华为云服务治理—隔离仓的作用

服务治理通常是指通过限流、熔断等手段，保障微服务的可靠运行，即运行时治理。更加宽泛的服务治理还包括微服务持续集成（开源软件管理、自动化测试等），微服务部署最佳实践（滚动升级、灰度发布等），微服务可观测性能力（日志、监控、告警等）构建等。

  微服务治理专题主要探讨运行时治理。隔离仓是适用于大部分故障模式，简单有效的治理策略，本章介绍隔离仓的原理和作用。

隔离仓的定义和作用

  业务请求的处理都会占用系统资源，包括CPU、内存、线程池、连接池等。隔离仓是一种限制业务请求对系统资源占用的服务治理策略，防止单个业务请求或者单个微服务实例过多的占用系统资源，对其他业务请求以及系统总体的性能产生严重影响。

  线程池是治理策略应用最广泛的系统资源，通常所有请求都在一个共享的线程池处理，常见的隔离仓实现，都是限制请求对线程池的过多占用。本文以 Spring Cloud Huawei 为例，演示其隔离仓在两种故障场景下的作用。

• 场景一

  微服务A调用微服务B，A和B分别有M个实例，模拟N个并发客户端连续不断的请求A。然后给B扩容1个实例。观察应用治理策略和不应用策略的情况下，时延和TPS的变化情况。

• 场景二

  微服务A调用微服务B，A和B分别有M个实例，B有两个接口 X 和 Y， 其中X处理100ms，Y处理500 ms，模拟N 个并发客户端通过A连续请求X接口，N 个并发客户端通过A连续请求Y接口。观察应用治理策略和不应用策略的情况下，时延和TPS的变化情况。

Spring Cloud Huawei客户端隔离仓的工作原理和效果

  Spring Cloud Huawei 客户端隔离仓 的主要作用是限制一个实例、或者一个实例的某个接口最大并发数，当一个实例的最大并发处理大于设置的阈值maxConcurrentCalls的时候，后续请求会在当前线程等待maxWaitDuration时间，如果这段时间有请求处理完毕，那么后续请求会继续处理，否则就会被丢弃，返回408错误。

  Spring Cloud Huawei 服务端隔离仓 的主要作用是限制一个接口的最大并发数，当一个接口的最大并发处理大于设置的阈值maxConcurrentCalls的时候，后续请求会在当前线程等待maxWaitDuration时间，如果这段时间有请求处理完毕，那么后续请求会继续处理，否则就会被丢弃，返回408错误。

• 场景一

  微服务A的隔离仓配置：

servicecomb:

matchGroup:

allOperation: |

  matches:

    - apiPath:

        prefix: "/"

instanceBulkhead:

## 隔离仓限制正在处理的请求数为20个，新来的请求等待1000毫秒没有获取到

## 许可，将被拒绝。

allOperation: |

  maxConcurrentCalls: 20

  maxWaitDuration: 1000

为了匹配测试用例，设置微服务A的线程池大小为20

server:

tomcat:

threads:

  max: 20

  minSpare: 20

  微服务A调用微服务B，A和B分别有1个实例，模拟40个并发客户端连续不断的请求A。然后给B扩容1个实例。观察应用治理策略和不应用策略的情况下，时延和TPS的变化情况。

测试结果：

不使用隔离仓：

Total time:121852

Success count:200000

Timeout count:0

Error count:0

Average Latency:24

|(10,7942)||(20,90667)||(50,93017)||(100,7041)||(200,1151)||(500,173)||(1000,9)|

使用隔离仓：

Total time:112440

Success count:200000

Timeout count:0

Error count:0

Average Latency:22

|(10,8683)||(20,100275)||(50,86137)||(100,4106)||(200,679)||(500,120)||(1000,0)|

  从上述结果可以看出使用隔离仓的情况下，时延大于200ms的请求明显减少。 这个结果说明隔离仓的使用并没有降低系统的处理性能，甚至可能带来一些性能的改善，减少时延偏差较大的请求数量。上述测试场景，并没有演示新启动实例导致故障的场景。如果需要模拟这种场景，可以考虑微服务A部署10个实例，并且采用500个并发客户端访问。

• 场景二

微服务A的隔离仓配置：

servicecomb:

matchGroup:

allOperation: |

  matches:

    - apiPath:

        # 对耗时的接口配置隔离仓

        prefix: "/benchmark/delay/z100"

instanceBulkhead:

## 隔离仓限制正在处理的请求数为20个，新来的请求等待1000毫秒没有获取到

## 许可，将被拒绝。

allOperation: |

maxConcurrentCalls: 20

maxWaitDuration: 1000

# 为了匹配测试用例，设置微服务A的线程池大小为40
server:

tomcat:

threads:

  max: 40

  minSpare: 40

  微服务A调用微服务B，A和B分别有1个实例，B有两个接口 X 和 Y， 其中X处理1ms，Y处理100 ms，模拟20 个并发客户端通过A连续请求X接口，20 个并发客户端通过A连续请求Y接口。观察应用治理策略和不应用策略的情况下，时延和TPS的变化情况。

