首页 > 其他分享> 文章详细

架构师必备：如何做容量预估和调优

2021-12-24 02:06:01 阅读：168 来源： 互联网

标签：调用实例必备个数调优倍数 QPS 架构师放大

为了构建高并发、高可用的系统架构，压测、容量预估必不可少，在发现系统瓶颈后，需要有针对性地扩容、优化。结合楼主的经验和知识，本文做一个简单的总结，欢迎探讨。

1、QPS保障目标

一开始就要明确定义QPS保障目标，以此来推算所需的服务、存储资源。可根据历史同期QPS，或者平时峰值的2到3倍估算。

压测目标示例：

qps达到多少时，服务的负载正常，如平均响应时间、95分位响应时间、cpu使用率、内存使用率、消费延迟低于多少
不要让任何一个环节成为瓶颈，需考虑服务实例、数据库、Redis、ES、Hbase等资源

2、服务注意点

2.1、服务qps上限

服务qps上限 = 工作线程数 * 1/平均单次请求处理耗时

主要关注以下几点：

（1）工作线程数，对qps起到了直接影响。

dubbo工作线程数配置举例：
<dubbo:protocol name="dubbo" threadpool="fixed" threads="1000" />

（2）cpu使用率：跟服务是I/O密集型，还是计算密集型有关。

I/O密集型：调用多个下游服务，本身逻辑较简单，cpu使用率不会很高，因此服务实例的个数不用很多
计算密集型：本身逻辑很复杂，有较重的计算，cpu使用率可能飙升，因此可适当多部署一些服务实例

（3）网络带宽：

对于大量的小请求，基本无需考虑
如果请求内容较大，多个并发可能打满网络带宽，如上传图片、视频等。

以实际压测为准。或者在线上调整权重，引导较多流量访问1台实例，记录达到阈值时的qps，可估算出单实例的最大qps。

2.2、超时时间设置

漏斗型：从上到下，timeout时间建议由大到小设置，也即底层/下游服务的timeout时间不宜设置太大；否则可能出现底层/下游服务线程池耗尽、然后拒绝请求的问题（抛出java.util.concurrent.RejectedExecutionException异常）
原因是上游服务已经timeout了，而底层/下游服务仍在执行，上游请求源源不断打到底层/下游服务，直至线程池耗尽、新请求被拒绝，最坏的情况是产生级联的雪崩，上游服务也耗尽线程池，无法响应新请求。
具体timeout时间，取决于接口的响应时间，可参考95分位、或99分位的响应时间，略微大一些。
dubbo超时时间示例：在服务端、客户端均可设置，推荐在服务端设置默认超时时间，客户端也可覆盖超时时间；
<dubbo:service id="xxxService" interface="com.xxx.xxxService" timeout=1000 />
<dubbo:reference id="xxxService" interface="com.xxx.xxxService" timeout=500 />

2.3、异步并行调用

如果多个调用之间，没有顺序依赖关系，为了提高性能，可考虑异步并行调用。
dubbo异步调用示例：

首先，需要配置consumer.xml，指定接口是异步调用：
<dubbo:reference id="xxxService" interface="com.xxx.xxxService" async=true />
然后，在代码中通过RpcContext.getContext().getFuture()获取异步调用结果Future对象：

    // 调用1先执行
    interface1.xxx();

    // 调用2、3、4无顺序依赖，可异步并行执行
    interface2.xxx();
    future2 = RpcContext.getContext().getFuture();
    interface3.xxx();
    future3 = RpcContext.getContext().getFuture();
    interface4.xxx();
    future4 = RpcContext.getContext().getFuture();

    // 获取调用2、3、4的执行结果
    result2 = future2.get();
    result3 = future3.get();
    result4 = future4.get();
    // 此处会阻塞至调用2、3、4都执行完成，取决于执行时间最长的那个
    handleResult2(result2);
    handleResult3(result3);
    handleResult4(result4);

    // 调用5最后执行，会阻塞至前序操作都完成
    interface5.xxx();

2.4、强依赖、弱依赖

强依赖调用：决不能跳过，失败则抛异常、快速失败
弱依赖调用：决不能阻塞流程，失败可忽略

2.5 降级

粗粒度：开关控制，如对整个非关键功能降级，隐藏入口
细粒度：调用下游接口失败时，返回默认值

2.6 限流

超过的部分直接抛限流异常，万不得已为之。

3、存储资源注意点

3.1、放大倍数：1次核心操作，对应的资源读写次数、接口调用次数

例如：1次核心操作，查了3次缓存、写了1次缓存、查了2次数据库、写了1次数据库、发了1次MQ消息、调了下游服务A的接口；

则对于读缓存放大倍数为3，写缓存放大倍数为1，读数据库放大倍数为2，写数据库放大倍数为1，MQ放大倍数为1，调用下游服务A的放大倍数为1。针对写放大倍数，需要单独考虑主库是否扛得住放大倍数的qps。
需关注：

读、写的放大倍数，要分开考虑，因为分布式架构通常是一主多从，一主需要支撑所有的写QPS，多从可以支撑所有的读QPS
DB读放大倍数、DB写放大倍数
Redis读放大倍数、Redis写放大倍数
MQ放大倍数
接口调用放大倍数等

3.2、存储资源QPS估算

存储资源的QPS上限，跟机器的具体配置有关，8C32G机型的QPS上限当然要高于4C16G机型。下表为典型值举例。

资源类型	单实例QPS数量级（典型值）	水平扩展方式	集群总QPS估算
DB	几千	分库分表	实例个数*单实例QPS，其中实例个数的范围是1~分库个数（可达数百）
Redis	几万	Redis集群	实例个数*单实例QPS，其中实例个数的范围是1~分片个数（可达数百），总QPS可达百万级
MQ	几万	partition拆分，每个分片最多被1个服务并发消费	实例个数*单实例QPS，其中实例个数的范围是1~partition个数，总QPS可达百万级
HBase	几千？	region拆分	实例个数*单实例QPS，其中实例个数的范围是1~region个数
ES	几千？	shard拆分	实例个数*单实例QPS，其中实例个数的范围是1~shard个数

标签：调用,实例,必备,个数,调优,倍数,QPS,架构师,放大
来源： https://www.cnblogs.com/toplist/p/15659580.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9