分布式系统中的降级熔断设计问题面试

目录
  • 引言
  • 1、面试官：
    • 你对你负责的系统做了哪些提高可用性的设计？
  • 总结

引言

稳定性设计第一篇：在分布式系统下，线上的某一个功能按钮背后会有很多个服务共同完成，这些服务之间有依赖关系，且有一定的顺序调用。那么这些服务如果其中有一个环节出现问题，会带来一些连锁反应。

比如，突如其来的流量，部分服务突然宕机，你能想到的故障都算故障，是不是整个服务都不可用了吗？作为开发者肯定不希望这样的事情发生，那么有哪些解决问题？思路就是尽量给每个服务找一个“备胎” ，这个“备胎”不是集群概念里一个备用机器 ，而是一种备用方案。

1、面试官：

你对你负责的系统做了哪些提高可用性的设计？

问题分析：稳定性设计三把斧：降级、熔断和限流。即使你没用过，也可以完全根据我描述的场景再结合自己的项目编造一个。

答：这个问题很好理解，举个例子：比如外卖订单服务，假设美团外卖订单系统，系统日常QPS 在 1000 左右（这里我拍脑袋假设，实际远高于1000），可能受天气影响或者是否工作日，QPS 会上下浮动，为1000 - 2000之间。

假设线上系统设计时最多能承受2000 QPS，正常会发生的突发情况单量增多都能承受，突然有那么一天，你的竞争对手饿了么宕机了，用户无法使用都蜂拥而至来美团下单，这个时候QPS 变成了 3000，系统扛不住 3000 的QPS怎么办？用户都卡在提交订单的页面，谁也下不了单。那么如何有效解决这个问题？这个时候就要想到“备胎”方案，尝试以下优化思路。

  1. 流量控制：也就是限流，限流包括单机限流和集群限流，订单系统某一环节加一个开关，好比地铁进站口，人多要排队，保证流量持续进入，而不是撑破服务器大家都无法使用，比如将系统QPS控制在最高2000，后面的 1000 用户告诉他“系统繁忙，请稍后再试”，这样一来无非就是多点几下或者等几分钟，你还能吃上饭。
  2. 降级备案：比如商品列表查询，默认查询的是 Redis 集群，各种故障赶在一起，Redis 所有集群都挂了不能用了，这个时候怎么办，设计一个备胎 Elasticsearch，查询速度可能没 Redis 快，但好歹备胎还能用。
  3. 熔断： 这个可以理解成家庭电路中的保险丝，电流有异常后自动开启熔断保护，系统流量也同样原理。

举例： 我对公司内部订单查询系统做的优化，订单查询是运营人员每天都要使用的功能，一定要保证服务可用，还要迅速响应，为了解决这个问题，我使用了ES作为查询主库，如ES故障，系统会自动降级到MySQL查询，完美解决了性能和可用性的问题。

（有了上面这个例子，面试官对我在系统可用性方面的设计能力放心多了。）

Tip： 说了这么多不如直接看看图形界面，限流到底是怎么用的，举个例子，我负责的一个接口，限流参数设置是这样的。

这是限流功能做成页面可视化系统以后，看看红色框备注和提示如何设置限流，是不是so easy，使用开源的 Hystrix 也能解决此类问题。

总结

这一节的内容不多，最重要的是要知道系统稳定性设计还有三把斧：降级、熔断和限流，内容并不难，重要的是你要有这个意识，你能做到让系统全年不故障持续提供服务，领导把这事儿交给你放心，offer不是你的是谁的？

以上就是分布式系统中的降级熔断设计问题面试的详细内容，更多关于分布式系统中的降级熔断设计的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • java分布式面试系统限流最佳实践

    java分布式面试系统限流最佳实践

    目录 引言 1.面试官: 哪些场景系统使用了限流?为什么要使用限流? 2.面试官: 那你了解哪些常用限流算法? 1.计数器方法: 2.漏斗算法: 3.令牌桶算法: 3.面试官: 那具体这值该如何评估,说到现在我还是不知道限流到底要怎么设置,可以给我一点经验方法吗? 深入分析 使用线程池实现: 借助Guava实现: 总结 引言 前面讲了系统中的降级熔断设计和对 Hystrix 组件的功能了解,关于限流降级还有一个比较重要的知识点就是限流算法. 如果你面试的是电商相关公司,这一块就显得更加重要了,秒

