Spring Cloud 源码学习之 Hystrix 熔断器
Spring Cloud 源码学习之 Hystrix 熔断器
文中源码基于 Spring Cloud Finchley.SR1、Spring Boot 2.0.6.RELEASE.
本文学习了Hystrix熔断器的原理、配置和源码，包含滑动窗口、状态变化等。
简介
circuit-breaker： circuit表示电路，大家译为熔断器非常精准。
回想起小时候，家里保险丝突然被烧断，需 手工更换一根新的保险丝；后来，保险丝被取代，电流过大时会跳闸，闸拉上去后立马恢复供电；等到上大学时，只要打开功率高一点的电吹风，砰的一声就断电，但过10分钟就自动来电。在电流过大时，通过熔断机制以保护电路和家电。
Hystrix 属于上面的第三种，一种自动恢复的智能熔断器，区别在于它保护的是系统，且判断 “电流过大” 的方式是：不断收集请求指标信息(sucess、failure、timeout、rejection)，当达到设定熔断条件时(默认是请求失败率达到50%)进行熔断。
在 Spring Cloud 源码学习之 Hystrix Metrics 收集 一文中，学习了 Metrics 收集，这是上文的图。
Hystrix Command 执行过程中，各种情况都以事件形式发出，再封装成特定的数据结构，最后汇入到事件流中(HystrixEventStream)。事件流提供了 observe() 方法，摇身一变，事件流把自己变成了一个数据源(各小溪汇入成河，消费者从河里取水)，其他消费者可以从这里获取数据，而 circuit-breaker 就是消费者之一。
原理
在统计中，会使用一定数量的样本，并将样本进行分组，最后进行统计分析。
Hystrix 有点类似，例如：以秒为单位来统计请求的处理情况(成功请求数量、失败请求数、超时请求数、被拒绝的请求数)，然后每次取最近10秒的数据来进行计算，如果失败率超过50%，就进行熔断，不再处理任何请求。
这是Hystrix官网的一张图：
它演示了 Hystrix 滑动窗口 策略，假定以秒为单位来统计请求处理情况，上面每个格子代表1秒，格子中的数据就是1秒内各处理结果的请求数量，格子称为 Bucket(译为桶)。
若每次的决策都以10个Bucket的数据为依据，计算10个Bucket的请求处理情况，当失败率超过50%时就熔断。10个Bucket就是10秒，这个10秒就是一个 滑动窗口(Rolling window)。
为什么叫滑动窗口？因为在没有熔断时，每当收集好一个新的Bucket后，就会丢弃掉最旧的一个Bucket。上图中的深色的(23 5 2 0)就是被丢弃的桶，这和拿着放大镜从左到右看书有点类似，视野永远是放大镜那一部分。
下面是官方完整的流程图，策略是：不断收集数据，达到条件就熔断；熔断后拒绝所有请求一段时间(sleepWindow)；然后放一个请求过去，如果请求成功，则关闭熔断器，否则继续打开熔断器。
相关配置
默认配置都在HystrixCommandProperties类中。
先看两个metrics收集的配置。
- metrics.rollingStats.timeInMilliseconds
表示滑动窗口的时间(the duration of the statistical rolling window)，默认10000(10s)，也是熔断器计算的基本单位。
- metrics.rollingStats.numBuckets
滑动窗口的Bucket数量(the number of buckets the rolling statistical window is divided into)，默认10. 通过timeInMilliseconds和numBuckets可以计算出每个Bucket的时长。
metrics.rollingStats.timeInMilliseconds % metrics.rollingStats.numBuckets 必须等于 0，否则将抛异常。
再看看熔断器的配置。
- circuitBreaker.requestVolumeThreshold
滑动窗口触发熔断的最小请求数。如果值是20，但滑动窗口的时间内请求数只有19，那即使19个请求全部失败，也不会熔断，必须达到这个值才行，否则样本太少，没有意义。
- circuitBreaker.sleepWindowInMilliseconds
这个和熔断器自动恢复有关，为了检测后端服务是否恢复，可以放一个请求过去试探一下。sleepWindow指的发生熔断后，必须隔sleepWindow这么长的时间，才能放请求过去试探下服务是否恢复。默认是5s
- circuitBreaker.errorThresholdPercentage
错误率阈值，表示达到熔断的条件。比如默认的50%，当一个滑动窗口内，失败率达到50%时就会触发熔断。
源码学习
HystrixCircuitBreaker的创建
circuitBreaker是AbstractCommand的成员变量，AbstractCommand是HystrixCommand和HystrixObservableCommand的父类，因此每个command都有个circuitBreaker属性。
abstract class AbstractCommand<R> implements HystrixInvokableInfo<R>, HystrixObservable<R> { protected final HystrixCircuitBreaker circuitBreaker;}在AbstractCommand构造器中初始化circuitBreaker。
private static HystrixCircuitBreaker initCircuitBreaker(boolean enabled, HystrixCircuitBreaker fromConstructor, HystrixCommandKey commandKey...) { // 如果启用了熔断器 if (enabled) { // 若commandKey没有对应的CircuitBreaker,则创建 if (fromConstructor == null) { return HystrixCircuitBreaker.Factory.getInstance(commandKey, groupKey, properties, metrics); } else { // 如果有则返回现有的 return fromConstructor; } } else { return new NoOpCircuitBreaker(); }}再看看 HystrixCircuitBreaker.Factory.getInstance(commandKey, groupKey, properties, metrics) 如何创建circuit-breakder？
circuitBreaker以commandKey为维度，每个commandKey都会有对应的circuitBreaker。
