接着上一篇的Hystrix进行进一步了解。
当系统用户不断增长时，每个微服务需要承受的并发压力也越来越大，在分布式环境中，通常压力来自对依赖服务的调用，因为亲戚依赖服务的资源需要通过通信来实现，这样的依赖方式比起进程内的调用方式会引起一部分的性能损失，
在高并发的场景下，Hystrix 提供了请求缓存的功能，我们可以方便的开启和使用请求缓存来优化系统，达到减轻高并发时的请求线程消耗、降低请求响应时间的效果
Hystrix的缓存，这个功能是有点鸡肋的，因为这个缓存是基于request的，为什么这么说呢？因为每次请求来之前都必须HystrixRequestContext.initializeContext();进行初始化，每请求一次controller就会走一次filter，上下文又会初始化一次，前面缓存的就失效了，又得重新来。
所以你要是想测试缓存，你得在一次controller请求中多次调用那个加了缓存的service或HystrixCommand命令。Hystrix的书上写的是：在同一用户请求的上下文中，相同依赖服务的返回数据始终保持一致。在当次请求内对同一个依赖进行重复调用，只会真实调用一次。在当次请求内数据可以保证一致性。
因此。希望大家在这里不要理解错了。
请求缓存图，如下：
假设两个线程发起相同的HTTP请求，Hystrix会把请求参数初始化到ThreadLocal中，两个Command异步执行，每个Command会把请求参数从ThreadLocal中拷贝到Command所在自身的线程中，Command在执行的时候会通过CacheKey优先从缓存中尝试获取是否已有缓存结果，
如果命中，直接从HystrixRequestCache返回，如果没有命中，那么需要进行一次真实调用，然后把结果回写到缓存中，在请求范围内共享响应结果。
RequestCache主要有三个优点：
-
在当次请求内对同一个依赖进行重复调用，只会真实调用一次。
-
在当次请求内数据可以保证一致性。
-
可以减少不必要的线程开销。
例子还是接着上篇的HelloServiceCommand来进行演示，我们只需要实现HystrixCommand的一个缓存方法名为getCacheKey()即可
代码如下：
/** * Created by cong on 2018/5/9. */ public class HelloServiceCommand extends HystrixCommand<String> { private RestTemplate restTemplate; protected HelloServiceCommand(String commandGroupKey,RestTemplate restTemplate) {
//根据commandGroupKey进行线程隔离的 super(HystrixCommandGroupKey.Factory.asKey(commandGroupKey)); this.restTemplate = restTemplate; } @Override protected String run() throws Exception { System.out.println(Thread.currentThread().getName()); return restTemplate.getForEntity("http://HELLO-SERVICE/hello",String.class).getBody(); } @Override protected String getFallback() { return "error"; } //Hystrix的缓存 @Override protected String getCacheKey() { //一般动态的取缓存Key,比如userId，这里为了做实验写死了，写为hello return "hello"; } }
Controller代码如下：
/** * Created by cong on 2018/5/8. */ @RestController public class ConsumerController { @Autowired private RestTemplate restTemplate; @RequestMapping("/consumer") public String helloConsumer() throws ExecutionException, InterruptedException { //Hystrix的缓存实现，这功能有点鸡肋。 HystrixRequestContext.initializeContext(); HelloServiceCommand command = new HelloServiceCommand("hello",restTemplate); String execute = command.execute();//清理缓存 // HystrixRequestCache.getInstance("hello").clear(); return null; } }
在原来的两个provider模块都增加增加一条输出语句，如下：
provider1模块：
/** * Created by cong on 2018/5/8. */ @RestController public class HelloController { @RequestMapping("/hello") public String hello(){ System.out.println("访问来1了......"); return "hello1"; } }
provider2模块：
/** * Created by cong on 2018/5/8. */ @RestController public class HelloController { @RequestMapping("/hello") public String hello(){ System.out.println("访问来2了......"); return "hello1"; } }
浏览器输入localhost:8082/consumer
运行结果如下：
可以看到你刷新一次请求，上下文又会初始化一次，前面缓存的就失效了，又得重新来，这时候根本就没有缓存了。因此，你无论刷新多少次请求都是出现“访问来了”，缓存都是失效的。如果是从缓存来的话，根本就不会输出“访问来了”。