  • Spring Hystrix熔断报警原理图例解析

    Hystrix 是一个帮助解决分布式系统交互时超时处理和容错的类库, 它同样拥有保护系统的能力.Netflix的众多开源项目之一. 设计流程: 1.加入Redis依赖 <!--springboot整合redis--> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId&g

  • springcloud 服务降级的实现方法

    springcloud 服务降级的实现方法

    1 .简介 什么是服务降级?当服务器压力剧增的情况下,根据实际业务情况及流量,对一些服务和页面有策略的不处理或换种简单的方式处理,从而释放服务器资源以保证核心交易正常运作或高效运作. 如果还是不理解,那么可以举个例子:假如目前有很多人想要给我付钱,但我的服务器除了正在运行支付的服务之外,还有一些其它的服务在运行,比如搜索.定时任务和详情等等.然而这些不重要的服务就占用了JVM的不少内存与CPU资源,为了能把钱都收下来(钱才是目标),我设计了一个动态开关,把这些不重要的服务直接在最外层拒掉,这样处

  • 分布式系统中的降级熔断设计问题面试

    分布式系统中的降级熔断设计问题面试

    目录 引言 1.面试官: 你对你负责的系统做了哪些提高可用性的设计? 总结 引言 稳定性设计第一篇:在分布式系统下,线上的某一个功能按钮背后会有很多个服务共同完成,这些服务之间有依赖关系,且有一定的顺序调用.那么这些服务如果其中有一个环节出现问题,会带来一些连锁反应. 比如,突如其来的流量,部分服务突然宕机,你能想到的故障都算故障,是不是整个服务都不可用了吗?作为开发者肯定不希望这样的事情发生,那么有哪些解决问题?思路就是尽量给每个服务找一个“备胎” ,这个“备胎”不是集群概念里一个备用机器 ,

  • 分布式架构中关于正向代理反向代理面试提问

    分布式架构中关于正向代理反向代理面试提问

    目录 引言 1.面试官:完看你简历提到使用过Nginx做代理,你是如何理解“正向代理”,“反向代理”的? 2.面试官:那服务端为什么要使用代理?有啥好处? 3.面试官:那你知道哪些负载均衡算法? 深入分析 什么是负载均衡 常用的负载均衡框架 正向代理&反向代理 正向代理 反向代理 总结 引言 面完了RPC相关的一系列问题,面试官确定我对分布式架构的理论知识和服务间通讯框架(RPC) 确实了解了. 接下来又开始问我网络相关的知识,但不是直接问HTTP三次握手,TCP,UPD这些,因为这些基础已经在

  • 浅谈Redis在分布式系统中的协调性运用

    在分布式系统中,各个进程(本文使用进程来描述分布式系统中的运行主体,它们可以在同一个物理节点上也可以在不同的物理节点上)相互之间通常是需要协调进行运作的,有时是不同进程所处理的数据有依赖关系,必须按照一定的次序进行处理,有时是在一些特定的时间需要某个进程处理某些事务等等,人们通常会使用分布式锁.选举算法等技术来协调各个进程之间的行为.因为分布式系统本身的复杂特性,以及对于容错性的要求,这些技术通常是重量级的,比如 Paxos 算法,欺负选举算法,ZooKeeper 等,侧重于消息的通信而不是共享

  • Django中的模型类设计及展示示例详解

    django中设计数据模型类是基于ORM的对象关系映射更方便的进行数据库中的数据操作. 对象关系映射 把面向对象中的类和数据库表--对应,通过操作类和对象,对数表实现数据操作,不需要写sql,由ORM框架生成 django实现了ORM框架,在项目中与数据库之间产生桥梁作用 django数据库定义模型的步骤如下: python manage.py makemigrations python mange.py migrate 在应用models.py中编写模型类,继承models.Model类 在模