public static HystrixCircuitBreaker getInstance(HystrixCommandKey key, HystrixCommandGroupKey group, HystrixCommandProperties properties, HystrixCommandMetrics metrics) { // 如果有则返回现有的, key.name()即command的name作为检索条件 HystrixCircuitBreaker previouslyCached = circuitBreakersByCommand.get(key.name()); if (previouslyCached != null) { return previouslyCached; } // 如果没有则创建并cache HystrixCircuitBreaker cbForCommand = circuitBreakersByCommand.putIfAbsent(key.name(), new HystrixCircuitBreakerImpl(key, group, properties, metrics)); if (cbForCommand == null) { return circuitBreakersByCommand.get(key.name()); } else { return cbForCommand; }}如何订阅HystrixEventStream
本文最前面说到，HystrixEventStream提供了结构化的数据，提供了一个Observable对象，Hystrix只需要订阅它即可。
这HystrixCircuitBreaker接口实现类的构造器：
protected HystrixCircuitBreakerImpl(HystrixCommandKey key, HystrixCommandGroupKey commandGroup, final HystrixCommandProperties properties, HystrixCommandMetrics metrics) { this.properties = properties; // 这是Command中的metrics对象,metrics对象也是commandKey维度的 this.metrics = metrics; // !!!重点:订阅事件流 Subscription s = subscribeToStream(); activeSubscription.set(s);}// 订阅事件流, 前面打的比方: 小溪汇成的河, 各事件以结构化数据汇入了Stream中private Subscription subscribeToStream() { // HealthCountsStream是重点，下面会分析 return metrics.getHealthCountsStream() .observe() // 利用数据统计的结果HealthCounts, 实现熔断器 .subscribe(new Subscriber<HealthCounts>() { @Override public void onCompleted() {} @Override public void onError(Throwable e) {} @Override public void onNext(HealthCounts hc) { // 检查是否达到最小请求数,默认20个; 未达到的话即使请求全部失败也不会熔断 if (hc.getTotalRequests() < properties.circuitBreakerRequestVolumeThreshold().get()) { // 啥也不做 } else { // 错误百分比未达到设定的阀值 if (hc.getErrorPercentage() < properties.circuitBreakerErrorThresholdPercentage().get()) { } else { // 错误率过高, 进行熔断 if (status.compareAndSet(Status.CLOSED, Status.OPEN)) { circuitOpened.set(System.currentTimeMillis()); } } } } });}HealthCounts 属性如下，表示一个滑动窗口内的统计数据。
public static class HealthCounts { // rolling window 中请求总数量 private final long totalCount; // 错误请求数(failure + success + timeout + threadPoolRejected + semaphoreRejected) private final long errorCount; // 错误率 private final int errorPercentage;}滑动窗口的实现
跟进下 metrics.getHealthCountsStream().observe()，那熔断器是如何进行数据统计的？
首先看下HystrixCommandMetrics的构造器，会初始化healthCountsStream这个健康统计数据流。
private HealthCountsStream healthCountsStream;HystrixCommandMetrics(final HystrixCommandKey key, ...) { // 又是以key为维度 healthCountsStream = HealthCountsStream.getInstance(key, properties);}对于HealthCountsStream的部分注释如下，翻译过来不够准确，简单中英对照下：
Maintains a stream of rolling health counts for a given Command.它是一份流数据, 承载了指定Command的健康统计数据There is a rolling window abstraction on this stream.基于这个stream, 抽象出了滑动窗口The HealthCounts object is calculated over a window of t1 milliseconds. This window has b buckets.HealthCounts的数据是根据一个t1毫秒的滑动窗口计算得来,这个窗口有b个BucketsTherefore, a new HealthCounts object is produced every t2 (=t1/b) milliseconds因此, 每 t2 (=t1/b)毫秒就会产生一个HealthCounts作为统计结果HealthCountsStream.getInstance如下：
