续请求会在当前线程等待 maxWaitDuration 时间，如果这段时间有请求处理完毕，那么后续请求会继续处理，否则就会被丢弃，返回 408 错误。
· 场景一
微服务 A 的隔离仓配置：
微服务 A 调用微服务 B，A 和 B 分别有 1 个实例，模拟 40 个并发客户端连续不断的请求 A。然后给 B 扩容 1 个实例。观察应用治理策略和不应用策略的情况下，时延和 TPS 的变化情况。
测试结果：
不使用隔离仓：
从上述结果可以看出使用隔离仓的情况下，时延大于 200ms 的请求明显减少。 这个结果说明隔离仓的使用并没有降低系统的处理性能，甚至可能带来一些性能的改善，减少时延偏差较大的请求数量。上述测试场景，并没有演示新启动实例导致故障的场景。如果需要模拟这种场景，可以考虑微服务 A 部署 10 个实例，并且采用 500 个并发客户端访问。
· 场景二
微服务 A 的隔离仓配置：
微服务 A 调用微服务 B，A 和 B 分别有 1 个实例，B 有两个接口 X 和 Y， 其中 X 处理 1ms，Y 处理 100 ms，模拟 20 个并发客户端通过 A 连续请求 X 接口，20 个并发客户端通过 A 连续请求 Y 接口。观察应用治理策略和不应用策略的情况下，时延和 TPS 的变化情况。
测试结果：
不使用隔离仓：
使用隔离仓：
从上述结果可以看出使用隔离仓的情况下，时延小于 20ms 的请求有所增加，但是时延超过 500ms 的请求增加更加明显。这是因为测试场景属于 IO 密集型场景，使用隔离仓，降低了 Y 接口的并发度，大量请求排队，导致整体的时延大幅增长。下面把客户端隔离仓去掉，改为服务端隔离仓，再看看效果。
微服务 B 的隔离仓配置：
微服务 A 调用微服务 B，A 和 B 分别有 1 个实例，B 有两个接口 X 和 Y， 其中 X 处理 1ms，Y 处理 100 ms，模拟 20 个并发客户端通过 A 连续请求 X 接口，20 个并发客户端通过 A 连续请求 Y 接口。观察应用治理策略和不应用策略的情况下，时延和 TPS 的变化情况。
测试结果：
不使用隔离仓：
使用隔离仓：
从上述结果可以看出使用隔离仓的情况下，平均时延和性能同样会下降。我们适当调整下隔离仓的限制，快速丢弃一些请求：
使用隔离仓的测试结果：
上述结果可以看出，快速丢弃请求的情况下，时延小于 50ms 的请求大于 20000 个。隔离仓保证了处理很快的接口能够得到快速成功执行，前提条件是处理很慢的接口不占用资源，快速失败。
隔离仓总结
隔离仓的使用，在计算密集型场景下，对系统的性能影响很小，甚至可以起到一定的性能改善作用。在 IO 密集型场景下，由于隔离仓降低了请求的并发执行线程，会导致吞吐量降低和时延增加。
也可以看出，在 IO 等待比较长的情况下，系统的吞吐量和系统的可靠性是两个没法同时满足的目标，如果要保证成功率不降低，并且吞吐量增加，那么势必增加业务线程等系统资源占用，从而对系统整体的可靠性产生影响。对于耗时的请求，只能通过快速丢弃超过资源使用限制的部分，才能够保证系统吞吐量不下降，并且避免产生系统性的全局功能影响。因此，系统应该合理的设计部分耗时请求的最大并发，在超过这些指标的时候，快速丢弃多余的请求。过度追求耗时请求的吞吐量而扩大线程池、连接池等，是很多应用系统最常见的设计误区。
还未添加个人签名 2022-09-25 加入
还未添加个人简介
评论