Facebook 做为全球少有的几大互联网巨头,发生点故障就能引起巨大的波澜。Facebook 全球十几亿用户,一时间大家上不了 Facebook。除此之外,Facebook 的 Instagram、WhatsApp 等热门应用也同时发生故障。
这就是一个典型的故障雪崩效应。一个系统故障,发生雪崩,蔓延至其他系统。这也说明了,Facebook 的熔断机制,断路器,短路保护机制做的不够好!
系统崩了之后,各大用户疯狂的上 Twitter 进行吐槽。并且 Facebook 自己也在 Twitter 上发布消息承认了此次服务中断,该公司称:“我们知道,目前有些人在访问 Facebook 旗下各个应用程序时遇到了困难。我们正在努力尽快解决这个问题。“
并且 Facebook 证实,这个问题不是 DDoS 攻击带来的结果。DDoS 攻击即“分布式拒绝服务攻击”,是指黑客通过向一个站点输送大量虚假流量来发动攻击。
有网站统计了 Facebook 的问题的报告,多达 1.1 万多份。用户报告的问题,呈现各种各样的,从根本无法加载网站到无法发布评论等。
也有广告主吐槽,准备好的广告,也无法展现。广告主工具同样也遭遇了故障,有些广告主们试图投放“黑色星期五”(Black Friday)和“网络星期一”(Cyber Monday)广告。但是,这些广告都不能进行展现和营销了。
为此,有人预估了,Facebook 的这次故障,损失至少上亿美金。
参考其他互联网的故障损失,谷歌 2013 年故障 5 分钟损失 55 万美元,并且全球流量下跌!另外 2018 年 Prime Day 故障让亚马逊损失 $9900 万。2015 年 App Store 等服务故障导致苹果损失 2640 万美元。
微服务转型,雪崩效应是绕不过的一道坎。Hystrix 的隔离和熔断,线程池隔离和信号量隔离建议大家多学习学习!Facebook 这是多么疼的代价。
线程隔离技术,也称是线程池隔离技术。最著名的使用者算 Hystrix 了。Hystrix 提供了两种隔离策略,分布式:线程隔离和信号量隔离。Hystrix 默认的隔离技术就是线程池隔离,因为隔离技术有一个除网络超时以外的额外保护层。
之所以,信号量隔离 SEMAPHORE 不是 Hystrix 的首选(默认隔离)的原因是,信号量隔离一般仅适用于非网络调用的隔离。比如,操作内存等。而对于跨网络的,调用负载非常高的(例如每个实例每秒调用数百次)才需要使用信号量隔离,因为这种场景下使用 THREAD 开销会比较高。
所谓的线程隔离主要有线程池隔离,在实际使用时我们会把请求分类,然后交给不同的线程池处理,当一种业务的请求处理发生问题时,不会将故障扩散到其他线程池,从而保证其他服务可用。
打个比方,在我们的电商系统中,假设现在有 3 个业务调用分别是查询订单、查询商品、查询用户,且这三个业务请求都是依赖第三方服务-订单服务、商品服务、用户服务。三个服务都需要跨网络请求调用,可以是 RPC 调用,也可以是 Rest 的 HTTP 调用。当查询订单服务出现故障时,假如线程阻塞了,这个时候后续有大量的查询订单请求过来,那么容器中的线程数量则会持续增加直致 CPU 资源耗尽到 100%,整个服务对外不可用,集群环境下就是雪崩。
如果这个故障进行隔离,那么最终回导致当前业务提供的服务也不可以使用。
如果通过线程隔离,那么就可以避免这种情况。通过设置线程池大小来控制并发访问量,当线程饱和的时候可以拒绝服务,防止依赖问题扩散。
对于电商系统来说,如果不做隔离,对于整个系统来说简直就是灾难。故障一秒,损失的就是钱啊。
对于 Hystrix 来说,用它来做服务隔离,是在简单不过了。看下面的代码:
线程隔离的优点:
线程隔离的缺点:
尽管有了线程隔离,但是并不意味着我们的代码可以随便写。必要的规范,超时机制还是要有的。