但是，你如你在一起请求多次调用同一个业务，这时就是从缓存里面取的数据。不理解可以看一下Hystrix的缓存解释：在同一用户请求的上下文中，相同依赖服务的返回数据始终保持一致。在当次请求内对同一个依赖进行重复调用，只会真实调用一次。在当次请求内数据可以保证一致性。
Controller代码修改如下：
/** * Created by cong on 2018/5/8. */ @RestController public class ConsumerController { @Autowired private RestTemplate restTemplate; @RequestMapping("/consumer") public String helloConsumer() throws ExecutionException, InterruptedException { //Hystrix的缓存实现，这功能有点鸡肋。 HystrixRequestContext.initializeContext(); HelloServiceCommand command = new HelloServiceCommand("hello",restTemplate); String execute = command.execute();
HelloServiceCommand command1 = new HelloServiceCommand("hello",restTemplate);
String execute1 = command1.execute();
//清理缓存
// HystrixRequestCache.getInstance("hello").clear();
return null;
}
接着运行，运行结果如下：
可以看到只有一个”访问来了“，并没有出现两个”访问来了“。
之所以没出现第二个，是因为是从缓存中取了。
删除缓存 例如删除key名为hello的缓存：
HystrixRequestCache.getInstance("hello").clear();
你要写操作的时候，你把一条数据给给删除了，这时候你就必须把缓存清空了。
下面进行请求的合并。
为什么要进行请求合并？举个例子，有个矿山，每过一段时间都会生产一批矿产出来（质量为卡车载重量的1/100），卡车可以一等到矿产生产出来就马上运走矿产，也可以等到卡车装满再运走矿产，
前者一次生产对应卡车一次往返，卡车需要往返100次，而后者只需要往返一次，可以大大减少卡车往返次数。显而易见，利用请求合并可以减少线程和网络连接，开发人员不必单独提供一个批量请求接口就可以完成批量请求。
在Hystrix中进行请求合并也是要付出一定代价的，请求合并会导致依赖服务的请求延迟增高，延迟的最大值是合并时间窗口的大小，默认为10ms，当然我们也可以通过hystrix.collapser.default.timerDelayInMilliseconds属性进行修改，
如果请求一次依赖服务的平均响应时间是20ms，那么最坏情况下（合并窗口开始是请求加入等待队列）这次请求响应时间就会变成30ms。在Hystrix中对请求进行合并是否值得主要取决于Command本身，高并发度的接口通过请求合并可以极大提高系统吞吐量，
从而基本可以忽略合并时间窗口的开销，反之，并发量较低，对延迟敏感的接口不建议使用请求合并。
请求合并的流程图如下：
可以看出Hystrix会把多个Command放入Request队列中，一旦满足合并时间窗口周期大小，Hystrix会进行一次批量提交，进行一次依赖服务的调用，通过充写HystrixCollapser父类的mapResponseToRequests方法，将批量返回的请求分发到具体的每次请求中。
例子如下：
首先我们先自定义一个BatchCommand类来继承Hystrix给我们提供的HystrixCollapser类，代码如下：
/** * Created by cong on 2018/5/13. */ public class HjcBatchCommand extends HystrixCollapser<List<String>,String,Long> { private Long id; private RestTemplate restTemplate; //在200毫秒内进行请求合并，不在的话，放到下一个200毫秒 public HjcBatchCommand(RestTemplate restTemplate,Long id) { super(Setter.withCollapserKey(HystrixCollapserKey.Factory.asKey("hjcbatch")) .andCollapserPropertiesDefaults(HystrixCollapserProperties.Setter() .withTimerDelayInMilliseconds(200))); this.id = id; this.restTemplate = restTemplate; } //获取每一个请求的请求参数 @Override public Long getRequestArgument() { return id; } //创建命令请求合并 @Override protected HystrixCommand<List<String>> createCommand(Collection<CollapsedRequest<String, Long>> collection) { List<Long> ids = new ArrayList<>(collection.size()); ids.addAll(collection.stream().map(CollapsedRequest::getArgument).collect(Collectors.toList())); HjcCommand command = new HjcCommand("hjc",restTemplate,ids); return command; } //合并请求拿到了结果，将请求结果按请求顺序分发给各个请求 @Override protected void mapResponseToRequests(List<String> results, Collection<CollapsedRequest<String, Long>> collection) { System.out.println("分配批量请求结果。。。。"); int count = 0; for (CollapsedRequest<String,Long> collapsedRequest : collection){ String result = results.get(count++); collapsedRequest.setResponse(result); } } }
