关于并发的一些设计

Posted 2020-12-17 wei57960

前言

为何需要并发知识？并发是指在客户端请求大，

并发的架构及落地需与业务相结合，业务下是读多还是写多。写多的情况下，是个人写多(锁的粒度小)，还是公共写多(锁的粒度大)。淘宝的双11、春运时的抢票、微博大V的热点新闻，秒杀业务等。

那么并发大是指多大并发呢？百万千万的数据、并发对应什么样的架构呢。我们使用的中间件，服务器 Web容器 可以接受多少的请求，多少的并发？你对数据化的指标有没有概念。

高并发设计同样要秉承架构设计的3个原则：简单、合适和演进。“过早的优化是万恶之源”，不能脱离业务的实际情况，更不要过度设计，合适的方案就是最完美的。

1. 高并发设计目标

1.1 宏观目标

并发不仅仅是性能的优化，能够抗住并发量就完事了。高并发系统设计的目标有三个：高性能、高可用，以及高可扩展。

1. 高性能：性能体现了系统的并行处理能力，在有限的硬件投入下，提高性能意味着节省成本。同时，性能也反映了用户体验，响应时间分别是100毫秒和1秒，给用户的感受是完全不同的。
2. 表示系统可以正常服务的时间。一个全年不停机、无故障；另一个隔三差五出线上事故、宕机，用户肯定选择前者。另外，如果系统只能做到90%可用，也会大大拖累业务。
3. 表示系统的扩展能力，流量高峰时能否在短时间内完成扩容，更平稳地承接峰值流量，比如双11活动、明星离婚等热点事件。

这3个目标是需要通盘考虑的，因为它们互相关联、甚至也会相互影响。比如将服务设计成无状态的，这样集群设计保证了高拓展性，那么间接也提升了高可用和高性能。

再比如说：为了保证可用性，通常会对服务接口进行超时设置，以防大量线程阻塞在慢请求上造成系统雪崩，那超时时间设置成多少合理呢？一般，我们会参考依赖服务的性能表现进行设置。

1.2 微观目标

宏观目标种的评判依据有哪些？具体有哪些？怎样评判和测试系统达到这三项标准。

1.2.1 高性能

1. 平均响应时间

取一段时间内系统接口的响应时间的平均值

缺点: 对于慢请求不是很敏感

比如1万次请求，其中9900次是1ms，100次是100ms，则平均响应时间为1.99ms，虽然平均耗时仅增加了0.99ms，但是1%请求的响应时间已经增加了100倍。

2. TP90，TP99等分位置

将响应时间按时间从小到大排序，TP90为第90%位置的响应时间。数值越大对慢请求越敏感比如第99%位置。

3. 吞吐量

和响应时间成反比，响应时间越低吞吐量越高。如果响应时间为1ms则吞吐量为每秒1000次。

通常设定吞吐量目标时会兼顾平均响应时间和TP。比如每秒一万次请求下，AVG在50ms一下，TP99控制在100ms以下。对于高并发系统，AVG和TP分位值必须同时要考虑。

从用户体验的角度来看，200ms被认为是一个分界点，以下的话用户感受不到卡顿。1秒是第二个分界点，用户能感受到延迟但是能接受。

对于一个健康的高并发系统，TP99应该控制在200毫秒以内，TP999控制在1秒以内。

1.2.2 高可用

高可用性指系统具有较高的无故障运行能力，可用性 = 平均故障时间/系统总运行时间。一般用几个9来描述系统的可用性。

对于高可用这块，基本要求是保障3个9 或4个9。原因很简单，如果你只能做到2个9，意味着有1%的故障时间，像一些大公司每年动辄千亿以上的GMV或者收入，1%就是10亿级别的业务影响。

1.2.3 高拓展

高拓展指面对突发情况，不能临时改造项目架构，最快的方式是通过加机器的方式来线性提高系统的处理能力。

对于业务集群或者基础组件来说，扩展性 = 性能提升比例 / 机器增加比例，理想的扩展能力是：资源增加几倍，性能提升几倍。通常来说，扩展能力要维持在70%以上。

但是从高并发系统的整体架构角度来看，扩展的目标不仅仅是把服务设计成无状态就行了，因为当流量增加10倍，业务服务可以快速扩容10倍，但是数据库可能就成为了新的瓶颈。

像mysql这种有状态的存储服务通常是扩展的技术难点，如果架构上没提前做好规划（垂直和水平拆分），就会涉及到大量数据的迁移。

因此高拓展不仅需要考虑应用的拓展(服务集群)，还有考虑数据库，缓存，消息队列，第三方服务，负载均衡，带宽。当并发达到一个量的时候，上面每个因素都可能成为系统拓展的瓶颈。

2. 高并发的实现方案有哪些

关于宏观目标和微观目标我们如何实现，以及在不同的业务场景下是怎么取舍的。主要分为通用的方法以及从高性能，高可用，高拓展上分别的说一下。

2.1 通用的拓展方法

通用的方法主要从横向和纵向两个维度。

2.1.1 纵向拓展

提供单机的的处理能力，包括提升单个软件的运行效率，比如jvm调优，mysql调优。让单个软件发挥更大的性能。还有就是提升硬件的运行效率，加硬件的配置，比如cpu 缓存 带宽等。