public static HealthCountsStream getInstance(HystrixCommandKey commandKey, HystrixCommandProperties properties) { // 每个Bucket的时间长度 final int healthCountBucketSizeInMs = properties.metricsHealthSnapshotIntervalInMilliseconds().get(); // 滑动窗口的时间/每个Bucket的时间长度=滑动窗口内Bucket的数量 final int numHealthCountBuckets = properties.metricsRollingStatisticalWindowInMilliseconds().get() / healthCountBucketSizeInMs; return getInstance(commandKey, numHealthCountBuckets, healthCountBucketSizeInMs);}// 以Key为维度,每个Key有自己唯一的一个HealthCountsStreampublic static HealthCountsStream getInstance(HystrixCommandKey commandKey, int numBuckets, int bucketSizeInMs) { HealthCountsStream initialStream = streams.get(commandKey.name()); if (initialStream != null) { return initialStream; } else { final HealthCountsStream healthStream; synchronized (HealthCountsStream.class) { HealthCountsStream existingStream = streams.get(commandKey.name()); if (existingStream == null) { // appendEventToBucket是一个Func2,负责将Hystrix各个事件转换成一个Bucket HealthCountsStream newStream = new HealthCountsStream(commandKey, numBuckets, bucketSizeInMs, HystrixCommandMetrics.appendEventToBucket); streams.putIfAbsent(commandKey.name(), newStream); healthStream = newStream; } else { healthStream = existingStream; } } healthStream.startCachingStreamValuesIfUnstarted(); return healthStream; }}HealthCountsStream有两个父类，HealthCountsStream extends BucketedRollingCounterStream extendsBucketedCounterStream，利用父类将stream的基础数据汇总成Bucket，再汇总成rolling window，最后得到统计结果HealthClounts.
下面按顺序看一下它和父类的调用情况：
首先是 BucketedCounterStream：
public abstract class BucketedCounterStream<Event extends HystrixEvent, Bucket, Output> { ... protected BucketedCounterStream(final HystrixEventStream<Event> inputEventStream, final int numBuckets, final int bucketSizeInMs, final Func2<Bucket, Event, Bucket> appendRawEventToBucket) { this.numBuckets = numBuckets; // 将Hystrix事件汇总成Bucket的处理者, 是一个Func1 this.reduceBucketToSummary = new Func1<Observable<Event>, Observable<Bucket>>() { // 传入Event类型的数据源,汇总成Bucket类型的数据 @Override public Observable<Bucket> call(Observable<Event> eventBucket) { ... } }; ... this.bucketedStream = Observable.defer(new Func0<Observable<Bucket>>() { @Override public Observable<Bucket> call() { // inputEventStream 就是一直提到的HystrixEventStream, 通过observe()来获取数据源 return inputEventStream .observe() // 利用窗口函数,收集一个Bucket时间内的数据 .window(bucketSizeInMs, TimeUnit.MILLISECONDS) // 将数据汇总成一个Bucket .flatMap(reduceBucketToSummary) .startWith(emptyEventCountsToStart); } }); }}通过BucketedCounterStream，将数据汇总成了以Bucket为单位的stream. 然后，BucketedRollingCounterStream基于Bucket的stream，继续实现滑动窗口逻辑。
protected BucketedRollingCounterStream(HystrixEventStream<Event> stream, final int numBuckets, int bucketSizeInMs, final Func2<Bucket, Event, Bucket> appendRawEventToBucket, final Func2<Output, Bucket, Output> reduceBucket) { super(stream, numBuckets, bucketSizeInMs, appendRawEventToBucket); // Bucket汇总处理者 Func1<Observable<Bucket>, Observable<Output>> reduceWindowToSummary = new Func1<Observable<Bucket>, Observable<Output>>() { @Override public Observable<Output> call(Observable<Bucket> window) { return window.scan(getEmptyOutputValue(), reduceBucket).skip(numBuckets); } }; // 基于父类BucketedCounterStream已经汇总的bucketedStream this.sourceStream = bucketedStream // 将N个Bucket进行汇总 .window(numBuckets, 1) // 汇总成一个窗口 .flatMap(reduceWindowToSummary) ... .share() .onBackpressureDrop();}现在再回到熔断器的逻辑：
