电商平台备战促销季的运维秘诀——高可用服务层

高可用设计是互联网系统架构的基础之一,以天猫双十二交易数据为例,支付宝峰值支付次数超过 8 万笔。大家设想一下,如果这个时候系统出现不可用的情况,那后果将不可想象。
而解决这个问题的根本就是服务层的高可用。

什么是服务层

众所周知,服务层主要用来处理网站业务逻辑的,是大型业务网站的核心。比如下面三个业务系统就是典型的服务层,提供基础服务功能的聚合

  • 用户中心:主要负责用户注册、登录、获取用户用户信息功能
  • 交易中心:主要包括正向订单生成、逆向订单、查询、金额计算等功能
  • 支付中心:主要包括订单支付、收银台、对账等功能

电商平台备战促销季的运维秘诀——高可用服务层

整体架构

业务发展初期主要以业务为导向,一般采用 「ALL IN ONE」的架构方式来开发产品,这个阶段用一句话概括就是 「糙猛快」。当发展起来之后就会遇到下面这些问题

  • 文件大:一个代码文件出现超过 2000 行以上
  • 耦合性严重:不相关业务都直接堆积在 Serivce 层中
  • 维护代价高:人员离职后,根本没有人了解里面的业务逻辑
  • 牵一发动全身:改动少量业务逻辑,需要重新把所有依赖包打包并发布

遇到这些问题,主要还是通过「拆」来解决

电商平台备战促销季的运维秘诀——高可用服务层

具体拆的方式,主要根据业务领域划分单元,进行垂直拆分。拆分开来的好处很明显,主要有以下这些:

  • 每个业务一个独立的业务模块
  • 业务间完全解耦
  • 业务间互不影响
  • 业务模块独立
  • 单独开发、上线、运维
  • 效率高

无状态设计

对于业务逻辑服务层,一般会设计成无状态化的服务,无状态化也就是服务模块只处理业务逻辑,而无需关心业务请求的上下文信息。所以无状态化的服务器之间是相互平等且独立的。

只有服务变为无状态的时候,故障转移才会变的很轻松。通常故障转移就是在某一个应用服务器不能服务用户请求的时候,通过负责均衡的方式,转移用户请求到其他应用服务器上来进行业务逻辑处理

电商平台备战促销季的运维秘诀——高可用服务层

超时设置

一般网站服务都会有主调服务和被调服务之分。超时设置就是主调服务在调用被调服务的时候,设置一个超时等待时间 Timeout。主调服务发现超时后,就进入超时处理流程。

电商平台备战促销季的运维秘诀——高可用服务层

  1. 主调服务 A 调用被调服务 B 时,设置超时等待时间为 3 秒,可能由于 B 服务宕机、网络情况不好或程序 BUG 之类,导致 B 服务不能及时响应 A 服务的调用。
  2. 此时 A 服务在等待 3 秒后,将触发超时逻辑而不再关心 B 服务的回复情况。
  3. A 服务的超时逻辑可以依据情况而定,比如可以采取重试,对另一个对等的 B 服务去请求,或直接放弃结束这个请求调用。

超时设置的好处在于当某个服务不可用时,不至于整个系统发生雪崩反应。

异步调用

一般请求调用分为同步与异步两种。同步请求就像打电话,需要实时响应,而异步请求就像发送邮件一样,不需要马上回复。

这两种调用各有优劣,主要看面对哪种业务场景。比如在面对并发性能要求比较高的场景,异步调用就比同步调用有比较大的优势,这就好比一个人不能同时打多个电话,但是可以发送很多邮件。

电商平台备战促销季的运维秘诀——高可用服务层

那我们什么时候该采用异步调用?

其实主要看业务场景,如果业务允许延迟处理,那就采用异步的方式处理

那我们该怎么实现异步调用呢?

通常采用队列的方式来实现业务上的延迟处理,比如像订单中心调用配送中心,这种场景下面,业务是能接受延迟处理的。

那消息队列主要有哪些功能呢?

  • 异步处理 - 增加吞吐量
  • 削峰填谷 - 提高系统稳定性
  • 系统解耦 - 业务边界隔离
  • 数据同步 - 最终一致性保证

那到底有多少种队列呢?其实主要看处理业务的范围大小

  • 应用内部 - 采用线程池,比如 Java ThreadPool 中 BlockingQueue 来做任务级别的缓冲与处理
  • 应用外部 - 比如 RabbitMQ 、ActiveMQ 就是做应用级别的队列,方便进行业务边界隔离与提高吞吐量

电商平台备战促销季的运维秘诀——高可用服务层

同时,技术上来讲,消息队列一般分为两种模型:Pull VS Push

  • Pull 模型:消费者主动请求消息队列,获取队列中的消息。
  • Push 模型:消息队列主动推送消息到消费者

其中 Pull 模式可以控制消费速度,不必担心自己处理不了消息,只需要维护队列中偏移量 Offset。所以对于消费量有限并且推送到队列的生产者不均匀的情况下,采用 Pull 模式比较合适。

Push 比较适合实时性要求比较高的情况,只要生产者消息发送到消息队列中,队列就会主动 Push 消息到消费者,不过这种模式对消费者的能力要求就提高很多,如果出现队列给消费者推送一些不能处理的消息,消费者出现 Exception 情况下,就会再次入队列,造成消费堵塞的情况。

不过互联网业界比较成熟的队列主要以采用 Pull 模式为主,像 Kafka、RabbitMQ(两种方式都支持)、RocketMQ 等

幂等

什么是幂等设计呢?