测试结果：

不使用隔离仓：

Total time:69029

Success count:40000

Timeout count:0

Error count:0

Average Latency:68

|(10,2175)||(20,12078)||(50,5727)||(100,17)||(200,20003)||(500,0)||(1000,0)||(10000,0)|

使用隔离仓：

Total time:107354

Success count:40000

Timeout count:0

Error count:0

Average Latency:106

|(10,2217)||(20,14264)||(50,3506)||(100,7)||(200,15738)||(500,4268)||(1000,0)||(10000,0)|

  从上述结果可以看出使用隔离仓的情况下，时延小于20ms的请求有所增加，但是时延超过500ms的请求增加更加明显。这是因为测试场景属于IO密集型场景，使用隔离仓，降低了Y接口的并发度，大量请求排队，导致整体的时延大幅增长。下面把客户端隔离仓去掉，改为服务端隔离仓，再看看效果。

微服务B的隔离仓配置：

servicecomb:

matchGroup:

allOperation: |

matches:
- apiPath:
# 对耗时的接口配置隔离仓

prefix: "/benchmark/delay/z100"

bulkhead:

## 隔离仓限制正在处理的请求数为20个，新来的请求等待1000毫秒没有获取到

## 许可，将被拒绝。

allOperation: |

maxConcurrentCalls: 10

maxWaitDuration: 1000
# 为了匹配测试用例，设置微服务B的线程池大小为20

server:

tomcat:

threads:

max: 20

minSpare: 20

  微服务A调用微服务B，A和B分别有1个实例，B有两个接口 X 和 Y， 其中X处理1ms，Y处理100 ms，模拟20 个并发客户端通过A连续请求X接口，20 个并发客户端通过A连续请求Y接口。观察应用治理策略和不应用策略的情况下，时延和TPS的变化情况。

测试结果：

不使用隔离仓：

Total time:110685

Success count:40000

Timeout count:0

Error count:0

Average Latency:109

|(10,160)||(20,1207)||(50,4378)||(100,14091)||(200,19906)||(500,258)||(1000,0)||(10000,0)|

使用隔离仓：

Total time:214565

Success count:40000

Timeout count:0

Error count:0

Average Latency:213

|(10,46)||(20,734)||(50,279)||(100,3941)||(200,14972)||(500,19995)||(1000,33)||(10000,0)|

  从上述结果可以看出使用隔离仓的情况下，平均时延和性能同样会下降。我们适当调整下隔离仓的限制，快速丢弃一些请求：

servicecomb:

matchGroup:

allOperation: |

matches:

- apiPath:
  
  # 对耗时的接口配置隔离仓

prefix: "/benchmark/delay/z100"


bulkhead:

## 隔离仓限制正在处理的请求数为20个，新来的请求等待1000毫秒没有获取到

## 许可，将被拒绝。

allOperation: |

maxConcurrentCalls: 10

maxWaitDuration: 10
# 为了匹配测试用例，设置微服务B的线程池大小为20

server:

tomcat:


threads:

max: 20

minSpare: 20

使用隔离仓的测试结果：

Total time:68189

Success count:22733

Timeout count:1

Error count:17266

Average Latency:115

|(10,53)||(20,2096)||(50,19470)||(100,13025)||(200,3885)||(500,1361)||(1000,109)||(10000,1)|

  上述结果可以看出，快速丢弃请求的情况下，时延小于50ms的请求大于20000个。隔离仓保证了处理很快的接口能够得到快速成功执行，前提条件是处理很慢的接口不占用资源，快速失败。

隔离仓总结

  隔离仓的使用，在计算密集型场景下，对系统的性能影响很小，甚至可以起到一定的性能改善作用。在IO密集型场景下，由于隔离仓降低了请求的并发执行线程，会导致吞吐量降低和时延增加。

  也可以看出，在IO等待比较长的情况下，系统的吞吐量和系统的可靠性是两个没法同时满足的目标，如果要保证成功率不降低，并且吞吐量增加，那么势必增加业务线程等系统资源占用，从而对系统整体的可靠性产生影响。对于耗时的请求，只能通过快速丢弃超过资源使用限制的部分，才能够保证系统吞吐量不下降，并且避免产生系统性的全局功能影响。因此，系统应该合理的设计部分耗时请求的最大并发，在超过这些指标的时候，快速丢弃多余的请求。过度追求耗时请求的吞吐量而扩大线程池、连接池等，是很多应用系统最常见的设计误区。

审核编辑 黄宇