面试题：微服务架构下的故障隔离与容错处理

故障隔离实现方式

容器化：使用 Docker 等容器技术，将每个微服务隔离在独立的容器中，这样一个容器内的故障不会直接影响其他容器。每个容器有自己独立的运行环境，包括操作系统、进程空间等。
独立部署：每个微服务部署在独立的服务器或虚拟机上，避免因服务器资源竞争导致一个服务故障影响其他服务。可以根据微服务的资源需求灵活分配服务器资源。
资源限制：对每个微服务的资源（如 CPU、内存、网络带宽）进行限制。例如，在 Kubernetes 中，可以通过设置 requests 和 limits 来限制容器对 CPU 和内存的使用，防止某个服务因资源耗尽而拖垮整个系统。

常见容错模式

熔断

原理：熔断器监控服务调用的健康状况，当失败率达到一定阈值（如连续 10 次调用中有 8 次失败），熔断器就会打开，后续请求不再发送到实际服务，而是直接返回一个预设的 fallback 响应，避免无效请求持续占用资源。一段时间后（如 10 秒），熔断器进入半开状态，允许少量请求通过，若这些请求成功，熔断器关闭，恢复正常调用；若仍失败，熔断器再次打开。
应用场景：适用于依赖的外部服务不稳定，可能出现高延迟或频繁失败的场景。例如，调用第三方支付接口时，如果接口不稳定，使用熔断模式可以防止系统因等待支付接口响应而长时间阻塞。
具体实现：在 Java 中，Hystrix 是常用的实现熔断的库。通过在方法上使用 @HystrixCommand 注解，并指定 fallback 方法，如：

@HystrixCommand(fallbackMethod = "paymentFallback")
public String makePayment() {
    // 调用第三方支付接口的代码
}

public String paymentFallback() {
    // 熔断后的 fallback 处理逻辑
    return "支付服务暂时不可用，请稍后重试";
}

限流

原理：通过限制单位时间内进入系统或服务的请求数量，防止因请求过多导致系统资源耗尽。常见的限流算法有令牌桶算法和漏桶算法。令牌桶算法是系统以固定速率生成令牌放入桶中，请求到达时从桶中获取令牌，若桶中无令牌则拒绝请求；漏桶算法是请求像水一样流入桶中，以固定速率流出，多余的水（请求）溢出（被拒绝）。
应用场景：适用于防止恶意请求、保护系统免受突发流量冲击。例如，对于一些 API 接口，为防止被恶意刷接口，限制每个 IP 每分钟只能请求 100 次。
具体实现：在 Spring Boot 中，可以使用 RateLimiter 实现限流。以下是基于令牌桶算法的示例：

import com.google.common.util.concurrent.RateLimiter;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ApiController {
    private final RateLimiter rateLimiter = RateLimiter.create(10); // 每秒生成 10 个令牌

    @GetMapping("/api")
    public String api() {
        if (rateLimiter.tryAcquire()) {
            // 处理请求
            return "请求成功";
        } else {
            return "请求过于频繁，请稍后重试";
        }
    }
}

重试

原理：当服务调用失败时，按照一定的策略（如固定间隔时间、指数退避等）重新发起调用，期望在后续的尝试中成功。固定间隔时间重试是每次重试间隔固定时间，如每次间隔 1 秒；指数退避重试是每次重试间隔时间呈指数增长，如第一次间隔 1 秒，第二次间隔 2 秒，第三次间隔 4 秒等，以避免瞬间大量重试请求对系统造成更大压力。
应用场景：适用于因网络抖动、短暂的服务不可用等临时性故障导致的调用失败。例如，在调用数据库查询数据时，偶尔出现网络闪断导致查询失败，此时可以重试。
具体实现：在 Java 中，RetryTemplate 是 Spring Retry 提供的重试工具。示例如下：

import org.springframework.retry.annotation.EnableRetry;
import org.springframework.retry.backoff.ExponentialBackOffPolicy;
import org.springframework.retry.policy.SimpleRetryPolicy;
import org.springframework.retry.support.RetryTemplate;
import org.springframework.stereotype.Service;

@Service
@EnableRetry
public class DatabaseService {
    private final RetryTemplate retryTemplate;

    public DatabaseService() {
        this.retryTemplate = new RetryTemplate();

        ExponentialBackOffPolicy backOffPolicy = new ExponentialBackOffPolicy();
        backOffPolicy.setInitialInterval(1000); // 初始间隔 1 秒
        backOffPolicy.setMultiplier(2); // 间隔时间翻倍
        backOffPolicy.setMaxInterval(10000); // 最大间隔 10 秒
        retryTemplate.setBackOffPolicy(backOffPolicy);

        SimpleRetryPolicy retryPolicy = new SimpleRetryPolicy();
        retryPolicy.setMaxAttempts(3); // 最大重试 3 次
        retryTemplate.setRetryPolicy(retryPolicy);
    }

    public String queryData() {
        return retryTemplate.execute(context -> {
            // 调用数据库查询数据的代码
            // 如果失败，会根据设置的策略重试
            return "查询结果";
        });
    }
}

星途面试题库

面试题：微服务架构下的故障隔离与容错处理

知识考点

面试题答案

故障隔离实现方式

常见容错模式

熔断

限流

重试