写点什么

《面试补习》-- 来聊聊削峰填谷!

用户头像
九灵
关注
发布于: 2 小时前
《面试补习》--来聊聊削峰填谷!

概述

今天想和大家聊聊削峰填谷,最近 B 站发生的机房断电事件,和A站的服务雪崩,让我们对高可用关注了起来,之前梳理了高可用三剑客 限流熔断降级,今天想继续聊聊削峰填谷,也为后面的高性能篇 做一下铺垫, 想回顾一下之前相关内容的童鞋,可以查看一下,下面文章,欢迎点赞收藏关注三连,感谢!


高可用系列文章:


削峰和填谷

技术源于生活


削峰填谷(Peak cut)是调整用电负荷的一种措施。根据不同用户的用电规律,合理地、有计划地安排和组织各类用户的用电时间。以降低负荷高峰,填补负荷低谷。减小电网负荷峰谷差,使发电、用电趋于平衡。
复制代码


在我们理解的削峰填谷流量趋势图,如下图所示,在流量高峰阶段削去高峰流量,在流量下降时,填补这部分流量,使流量趋向平衡。


简单概述一下,削峰填谷


  • 削峰: 为保证服务可用,剔除部分流量。 --业务有损

  • 填谷: 在服务能力盈余的情况下,提供补偿操作。 --业务补偿


削峰

通过削去流量尖刺,让请求流量趋向平稳,以保障服务的稳定性。


  • 客户端削峰

  • 服务端削峰



上面有提到,削峰是业务有损的行为,削掉的这部分流量,可能在电商系统中,致使我们丢失这个用户。

1、客户端削峰

在后端的思维里面,削峰动作更多是服务端同学的工作和思考。但是在整体系统的设计中,客户端的削峰也是必不可少的。通过客户端的削峰,可以削减服务端的压力,从而保障系统的可用性

1.1、资源动静分离

这个方案比较简单,或者说目前基本都采用的方式。通过将静态资源服务端隔离,在活动开始前,将资源预热到 CDN,减轻服务端的压力。客户端与服务端的交互,只有动态数据的交互。

1.2、请求削峰

1、设置两次请求最小有效时间间隔


设置两次请求之间的时间间隔为 t, 在每次请求间隔内的请求,都会被忽略掉,不向服务的发起请求,假设 t 秒内,每个用户只会触发一次有效请求,对应的 qps 为 1/t,如果用户量为 Q, 那么最大的 qps 为 Q / t



2、公平性策略


每个用户一次活动周期内有效请求概率是 P,比如概率 0.2,也就是 5 次中 1 次请求机会,或者 10 次中 2 次请求机会。根据随机算法+插值算法生成请求序列:



根据上述方式就可以得到公平性策略,粒度可以自由把控

2、服务端削峰

2.1、限流削峰

在之前的限流相关文章中有介绍到,服务端限流主要有


  • 网关限流

  • 容器限流

  • 服务器限流


在服务器限流中, 主要介绍了,使用Sentinel 来做流量控制,通过下面的流量图可以看到,流量控制在了 2 qps ,峰值流量通过快速失败的方式返回。 那么,对于这部分被拒绝的流量,我们从业务角度来看的话,是有损的。


2.2、MQ 削峰

消息队列的架构中,有 pullpush 两种消息同步的方式,我们可以通过下游系统 订单系统 主动拉取pull 的方式,来保障下游服务的流量稳定。



那么,我们是否可以脱了了限流,只通过 MQ 的方式,来达到削峰呢? 答案是: 不能!


假设秒杀系统的 流量是 : 10000 qps,订单系统的消费能力只有 100qps。活动时间如果持续比较长,会产生消息堆积过多。 一方面会对消息中间件造成压力,另一方面,消息的有效性也没办法保障。


因此在这个链路图中,实际场景会是这样子:


流量先经过 Sentinel等限流中间件的调平后,由秒杀系统提交 MQ 任务


填谷

从上面的削峰策略可以看到,大部分的削峰 都是业务有损的,从客户端发起请求限流 ,到服务端的中间件限流。对于这部分的请求,都是直接丢弃的。而在 MQ削峰 的场景下,我们可以通过将请求缓存 的方式,减缓流量压力,有下游服务来控制请求压力,从而达到削峰的效果。

脱离了削峰,就不存在填谷了

MQ削峰 的场景中,我们主要保障的是 订单系统 的流量稳定性, 如果 秒杀系统的消息流量为 100tps,订单系统的处理能力为 200tps,那么,对于下游系统来说,就不存在峰值流量了!



如有其他场景,可以交流纠正

填谷补偿


峰值流量阶段,出现部分流量无法得到马上的处理,通过峰值流量过去后,在消费能力盈余的情况下,对之前的请求做补偿操作,使整体流量趋向于平稳。



比如在上述链路图中,秒杀活动持续了 1 分钟,


  • 产生请求为: 60 * 100 = 6000 个请求。

  • 消费时间为: 6000 / 50 = 120 秒。


在用户可接受的范围内(1分钟的等待),获取自己的秒杀下单结果。同时对订单系统的负载做好保护

消息队列的风险

相对于其他的削峰方案,看起来MQ削峰方案是最优的,那为什么我们在 流控方案上,还是更加注重限流方案上。而不是统一使用 MQ削峰呢?


每个方案都存在利弊,引入 MQ,能为我们解决 削峰异步解耦等问题。但是,在引入 MQ 中间件的同时,也会为我们带来以下的问题:


  • 中间件可用性:MQ 队列不可用,会导致整个链路不可用,严重会造成雪崩

  • 消息可靠性:消息发送,消费需要得到保障

  • 消息堆积:消息生产过快,导致 MQ 中间件压力过大

  • 消息重复:消费幂等能力支撑

  • 消息顺序:部分场景要求消费按照顺序执行

点关注,不迷路

在架构设计中,很重要的一点,每个方案都是有利有弊,而我们在进行架构设计时,需要考虑引入一个解决方案时,权衡这个方案的利弊,最终落地。


好了各位,以上就是这篇文章的全部内容了,下一篇文章会梳理高可用秒杀系统的架构设计 欢迎大家关注。感谢大伙能看到这里,如果这个文章写得还不错, 求三连!!! 创作不易,感谢各位的支持和认可,我们下篇文章见!


我是 九灵 ,有需要交流的童鞋可以关注公众号:Java 补习课,掌握第一手资料! 如果本篇博客有任何错误,请批评指教,不胜感激 !

发布于: 2 小时前阅读数: 8
用户头像

九灵

关注

Alibaba@Java补习课 2018.04.26 加入

货真价实的程序员,专注Java开发,对Java基础,中间件和分布式应用场景有较深了解,致力于让大伙更卷~

评论

发布
暂无评论
《面试补习》--来聊聊削峰填谷!