接着用自定义个HjcCommand来继承Hystrix提供的HystrixCommand来进行服务请求
/** * Created by cong on 2018/5/13. */ public class HjcCommand extends HystrixCommand<List<String>> { private RestTemplate restTemplate; private List<Long> ids; public HjcCommand(String commandGroupKey, RestTemplate restTemplate,List<Long> ids) {
//根据commandGroupKey进行线程隔离 super(HystrixCommandGroupKey.Factory.asKey(commandGroupKey)); this.restTemplate = restTemplate; this.ids = ids; } @Override protected List<String> run() throws Exception { System.out.println("发送请求。。。参数为："+ids.toString()+Thread.currentThread().getName()); String[] result = restTemplate.getForEntity("http://HELLO-SERVICE/hjcs?ids={1}",String[].class, StringUtils.join(ids,",")).getBody(); return Arrays.asList(result); } }
但是注意一点：你请求合并必须要异步，因为你如果用同步，是一个请求完成后，另外的请求才能继续执行，所以必须要异步才能请求合并。
所以Controller层代码如下：
@RestController public class ConsumerController { @Autowired private RestTemplate restTemplate; @RequestMapping("/consumer") public String helloConsumer() throws ExecutionException, InterruptedException { //请求合并 HystrixRequestContext context = HystrixRequestContext.initializeContext(); HjcBatchCommand command = new HjcBatchCommand(restTemplate,1L); HjcBatchCommand command1 = new HjcBatchCommand(restTemplate,2L); HjcBatchCommand command2 = new HjcBatchCommand(restTemplate,3L); //这里你必须要异步，因为同步是一个请求完成后，另外的请求才能继续执行，所以必须要异步才能请求合并 Future<String> future = command.queue(); Future<String> future1 = command1.queue(); String r = future.get(); String r1 = future1.get(); Thread.sleep(2000); //可以看到前面两条命令会合并，最后一条会单独，因为睡了2000毫秒，而你请求设置要求在200毫秒内才合并的。 Future<String> future2 = command2.queue(); String r2 = future2.get(); System.out.println(r); System.out.println(r1); System.out.println(r2); context.close(); return null; } }
两个服务提供者provider1,provider2新增加一个方法来模拟数据库数据，代码如下：
/** * Created by cong on 2018/5/8. */ @RestController public class HelloController { @RequestMapping("/hello") public String hello(){ System.out.println("访问来2了......"); return "hello2"; } @RequestMapping("/hjcs") public List<String> laowangs(String ids){ List<String> list = new ArrayList<>(); list.add("laowang1"); list.add("laowang2"); list.add("laowang3"); return list; } }
启动Ribbon模块，运行结果如下：
可以看到上图的两个线程是隔离的。
当请求非常多的时候，你合并请求就变得非常重要了，如果你不合并，一个请求都1 到2秒，这明显不能忍的，会造成效率缓慢，如果你合并后，这时就可以并行处理，降低延迟，但是如果请求不多的时候，只有单个请求，这时候合并也会出现
效率缓慢的，因为如果请求一次依赖服务的平均响应时间是200ms，那么最坏情况下（合并窗口开始是请求加入等待队列）这次请求响应时间就会变成300ms。所以说要看场合而定的。
下面用注解的代码来实现请求合并。代码如下：‘
