一次线上高并发事故,我顿悟了异步的精髓……

开发 新闻
写这篇文章,笔者想和大家深入探讨该场景的架构优化方案。

在高并发的场景下,异步是一个极其重要的优化方向。

前段时间,生产环境发生一次事故,笔者认为事故的场景非常具备典型性。

写这篇文章,笔者想和大家深入探讨该场景的架构优化方案。希望大家读完之后,可以对异步有更深刻的理解。

一、业务场景

老师登录教研平台,会看到课程列表,点击课程后,课程会以视频的形式展现出来。


图片

访问课程详情页面,包含两个核心动作:

  • 读取课程视频信息 

从缓存服务器 Redis 获取课程的视频信息 ,返回给前端,前端通过视频组件渲染。

  • 写入课程观看行为记录 

当教师观看视频的过程中,浏览器每隔3秒发起请求,教研服务将观看行为记录插入到数据库表中。而且随着用户在线人数越多,写操作的频率也会指数级增长。

上线初期,这种设计运行还算良好,但随着在线用户的增多,系统响应越来越慢,大量线程阻塞在写入视频观看进度表上的 Dao 方法上。

首先我们会想到一个非常直观的方案,提升写入数据库的能力。

  • 优化 SQL 语句;
  • 提升 MySQL 数据库硬件配置 ;
  • 分库分表。

这种方案其实也可以满足我们的需求,但是通过扩容硬件并不便宜,另外写操作可以允许适当延迟和丢失少量数据,那这种方案更显得性价比不足。

那么架构优化的方向应该是:“减少写动作的耗时,提升写动作的并发度”, 只有这样才能让系统更顺畅的运行。

于是,我们想到了第二种方案:写请求异步化。

  • 线程池模式
  • 本地内存 + 定时任务
  • MQ 模式
  • Agent 服务 + MQ 模式

二、线程池模式

2014年,笔者在艺龙旅行网负责红包系统相关工作。运营系统会调用红包系统给特定用户发送红包,当这些用户登录 app 后,app 端会调用红包系统的激活红包接口 。

激活红包接口是一个写操作,速度也比较快(20毫秒左右),接口的日请求量在2000万左右。

应用访问高峰期,红包系统会变得不稳定,激活接口经常超时,笔者为了快速解决问题,采取了一个非常粗糙的方案:

"控制器收到请求后,将写操作放入到独立的线程池中后,立即返回给前端,而线程池会异步执行激活红包方法"。

当时按照这种粗糙的方法优化后,红包系统非常稳定,再也没有出现接口响应超时的问题。

回到教研的场景,见下图,我们也可以设计类似线程池模型的方案:

图片

使用线程池模式,需要注意如下几点:

  • 线程数不宜过高,避免占用过多的数据库连接 ;
  • 需要考虑评估线程池队列的大小,以免出现内存溢出的问题。

三、本地内存 + 定时任务

开源中国统计浏览数的方案非常经典。

用户访问过一次文章、新闻、代码详情页面,访问次数字段加 1 , 在 oschina 上这个操作是异步的,访问的时候只是将数据在内存中保存,每隔固定时间将这些数据写入数据库。

图片

示例代码如下:

图片

我们可以借鉴开源中国的方案 :

  • 控制器接收请求后,观看进度信息存储到本地内存 LinkedBlockingQueue 对象里;
  • 异步线程每隔1分钟从队列里获取数据 ,组装成 List 对象,最后调用 Jdbc batchUpdate 方法批量写入数据库;
  • 批量写入主要是为了提升系统的整体吞吐量,每次批量写入的 List 大小也不宜过大 。

这种方案优点是:不改动原有业务架构,简单易用,性能也高。该方案同样需要考虑内存溢出的风险。

四、MQ 模式

很多同学们会想到 MQ 模式 ,消息队列最核心的功能是异步解耦,MQ 模式架构清晰,易于扩展。

图片

核心流程如下:

  • 控制器接收写请求,将观看视频行为记录转换成消息 ;
  • 教研服务发送消息到 MQ  ,将写操作成功信息返回给前端 ;
  • 消费者服务从 MQ 中获取消息 ,批量操作数据库 。

这种方案优点是:

  • MQ 本身支持高可用和异步,发送消息效率高 , 也支持批量消费;
  • 消息在 MQ 服务端会持久化,可靠性要比保存在本地内存高;
  • 不过 MQ 模式需要引入新的组件,增加额外的复杂度。

五、Agent 服务 + MQ 模式

互联网大厂还有一种常见的异步的方案:Agent 服务 + MQ 模式。

图片

教研服务器上部署 Agent 服务(独立的进程) , 教研服务接收写请求后,将请求按照固定的格式(比如 JSON )写入到磁盘中,然后给前端返回成功信息。

Agent 服务会监听文件变动,将文件内容发送到消息队列 , 消费者服务获取观看行为记录,将其存储到 MySQL 数据库中。

这种方案最大的优点是:架构分层清晰,业务服务不需要引入 MQ 组件。

笔者原来接触过的性能监控平台,或者日志分析平台都使用这种模式。

六、总结

学习需要一层一层递进的思考。

第一层:什么场景下需要异步

  • 大量写操作占用了过多的资源,影响了系统的正常运行;
  • 写操作异步后,不影响主流程,允许适当延迟。

第二层:异步的外功心法

本文提到了四种异步方式:

  • 线程池模式
  • 本地内存 + 定时任务
  • MQ 模式
  • Agent 服务 + MQ 模式

它们的共同特点是:将写操作命令存储在一个池子后,立刻响应给前端,减少写动作的耗时。任务服务异步从池子里获取任务后执行。

第三层:异步的本质

在笔者看来,异步是更细粒度的使用系统资源的一种方式。

在教研课程详情场景里,数据库的资源是固定的,但写操作占据大量数据库资源,导致整个系统的阻塞,但写操作并不是最核心的业务流程,它不应该占用那么多的系统资源。

不能为了异步而异步,无论是使用线程池,还是本地内存 + 定时任务 ,亦或是 MQ ,对数据库资源的使用都需要在合理的范围内,否则异步就达不到我们想要的效果。

责任编辑:张燕妮 来源: 勇哥java实战分享
相关推荐

2022-07-11 13:58:14

数据库业务流程系统

2023-01-16 14:49:00

MongoDB数据库

2022-06-06 11:31:31

MySQL数据查询

2020-11-16 12:35:25

线程池Java代码

2020-08-20 07:37:21

数据库开源框架

2020-10-21 12:10:30

订单号Java代码

2020-08-28 08:55:32

商城系统高并发

2022-06-30 19:00:00

高可用KeepalivedLinux

2021-03-05 22:41:55

CDH集群CDH集群

2020-08-24 07:34:39

网络超时请求

2022-05-12 09:52:09

网络架构HTTP跨域保护机制

2019-01-16 09:20:42

架构设计JVM FullGC宕机事故

2020-09-22 08:06:45

代码事故

2022-03-31 09:00:47

高并发Log4j2java

2022-09-13 09:50:08

分页慢查询

2023-01-04 18:32:31

线上服务代码

2023-12-08 08:23:55

算法题dfs算法二叉树

2022-12-23 20:13:43

高并发数据一致性

2022-11-16 08:00:00

雪花算法原理

2017-11-09 09:06:29

流量暴增优化
点赞
收藏

51CTO技术栈公众号