SpringCloud应对高并发的思路

一、Eureka的高可用性

　　Eureka下面的服务实例默认每隔30秒会发送一个HTTP心跳给Eureka，来告诉Eureka服务还活着，每个服务实例每隔30秒也会通过HTTP请求向Eureka获取服务列表，这就相当于一个服务实例一分钟会与Eureka进行四次请求，当服务实例多了以后，就要考虑Eureka的压力，如果我们有1000个服务实例，一分钟就会有4000次请求，平均每秒70次请求，不过Eureka内部是通过内存建立一个HashMap来维护服务实例列表的，并且还做了读写分离，所以保证多个实例的心跳是没有问题的，要注意的是保证Eureka的高可用，生产环境中如果Eureka挂掉，相当于所有实例之间都没办法联系了，我们可以在多台机器上部署Eureka（尽量不要同时在一台机器上部署，因为出问题时，一般整个机器的资源都不能正常使用了），可以部署三个Eureka实例，然后将每个服务实例同时注册到三台Eureka上面，这样即使某个Eureka挂掉了，也不会影响整个系统的运行。

　　配置的方式也很简单，部署好多台Eureka实例后，只需要将每个服务实例分别注册到每个Eureka上面即可

eureka:
  client:
    serviceUrl:
      defaultZone: http://eureka1:/eureka/, http://eureka2:/eureka/

二、服务熔断和服务降级

　　微服务之间的调用两种情况，网关与服务之间的调用，服务与服务之间的调用，当某个服务的响应时间过长，调用链就会等待，当请求量多了，就会引起雪崩，所以就需要用到服务熔断组件hystrix，当调用超时时直接返回，并且设置服务降级策略，当发生熔断时的补救措施，比如监控告警，记录SQL日志后续进行数据恢复等

1、服务降级配置

　　当出现服务熔断时，我们需要配置服务熔断的处理策略，服务降级有两种情况，网关层面做降级和服务之间做降级

（1）网关层面降级：只需要重写ZuulFallbackProvider的方法，即可定制返回值

@Component
public class GatewayFallback implements ZuulFallbackProvider
{
    @Override
    public String getRoute()
    {
        // 这里配置服务降级是针对哪个服务实例的，可以填写服务id，如果返回null则是针对所有服务
        return null;
    }
    @Override
    public ClientHttpResponse fallbackResponse()
    {
        // 服务熔断后，返回的内容
        return new ClientHttpResponse()
        {
            @Override
            public InputStream getBody() throws IOException
            {
                JSONObject result = new JSONObject();
                result.put("error_code", -1);
                result.put("error_info", "网络繁忙");
                return new ByteArrayInputStream(result.toString().getBytes("UTF-8"));
            }
            @Override
            public HttpHeaders getHeaders()
            {
                // 返回Json格式的数据
                HttpHeaders headers = new HttpHeaders();
                headers.setContentType(MediaType.APPLICATION_JSON_UTF8);
                return headers;
            }
            @Override
            public HttpStatus getStatusCode() throws IOException
            {
                // 返回的HTTP错误码
                return HttpStatus.OK;
            }
            @Override
            public int getRawStatusCode() throws IOException
            {
                return HttpStatus.OK.value();
            }
            @Override
            public String getStatusText() throws IOException
            {
                return HttpStatus.OK.getReasonPhrase();
            }
            @Override
            public void close()
            {
                // 进行一些自定义的处理，比如监控告警
            }
        };
    }
}

（2）服务之间降级：服务之间的调用一般是使用Feign组件，我们需要为Feign接口声明的每个方法编写处理的逻辑，通过注解的fallback属性来指定服务降级的实现类

@FeignClient(value = "clientService", fallback = ClientServiceFallback.class)
public interface ClientService
{
    @RequestMapping(method = RequestMethod.POST, value = "/test", produces = MediaType.APPLICATION_JSON_VALUE)
    String queryClientById(@RequestParam("id") String id);
}

public class ClientServiceFallback implements ClientService
{
    @Override
    public String queryClientById(String id)
    {
        // 进行一些自定义的处理
        return null;
    }
}

2、服务熔断配置

　　服务熔断的参数配置非常重要，合理的参数配置才能更好地利用好机器资源，既不会浪费，也能合理对服务进行熔断防止雪崩

（1）熔断超时时间设置：这个时间一定要根据情况合理选择，不能太高也不能太低，如果设置太高，当服务出现问题时，每个线程都要等待很久，所有线程卡死就会导致用户根本无法正常使用，如果太小，出现网络波动就会影响服务质量，合理的设置一般是比如你的接口处理时间是200ms，那你可以设置300ms，比正常的响应时间大一点点，防止网络波动出现熔断

hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds: 

（2）Hystrix线程池大小设置：首先评估你的服务压力，比如你的服务每秒需要处理100个请求，每个请求的处理时间是200ms，相当于1个线程1秒可以处理5个请求，100/5=20，可以算出20个线程就可以处理请求，我们设置就可以设置25个线程，多给5个线程用来留些后路，防止一些特点时间点有大量的请求

hystrix.threadpool.default.coreSize: 

三、最后

　　应对高并发，最重要还是先要保证业务逻辑的处理速度，才能从根本上优化，比如进行SQL查询时，尽量避免多表关联，SQL语句越简单越好，数据表加索引，不要使用外键，外键会在一定程度上影响性能，且不容易维护，我个人建议通过增加其他表的id字段来维护表之间的关系