/** * Created by cong on 2018/5/15. */ @Service public class HjcService { @Autowired private RestTemplate restTemplate; @HystrixCollapser(batchMethod = "getLaoWang",collapserProperties = {@HystrixProperty(name = "timerDelayInMilliseconds",value = "200")}) public Future<String> batchGetHjc(long id){ return null; } @HystrixCommand public List<String> getLaoWang(List<Long> ids){ System.out.println("发送请求。。。参数为："+ids.toString()+Thread.currentThread().getName()); String[] result = restTemplate.getForEntity("http://HELLO-SERVICE/hjcs?ids={1}",String[].class, StringUtils.join(ids,",")).getBody(); return Arrays.asList(result); } }
如果我们还要进行服务的监控的话，那么我们需要在Ribbon模块，和两个服务提供者模块提供如下依赖：
Ribbon模块依赖如下：
<!--仪表盘-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-hystrix-dashboard</artifactId>
<version>1.4.0.RELEASE</version>
</dependency>
<!--监控-->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-actuator</artifactId>
</dependency>
两个provider模块依赖如下：
<!--监控-->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-actuator</artifactId>
</dependency>
接着在Ribbon启动类打上@EnableHystrixDashboard注解，然后启动，localhost:8082/hystrix,如下图：
每次访问都有记录：如下：
接下来我们看一下常用的Hystrix属性：
hystrix.command.default和hystrix.threadpool.default中的default为默认CommandKey
Command Properties：
1.Execution相关的属性的配置：
-
hystrix.command.default.execution.isolation.strategy 隔离策略，默认是Thread, 可选Thread｜Semaphore
-
hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds 命令执行超时时间，默认1000ms
- hystrix.command.default.execution.timeout.enabled 执行是否启用超时，默认启用true
- hystrix.command.default.execution.isolation.thread.interruptOnTimeout 发生超时是是否中断，默认true
- hystrix.command.default.execution.isolation.semaphore.maxConcurrentRequests 最大并发请求数，默认10，该参数当使用ExecutionIsolationStrategy.SEMAPHORE策略时才有效。如果达到最大并发请求数，请求会被拒绝。理论上选择semaphore size的原则和选择thread size一致，但选用semaphore时每次执行的单元要比较小且执行速度快（ms级别），否则的话应该用thread。
semaphore应该占整个容器（tomcat）的线程池的一小部分。
2.Fallback相关的属性
这些参数可以应用于Hystrix的THREAD和SEMAPHORE策略
- hystrix.command.default.fallback.isolation.semaphore.maxConcurrentRequests 如果并发数达到该设置值，请求会被拒绝和抛出异常并且fallback不会被调用。默认10
- hystrix.command.default.fallback.enabled 当执行失败或者请求被拒绝，是否会尝试调用hystrixCommand.getFallback() 。默认true
3.Circuit Breaker相关的属性
- hystrix.command.default.circuitBreaker.enabled 用来跟踪circuit的健康性，如果未达标则让request短路。默认true
- hystrix.command.default.circuitBreaker.requestVolumeThreshold 一个rolling window内最小的请求数。如果设为20，那么当一个rolling window的时间内（比如说1个rolling window是10秒）收到19个请求，即使19个请求都失败，也不会触发circuit break。默认20
- hystrix.command.default.circuitBreaker.sleepWindowInMilliseconds 触发短路的时间值，当该值设为5000时，则当触发circuit break后的5000毫秒内都会拒绝request，也就是5000毫秒后才会关闭circuit。默认5000
- hystrix.command.default.circuitBreaker.errorThresholdPercentage错误比率阀值，如果错误率>=该值，circuit会被打开，并短路所有请求触发fallback。默认50
- hystrix.command.default.circuitBreaker.forceOpen 强制打开熔断器，如果打开这个开关，那么拒绝所有request，默认false