  • 如何在.NET Core中为gRPC服务设计消息文件（Proto）

    如何在.NET Core中为gRPC服务设计消息 使用协议缓冲区规范定义gRPC服务非常容易,但从需求转换为.NET Core,然后管理服务的演变时,需要注意几件事. 创建gRPC服务的核心是.proto文件,该文件以与语言无关的格式描述了该服务.使用.proto文件,Visual Studio可以为您的服务生成基类(您只需编写特定于业务的代码),或者可以生成用于可靠访问服务的客户端类. .proto文件必须符合Google的协议缓冲区规范(通常称为ProtoBuf).原始文件的内容使您可以指定

  • 详解Java分布式系统中一致性哈希算法

    详解Java分布式系统中一致性哈希算法

    业务场景 近年来B2C.O2O等商业概念的提出和移动端的发展,使得分布式系统流行了起来.分布式系统相对于单系统,解决了流量大.系统高可用和高容错等问题.功能强大也意味着实现起来需要更多技术的支持.例如系统访问层的负载均衡,缓存层的多实例主从复制备份,数据层的分库分表等. 我们以负载均衡为例,常见的负载均衡方法有很多,但是它们的优缺点也都很明显: 随机访问策略.系统随机访问,缺点:可能造成服务器负载压力不均衡,俗话讲就是撑的撑死,饿的饿死. 轮询策略.请求均匀分配,如果服务器有性能差异,则无法实现

  • 详解分布式系统中如何用python实现Paxos

    一致性算法背景 1.Paxos一致性算法解决的问题:分布式系统中数据不能存在单个节点(主机)上,否则可能出现单点故障:多个节点(主机)需要保证具有相同的数据. 2.什么是一致性:一致性就是数据保持一致,在分布式系统中,可以理解为多个节点中数据的值是一致的. 3.一致性模型分类:一般分为强一致性和弱一致性,强一致性保证系统改变提交以后立即改变集群的状态.常见模型包括:Paxos,Raft(muti-paxos),ZAB(muti-paxos): 弱一致性也叫最终一致性,系统不保证改变提交以后立即改

  • 详解Java分布式系统中session一致性问题

    详解Java分布式系统中session一致性问题

    业务场景 在单机系统中,用户登陆之后,服务端会保存用户的会话信息,只要用户不退出重新登陆,在一段时间内用户可以一直访问该网站,无需重复登陆.用户的信息存在服务端的 session 中,session中可以存放服务端需要的一些用户信息,例如用户ID,所属公司companyId,所属部门deptId等等. 但是随着业务的发展,技术架构需要调整,原来的单机系统逐渐被更换,架构由单机扩展到分布式,甚至当下流行的微服务.虽然在用户端看来系统仍然是一个整体,但在技术端来说业务则被拆分成多个模块,各个模块之间

  • Java多条件判断场景中规则执行器的设计

    Java多条件判断场景中规则执行器的设计

    业务场景 近日在公司领到一个小需求,需要对之前已有的试用用户申请规则进行拓展.我们的场景大概如下所示: if (是否海外用户) { return false; } if (刷单用户) { return false; } if (未付费用户 && 不再服务时段) { return false } if (转介绍用户 || 付费用户 || 内推用户) { return true; } 按照上述的条件我们可以得出的结论是: 咱们的的主要流程主要是基于 and 或者 or 的关系. 如果有一个不匹

  • Open-Feign整合hystrix降级熔断实战记录

    Open-Feign整合hystrix降级熔断实战记录

    目录 一.服务端 1.配置文件 2.控制层 二.客户端 1.依赖 2.配置文件 3.启动类 4.在控制层当中调用 5.创建一个类实现服务FeignClient接口 6.在服务FeignClient接口上配置FallBack实现类 三.测试 1.场景一服务正常调用 2.场景二当被调服务停止运行时 3.场景三当调取服务超时时 4.其他 一.服务端 1.配置文件 application.yml server: port: 9000 spring: application: name: my-test2

随机推荐