Spring Cloud :Eureka生产环境优化

先看张图

image.png

一,自我保护优化

自我保护常用配置

eureka:
  server:
    # 自我保护开关,默认开启
    enable-self-preservation: true
    # 自我保护阈值,默认0.85
    renewal-percent-threshold: 0.85
    # 自我保护剔除时间间隔,单位毫秒,默认60s
    eviction-interval-timer-in-ms: 60000
    # 客户端续约时间间隔,默认30s
    expected-client-renewal-interval-seconds: 30
    # 阈值更新的时间间隔,单位为毫秒,默认为15 * 60 * 1000
    renewal-threshold-update-interval-ms: 900000
场景 服务数 失去心跳 剔除后的阈值 默认阈值 要开自我保护吗?
场景一 10个/比较少 3个 70% 85% 不开启
场景二 1000个/比较大 3个 99.7% 85% 开启

由于服务数本来就只有10个,如果因为3个断了,如果开启了自我保护机制,大量请求可能就会访问坏的三个服务,这样肯定是不行的,所以要关闭,相当于断了,就要将其剔除;虽然关闭了自我保护机制,也会有剔除服务时间间隔,来保障服务重连的情况,可以将eviction-interval-timer-in-ms参数设置短一点,以免让客户端放问断开的服务,该参数默认是60s,相当于快速下线。

场景二:

服务数比较大,断了3个也问题不大,所以建议开启保护机制,如果3个失去心跳的服务是由于网络抖动导致的,开启之后还给了他们复活重连的机会。

二,三级缓存优化

什么是三级缓存
Eureka Server 存在三个变量:registry、readWriteCacheMap、readOnlyCacheMap 保存服务注册信息。

public abstract class AbstractInstanceRegistry implements InstanceRegistry {
    // 三级
    private final ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>> registry
            = new ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();
}
public class ResponseCacheImpl implements ResponseCache {
    
    // 二级
    private final ConcurrentMap<Key, Value> readOnlyCacheMap = new ConcurrentHashMap<Key, Value>();
    // 一级
    private final LoadingCache<Key, Value> readWriteCacheMap;
}

三级缓存工作流程
默认情况下定时任务每 30s 将 readWriteCacheMap 同步至 readOnlyCacheMap,每 60s 清理超过 90s 未续约的节点,Eureka Client 每 30s 从 readOnlyCacheMap 拉取服务注册信息,而服务的注册则在 registry 更新信息。

三级缓存的优点
尽可能保证了内存注册表中的数据不会出现频繁的读写冲突问题,并且进一步保证了对EurekaServer大量请求,都是快速从内存中取,性能极高。

生产环境中优化
由于我们取获取服务时,默认从readOnlyCacheMap中读取,由于readWriteCacheMap每隔30s才同步到readOnlyCacheMap,数据不是强一致性的,所以这是Eureka只实现了AP,没有实现C的原因。

CAP:

1.Consistency(一致性):等同于所有节点访问同一份最新的数据副本。
2.Availability(可用性):每次请求都能获取到正确的响应,但是不保证获取的数据为最新的数据。
3.Partition tolerance(分区兼容性):以实际效果而言,分区相当于对通信的时限要求,系统如果不能在时限内达成数据一致性,就意味着发生了分区的情况,必须就当前操作在C和A之间作出选择。
优化:

eureka:
  server:
    # 关闭从readOnly读注册表,直接去readWriteCacheMap中读
    use-read-only-response-cache: false
    # readWrite 和 readOnly 减少同步时间间隔。
    response-cache-update-interval-ms: 1000

use-read-only-response-cache默认这个参数是true,去readOnlyCacheMap中读,设置成false之后去readWriteCache中读,这样会快一点。

三,定时器Timer优化
Eureka源码用了大量的Timer定时任务,由于Timer定时器存在以下缺陷:

Timer缺陷:
1.Timer在执行所有定时任务时只会创建一个线程,当存在多个任务时,其任务是串行执行的。
2.由于Timer只会创建一个线程,那么在TimerTask抛出了一个未检出的异常,那么Timer线程就会被终止掉,导致其它任务都停止。
3.Timer执行周期任务时依赖系统时间,如果当前系统时间发生变化会出现一些执行上的变化。
建议使用ScheduledExecutorService

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容