- hystrix.command.default.circuitBreaker.forceClosed 强制关闭熔断器 如果这个开关打开，circuit将一直关闭且忽略circuitBreaker.errorThresholdPercentage
4.Metrics相关参数
- hystrix.command.default.metrics.rollingStats.timeInMilliseconds 设置统计的时间窗口值的，毫秒值，circuit break 的打开会根据1个rolling window的统计来计算。若rolling window被设为10000毫秒，则rolling window会被分成n个buckets，每个bucket包含success，failure，timeout，rejection的次数的统计信息。默认10000
- hystrix.command.default.metrics.rollingStats.numBuckets 设置一个rolling window被划分的数量，若numBuckets＝10，rolling window＝10000，那么一个bucket的时间即1秒。必须符合rolling window % numberBuckets == 0。默认10
- hystrix.command.default.metrics.rollingPercentile.enabled 执行时是否enable指标的计算和跟踪，默认true
- hystrix.command.default.metrics.rollingPercentile.timeInMilliseconds 设置rolling percentile window的时间，默认60000
- hystrix.command.default.metrics.rollingPercentile.numBuckets 设置rolling percentile window的numberBuckets。逻辑同上。默认6
- hystrix.command.default.metrics.rollingPercentile.bucketSize 如果bucket size＝100，window＝10s，若这10s里有500次执行，只有最后100次执行会被统计到bucket里去。增加该值会增加内存开销以及排序的开销。默认100
- hystrix.command.default.metrics.healthSnapshot.intervalInMilliseconds 记录health 快照（用来统计成功和错误绿）的间隔，默认500ms
5.Request Context 相关参数
hystrix.command.default.requestCache.enabled 默认true，需要重载getCacheKey()，返回null时不缓存
hystrix.command.default.requestLog.enabled 记录日志到HystrixRequestLog，默认true
6.Collapser Properties 相关参数
hystrix.collapser.default.maxRequestsInBatch 单次批处理的最大请求数，达到该数量触发批处理，默认Integer.MAX_VALUE
hystrix.collapser.default.timerDelayInMilliseconds 触发批处理的延迟，也可以为创建批处理的时间＋该值，默认10
hystrix.collapser.default.requestCache.enabled 是否对HystrixCollapser.execute() and HystrixCollapser.queue()的cache，默认true
7.ThreadPool 相关参数
线程数默认值10适用于大部分情况（有时可以设置得更小），如果需要设置得更大，那有个基本得公式可以follow：
requests per second at peak when healthy × 99th percentile latency in seconds + some breathing room
每秒最大支撑的请求数 (99%平均响应时间 + 缓存值)
比如：每秒能处理1000个请求，99%的请求响应时间是60ms，那么公式是：
1000 （0.060+0.012）
基本得原则时保持线程池尽可能小，他主要是为了释放压力，防止资源被阻塞。
当一切都是正常的时候，线程池一般仅会有1到2个线程激活来提供服务
- hystrix.threadpool.default.coreSize 并发执行的最大线程数，默认10
- hystrix.threadpool.default.maxQueueSize BlockingQueue的最大队列数，当设为－1，会使用SynchronousQueue，值为正时使用LinkedBlcokingQueue。该设置只会在初始化时有效，之后不能修改threadpool的queue size，除非reinitialising thread executor。默认－1。
- hystrix.threadpool.default.queueSizeRejectionThreshold 即使maxQueueSize没有达到，达到queueSizeRejectionThreshold该值后，请求也会被拒绝。因为maxQueueSize不能被动态修改，这个参数将允许我们动态设置该值。if maxQueueSize == -1，该字段将不起作用
- hystrix.threadpool.default.keepAliveTimeMinutes 如果corePoolSize和maxPoolSize设成一样（默认实现）该设置无效。如果通过plugin（https://github.com/Netflix/Hystrix/wiki/Plugins）使用自定义实现，该设置才有用，默认1.
- hystrix.threadpool.default.metrics.rollingStats.timeInMilliseconds 线程池统计指标的时间，默认10000
- hystrix.threadpool.default.metrics.rollingStats.numBuckets 将rolling window划分为n个buckets，默认10