[分布式服务]海量互联网服务设计之降级设计

上周在 [分布式服务]海量互联网服务设计的有损价值观 这篇文章中提到，与金融行业服务要求的强一致性不同，海量互联网服务要求的是能够扛住更高的qps,服务降级研究的问题是在服务器资源有限的情况下，如何提供更大的访问量，并保证系统稳定运行。

最近我搬了个房子，房东还没来得及上面装宽带，所以在家里我是用手机热点上网的。热点网速有限，看视频的时候，为了视频流程的播放，我将视频从蓝光调整到270P，虽然视频清晰度很低，但是可以流畅播放，也基本满足的需求。这就是降级。与此类似，我们的系统在应对一些突发情况的时候，也需要这样的降级。

为此必须放弃掉某些东西，比如：

• 数据的一致性，无需绝对的一致性，而保障最终一致即可；
• 系统功能的降级，例如把一些不重要的功能，或是非关键路径的功能暂时关闭；
• 用户体验降级，分多种方案给用户不同的体验

降级一致性

缓存的使用

在数据库之上，添加一层缓存是降低一致性的一种做法。

缓存的访问速度、包括可承载的访问qps都要远远高于数据库。用户请求到达时优先访问缓存，如果缓存命中，则直接返回缓存中的数据。如果缓存为空，则查询数据库，并且进行缓存的更新。使用缓存要注意的问题是：

• 缓存的更新机制，是失效过期被动更新，还是主动refresh，策略如何选择；
• 缓存过期时间。缓存最长可以保存多长的时间？
• 热点问题，例如“商品库存”这个值，在每次查询商品列表的时候都会进行查询，很容易就会成为热点key。热点key会造成redis集群的流量倾斜。解决热点key，可以将缓存key进行hash打散。或是在缓存之上再构建一层本地内存cache，例如使用Guava cache来做本地缓存。
• 缓存击穿问题，当数据在数据库中不存在时，如何避免用户的请求每次都穿过缓存打到数据库上。
• 添加缓存开关，当缓存的数据有问题时，有没有手段快速让缓存失效 或是 临时关闭缓存。
• ...

除了在数据库之上添加缓存之外，对下游的接口也可以添加缓存。

例如某个接口提供了查询数据的功能，这些数据并不会经常改变；或是业务上对数据变动的敏感度并不高，那么这时候可以牺牲一点数据变动同步的要求，在对下游接口调用上增加一层缓存。

上述的关于缓存的问题，一些缓存框架都提供了方便快捷的使用方式，例如JetCache框架。

流程异步化

通过将流程异步化，将结果延迟给用户，也能够让系统扛住更大的请求。

举个例子，在打款这样的环节中，如果所有的步骤都是同步的，那么整个流程会非常长，并且通常来说，打款接口对qps都有限制， 例如限制一个平台每秒只能有200的转账打款的qps。如果整个转账业务逻辑都是同步的，很有可能因为这些下游接口的限制（尤其是支付环节）导致流程中止，无法继续往下走。

因此，当类似的场景有高qps出现时，就可以将流程中的同步逻辑用异步来实现。例如告知用户正在打款中，到账信息请等待通知等。用户的请求可以使用消息队列先缓存起来，再根据系统的消费能力慢慢消化掉。

行为聚集化

同样是利用异步的思想，在某些特殊的场景下可以将用户的请求聚合起来进行更新。

这个思想在很多中间件中都有，例如kafka中为了减少网络带来的系统开销，可以通过batch.size这个参数来设置批量提交的数据大小，当积压的消息达到这个值的时候就会统一发送。

也可以将这种思维使用在业务上。例如像一款在线种菜的游戏，用户有多块土地可以种植作物，作物统一收成为积分。一般用户在收获的时候会点击多块土地同时进行收获，用户积分账户属于重要数据，可以每次收获时都进行累计。但是其他关注用户累计积分的非关键分支，则可以进行聚合后再统一累计。例如下游有一个任务服务，专门负责收集用户的收集积分行为，让用户达成某个成就完成任务，这个服务也关心用户积分的累计行为。这种情况下，可以不必用户的每次行为都去调用任务服务，而是上游做聚集后统一发送。

具体做法 可以使用类似kafka延时队列的组件，在用户第一次收集积分时，上游服务便发送一个延时2秒的消息出去。上游服务本身会消费这个延时消息，消费后将延时期间的累计值再传给下游的任务服务。虽然用户的成就累计会延迟2秒，但这种聚集行为的做法，会大大降低下游服务的压力。

体验降级

简化流程

功能降级在不得已的一些情况下也可以使用，例如某个流程有非常多的校验逻辑，举个例子，还是使用上面QQ农场的例子。QQ农场用户是可以互相偷菜的，偷菜的时候是否要去校验偷取与被偷取用户之间是否是好友关系。当好友关系校验服务成为一个瓶颈时，能否将好友关系校验去掉？而为了避免这样做带来的风险，可以同时启用一个限制，就是限制在降级的期间，每个用户仅能偷取其他用户1次，避免有黑产用户不断偷取其他用户的菜。

分级体验

当流量过大时，甚至可以只保留种、偷、收的基本功能，其他的模块暂时屏蔽掉入口，例如成就系统、任务系统等暂时下线。又如电商系统，在拉取商品列表的时候，将商品推荐模块移除掉，商品推荐属于锦上添花的东西，去掉了也不影响用户的正常使用。又如在拉取评论列表时，可以只拉取用户的首次评论，追评信息不再拉取，等等。

在类似相册这种场景下，可以将体验细分为正常访问图片、不预拉取图片、用中图代替大图、用默认图代替大图、只允许访问小图或封面、不允许访问相册等多个层级，根据不同的资源状况和场景为不同的用户提供差异化服务。依据不同的服务压力切换到不同的用户体验级别上。

降级服务要点

首先要明确的是降级达到的目的是什么，有些降级是降低对下游的压力，有些降级是降低读压力，有些则是降低写压力。例如上文提到的加缓存是降低读压力，行为聚集、异步是降低写压力。不同的降级方案所针对的场景应该要明确。

第二是进行业务上的梳理，哪些是必须有的基本功能，例如农场的种菜；哪些是锦上添花的功能，例如商品详情页的“好物推荐”；哪些是可以牺牲的体验，例如相册的多个体验分级，这些简化达到的目的都需要梳理出来。

降级的时间段，有些系统存在流量尖刺的情况，例如商品兑换系统，0点可能是更新库存的时候，用户来兑换商品的请求会形成一个流量高峰。又例如QQ相册，可能在晚上20:00 - 21:00是用户浏览的一个高峰时间段。在不同的时间段，可以选择不同的降级方案。

降级也要注意和前端的配合，例如商品抢购列表 高峰时间段降级，不展示具体的剩余数量，只展示“商品抢购中”的文案，需要前端配合一起做降级。

降级可以做到自动化、半自动化、或完全的手动。应该预留手动调整的能力，避免系统会误判，紧急情况下可以人工介入操作。因为降级的功能不总是会真正进行，所以方案都要事先预演好。