1. 提升单机的硬件性能：通过增加内存、CPU核数、存储容量、或者将磁盘升级成SSD等堆硬件的方式来提升。
2. 提升单机的软件性能：使用缓存减少IO次数，使用并发或者异步的方式增加吞吐量。

2.1.2 横向拓展

纵向的拓展总是有瓶颈的，单个服务 数据库，机器处理能力都是有上限的，不管你怎么优化。横向上我们通过集群的方式来增加服务的并发处理能力。横向包括以下两个方面。

1. 做好分层架构：这是横向扩展的提前，因为高并发系统往往业务复杂，通过分层处理可以简化复杂问题，更容易做到横向扩展。

上面这种图是互联网最常见的分层架构，当然真实的高并发系统架构会在此基础上进一步完善。比如会做动静分离并引入CDN，反向代理层可以是LVS+nginx，Web层可以是统一的API网关，业务服务层可进一步按垂直业务做微服务化，存储层可以是各种异构数据库。

2. 各层进行水平扩展：无状态水平扩容，有状态做分片路由。业务集群通常能设计成无状态的，而数据库和缓存往往是有状态的，因此需要设计分区键做好存储分片，当然也可以通过主从同步、读写分离的方案提升读性能。

2.2 具体的解决方案

2.2.1 高性能

1、集群部署，通过负载均衡减轻单机压力。

2、多级缓存，包括静态数据使用CDN、本地缓存、分布式缓存等，以及对缓存场景中的热点key、缓存穿透、缓存并发、数据一致性等问题的处理。

3、分库分表和索引优化，以及借助搜索引擎解决复杂查询问题。

4、考虑NoSQL数据库的使用，比如HBase、TiDB(NewSql 结合了rdbms和nosql的优点)等，但是团队必须熟悉这些组件，且有较强的运维能力。

5、异步化，将次要流程通过多线程、MQ、甚至延时任务进行异步处理。

6、限流，需要先考虑业务是否允许限流（比如秒杀场景是允许的），包括前端限流、Nginx接入层的限流、服务端的限流。

7、对流量进行削峰填谷，通过MQ承接流量。

8、并发处理，通过多线程将串行逻辑并行化。

9、预计算，比如抢红包场景，可以提前计算好红包金额缓存起来，发红包时直接使用即可。

10、缓存预热，通过异步任务提前预热数据到本地缓存或者分布式缓存中。

11、减少IO次数，比如数据库和缓存的批量读写、RPC的批量接口支持、或者通过冗余数据的方式干掉RPC调用。

12、减少IO时的数据包大小，包括采用轻量级的通信协议、合适的数据结构、去掉接口中的多余字段、减少缓存key的大小、压缩缓存value等。

13、程序逻辑优化，比如将大概率阻断执行流程的判断逻辑前置、For循环的计算逻辑优化，或者采用更高效的算法。

14、各种池化技术的使用和池大小的设置，包括HTTP请求池、线程池（考虑CPU密集型还是IO密集型设置核心参数）、数据库和Redis连接池等。

15、JVM优化，包括新生代和老年代的大小、GC算法的选择等，尽可能减少GC频率和耗时。

16、锁选择，读多写少的场景用乐观锁，或者考虑通过分段锁的方式减少锁冲突。

上述方案无外乎从计算和 IO 两个维度考虑所有可能的优化点，需要有配套的监控系统实时了解当前的性能表现，并支撑你进行性能瓶颈分析，然后再遵循二八原则，抓主要矛盾进行优化。

2.2.2 高可用

1、对等节点的故障转移，Nginx和服务治理框架均支持一个节点失败后访问另一个节点。

2、非对等节点的故障转移，通过心跳检测并实施主备切换（比如redis的哨兵模式或者集群模式、MySQL的主从切换等）。

3、接口层面的超时设置、重试策略和幂等设计。

4、降级处理：保证核心服务，牺牲非核心服务，必要时进行熔断；或者核心链路出问题时，有备选链路。

5、限流处理：对超过系统处理能力的请求直接拒绝或者返回错误码。

6、MQ场景的消息可靠性保证，包括producer端的重试机制、broker侧的持久化、consumer端的ack机制等。

7、灰度发布，能支持按机器维度进行小流量部署，观察系统日志和业务指标，等运行平稳后再推全量。

8、监控报警：全方位的监控体系，包括最基础的CPU、内存、磁盘、网络的监控，以及Web服务器、JVM、数据库、各类中间件的监控和业务指标的监控。

9、灾备演练：类似当前的“混沌工程”，对系统进行一些破坏性手段，观察局部故障是否会引起可用性问题。

高可用的方案主要从冗余、取舍、系统运维3个方向考虑，同时需要有配套的值班机制和故障处理流程，当出现线上问题时，可及时跟进处理。

2.2.3 高拓展

1、合理的分层架构：比如上面谈到的互联网最常见的分层架构，另外还能进一步按照数据访问层、业务逻辑层对微服务做更细粒度的分层（但是需要评估性能，会存在网络多一跳的情况）。

2、存储层的拆分：按照业务维度做垂直拆分、按照数据特征维度进一步做水平拆分（分库分表）。

3、业务层的拆分：最常见的是按照业务维度拆（比如电商场景的商品服务、订单服务等），也可以按照核心接口和非核心接口拆，还可以按照请求源拆（比如To C和To B，APP和H5）。

references

• https://mp.weixin.qq.com/s/lc0a8eIRL94gqeb9R1kQzg