private Subscription subscribeToStream() { return metrics.getHealthCountsStream() .observe() .subscribe(new Subscriber<HealthCounts>() { ... }metrics.getHealthCountsStream()拿到的是一个已经汇总成以 “rollingWindow” 为单位的统计数据，observe() 实际拿到的是BucketedRollingCounterStream的sourceStream。如下：
public abstract class BucketedRollingCounterStream<...> { private Observable<Output> sourceStream; protected BucketedRollingCounterStream(...) // sourceStream 已经是rollingWindow级别的统计数据 this.sourceStream = bucketedStream .window(numBuckets, 1) .flatMap(reduceWindowToSummary)... } @Override public Observable<Output> observe() { return sourceStream; }}熔断器就是利用最终的统计结果HealthCounts来判断是否进行熔断。
熔断器状态变化
熔断器有三种状态，如下：
enum Status { CLOSED, OPEN, HALF_OPEN;}在Command的执行过程中，会调用HystrixCircuitBreaker的方法来更新状态。下面是几个重要的方法：
命令执行时，判断熔断器是否打开
Spring Cloud 源码学习之 Hystrix 工作原理 中有介绍 Hystrix 如何实现其防护机制。
// 是否允许执行public boolean attemptExecution() { // 熔断器配置了强制打开, 不允许执行命令 if (properties.circuitBreakerForceOpen().get()) { return false; } // 熔断器配置了强制关闭, 允许执行 if (properties.circuitBreakerForceClosed().get()) { return true; } // AtomicLong circuitOpened, -1是表示熔断器未打开 if (circuitOpened.get() == -1) { return true; } else { // 熔断后,会拒绝所有命令一段时间(默认5s), 称为sleepWindow if (isAfterSleepWindow()) { // 过了sleepWindow后,将熔断器设置为"HALF_OPEN",允许第一个请求过去 if (status.compareAndSet(Status.OPEN, Status.HALF_OPEN)) { return true; } else { return false; } } else { return false; } }}当Command成功执行结束时，会调用HystrixCircuitBreaker.markSuccess()来标记执行成功.
public void markSuccess() { // 如果是HALF_OPEN状态,则关闭熔断器 if (status.compareAndSet(Status.HALF_OPEN, Status.CLOSED)) { // 重新开始统计metrics,抛弃所有原先的metrics信息 metrics.resetStream(); Subscription previousSubscription = activeSubscription.get(); if (previousSubscription != null) { previousSubscription.unsubscribe(); } Subscription newSubscription = subscribeToStream(); activeSubscription.set(newSubscription); // circuitOpened设置为-1表示关闭熔断器 circuitOpened.set(-1L); }}当Command执行失败时, 如果熔断器属于HALF_OPEN状态,也就是熔断器刚过sleepWindow时间，尝试放一个请求过去，结果又失败了，于是马上打开熔断器，继续拒绝sleepWindow的时间。
public void markNonSuccess() { if (status.compareAndSet(Status.HALF_OPEN, Status.OPEN)) { circuitOpened.set(System.currentTimeMillis()); }}这是调用markNonSuccess()的地方，handleFallback是所有失败情况的处理者.
final Func1<Throwable, Observable<R>> handleFallback = new Func1<Throwable, Observable<R>>() { @Override public Observable<R> call(Throwable t) { circuitBreaker.markNonSuccess(); Exception e = getExceptionFromThrowable(t); executionResult = executionResult.setExecutionException(e); // 线程池拒绝 if (e instanceof RejectedExecutionException) { return handleThreadPoolRejectionViaFallback(e); // 超时 } else if (t instanceof HystrixTimeoutException) { return handleTimeoutViaFallback(); // Bad Request } else if (t instanceof HystrixBadRequestException) { return handleBadRequestByEmittingError(e); } else { if (e instanceof HystrixBadRequestException) { eventNotifier.markEvent(HystrixEventType.BAD_REQUEST, commandKey); return Observable.error(e); } return handleFailureViaFallback(e); } }};小结
断断续续写了好几天才写完，写作不易。Circuit-Breaker的设计、实现都很有意思：
- 滴水成河，收集每个命令的执行情况，汇总后通过滑动窗口，不断动态计算最新统计数据，基于统计数据来开启熔断器
- 巧妙的利用RxJava的window()函数来汇总数据，先汇总为Bucket， N Bucket组成Rolling Window
- 使用sleepWindow + 尝试机制，自动恢复 “供电”