其实很简单,就是一次请求和多个请求的作用是一样的。用数学上的术语,即是 f(x) = f(f(x))。

那我们为什么要做幂等性的设计呢?主要是因为现在的系统都是采用分布式的方式设计系统,在分布式系统中调用一般分为 3 个状态:成功、失败、超时。

如果调用是成功或者失败都不要紧,因为状态是明确和清晰,但是如果出现超时的情况,就不知道请求是成功还是失败的。

电商平台备战促销季的运维秘诀——高可用服务层

如果出现这种情况,我们该怎么办呢?一般采取重试的操作,重新请求对应接口。如果请求接口是 Get 操作的话,那到还好,因为请求多次的效果是一样的。但是如果是 Post 、Put 操作的话,就会造成数据不一致,甚至数据覆盖等问题。

举个例子:在支付收银台页面进行支付的时候,因为网络超时的问题导致支付失败,这个时候我们都会再进行一次支付操作,但是当支付成功后,发现你的账户余额被减了 2 次,这个时候心里肯定很不爽,心里都要开始骂娘了...

造成这个问题的关键是:网络超时后,不知道支付是什么状态?成功还是失败呢?所以说幂等性设计是必须的,尤其在电商、金融、银行等对数据要求比较高的行业中。

一般在这种场景下我们该怎么解决呢?

  1. 请求方一般会生产一个唯一性 ID 标识,这个标识可以具有业务一样,比如订单号或者支付流水号,在发起请求时候带上唯一性 ID。
  2. 接收者在收到请求后,第一步通过获取唯一性 ID 来查询接收端是否有对应的记录,如果有的话,就直接将上次请求的结果返回,如果没有的话,就进行操作,并在操作完成后记录到对应的表里

电商平台备战促销季的运维秘诀——高可用服务层

服务降级

服务降级主要解决资源不足和访问量过大的问题,比如电商平台在双十一、618 等高峰时候采用部分服务不提供访问,减少对系统的影响。

那降级的方式有哪些呢?

  • 延迟服务:比如春晚,微信发红包就出现抢到红包,但是账号余额并没有增加,要过几天才能加上去。其实这是微信内部采用延迟服务的方式来保证服务的稳定,通过队列实现记录流水账单
  • 功能降级:停止不重要的功能是非常有用的方式,把相对不重要的功能暂停掉,让系统释放更多的资源。比如关闭相关文章的推荐、用户的评论功能等等,等高峰过去之后,在把服务恢复回来。
  • 降低数据一致性:在大促的时候,我们发现页面上不显示真实库存的数据,只显示到底有还是没有库存这两种状态。

电商平台备战促销季的运维秘诀——高可用服务层

刚刚说了降级的方式,那我们操作降级的时候有哪些注意点呢?

  1. 清晰定义降级级别: 比如出现吞吐量超过 X,单位时间内响应时间超过 Y 秒、失败次数超过 Z 次等,这些阈值需要在准备的时候,通过压测的方式来确定。
  2. 梳理业务级别:降级之前,首先需要确定哪些业务是必须有,哪些业务是可以有的,哪些业务是可有可无的。
  3. 降级开关:可以通过接入配置中心(比如携程 Apollo、百度 Disconf )的方式直接后台降级。但是如果公司没有配置中心的话,可以封装一个 API 接口来切分,不过该 API 接口要做成幂等的方式,同时需要做一些简单的签名,来保证其一定的安全性。

总结

总结一下今天分享的主要内容

  • 整体架构:根据业务属性进行垂直拆分,减少项目依赖,单独开发、上线、运维
  • 无状态设计:应用服务中不能保存用户状态数据,如果有状态就会出现难以扩容、单点等问题
  • 超时设置:当某个服务不可用时,不至于整个系统发生连锁反应
  • 异步调用:同步调用改成异步调用,解决远程调用故障或调用超时对系统的影响
  • 服务降级:牺牲非核心业务,保证核心业务的高可用

所有好的架构设计首要的原则并不是追求先进,而是合理性,要与公司的业务规模和发展趋势相匹配,任何一个公司,哪怕是现在看来规模非常大的公司,比如 BAT 之类,在一开始,其系统架构也应简单和清晰的。

但随着业务范围不断扩充,业务规模不断扩大,系统渐进复杂和庞大,让所有系统都遇到高可用的问题。那我们该如何避免类似的问题,构建高可用系统呢?

为此我特意写了一个专栏《带你玩转高可用》,将多年来在百度和沪江的架构设计实战经验,集结成这个专栏。

本专栏总共包含 15 篇文章,分成三大模块详细解释高可用架构的相关知识:

  • 概念篇:介绍高可用架构理论与演进,这块比较偏理论。不过对于我们理解整套体系还是有必须的。
  • 工程篇:介绍常见互联网分层中每一层高可用是怎么做的,包含 DNS、服务层、缓存层、数据层等
  • 问题篇:介绍怎么排查线上常用的故障,包括机器、应用层等维度故障定位

专栏每周都会更新,持续 64 天。在这将近 2 个月内,我会带着大家去全面了解高可用架构的方方面面,同时会将遇到的这些问题和对应的解决方案抛出来,希望大家不要重复我遇到过的坑。同时也期待大家提出有意思的问题。

专栏地址:带你玩转高可用
电商平台备战促销季的运维秘诀——高可用服务层