39. 从双十一看高可用的保障方式

分布式高可用系列

以电商大促为背景，讲解系统限流，降级熔断，负载均衡，稳定性指标，系统监控和日志系统等方面内容
讨论在面对电商大促，秒杀抢购等高并发的业务场景时，有哪些高可用的保障手段。

从双十一限制退款说起

你在双十一零点下单的过程中，有没有经历过排队等待，或者系统不可用的情况呢？
历年的双十一活动，当天往往都是不支持退款的

以限制退款为例

• 从业务角度考虑，活动期间流量巨大，需要节省平台和商家的人力资源，节省库存盘点等工作
• 退款处理不是核心业务，在服务治理中，这是典型的业务降级，保护系统，对非核心业务做降低处理

电商大促的高可用保障

电商大促高可用活动保障的核心是什么呢？ 稳定性

服务可用性是对服务等级协议 SLA 的描述
假设一个核心链路依赖 10 个服务，这 10 个服务的可用性是 99.99%
那这个核心链路的可用性是 99.99% 的 10 次方，也就是 99.9%
在生产环境中还要考虑服务发布，部署等导致的停机情况，可用性还会降低

在电商大促时，如果要保证高可用性可以从哪些方面入手呢？

• 海量用户请求，万倍日常流量
  应用 Docker 容器化编排，分布式需要快速扩展集群
  容器化编排操作简单，可以快速扩展实例

• 流量突增
  典型的秒杀系统请求曲线，秒杀系统的流量是在瞬时达到一个峰值，流量曲线非常陡峭
  通过独立热点集群部署，消息队列削峰，相关活动商品预热缓存等方案来解决

秒杀活动会提前给用户预告商品
可以提前把相关商品数据都加载到缓存中，通过缓存来支撑海量请求

秒杀活动中如何预热商品数据，可以更好地支持前端请求？

• 高并发，支撑海量用户请求
  在系统设计时没有考虑过高并发的情况
  在电商业务中，可以会出现用户订单丢失，库存扣减异常，超卖等问题
  需要在前期系统设计时，考虑到并发系统容易出现等问题
  比如高并发时的 ThreadLocal 数据异常，数据库高并发的锁冲突，死锁等问题
  高可用常见的手段有缓存，消息队列

• 避免服务雪崩问题，链路问题，故障传导
  微服务调用通常是通过一个链路的形式进行，各个服务之间是一个调用链
  某个服务提供者宕机，可能导致整个链路上的连续失败，最后可能导致业务系统停止服务
  避免服务雪崩问题，可以从限流，降级，熔断，隔离入手

总结

本文以双十一电商大促作为背景

• 总结了电商大促的业务特点，业务开发中保证稳定性的关键
• 简单介绍了高可用技术保障的几个常见手段
  包括消息队里技术，缓存技术，以及限流，降级，熔断，隔离，负载均衡等手动