面试题答案
一键面试熔断与降级策略权衡
- 业务场景分析
- 核心业务：对于核心业务，如支付、订单确认等，熔断优先。因为这些业务一旦出错影响重大，熔断可以快速切断故障源，防止级联故障。例如在电商支付场景中，若支付服务出现问题，熔断可避免因持续调用支付服务失败导致整个订单流程阻塞。
- 非核心业务：如推荐系统、广告展示等，降级优先。这些业务出现故障对整体业务影响相对较小，通过降级可释放资源保证核心业务运行。比如新闻 APP 的个性化推荐服务异常时，可降级为通用推荐，维持 APP 基本功能。
- 故障类型判断
- 瞬时故障：若故障是瞬时的，如网络抖动等导致的短暂服务不可用，采用降级策略较好。通过临时降低服务质量，等待故障恢复，避免因不必要的熔断导致服务不可用时间延长。
- 持续性故障：当故障为持续性的，如服务代码存在严重 bug，应触发熔断。防止大量无效请求浪费资源，同时促使开发团队尽快修复问题。
- 用户体验考量
- 可接受的服务降级：如果用户对某些功能服务质量降低有一定容忍度，可采用降级策略。如视频平台在高峰时段将视频清晰度从高清降级为标清，用户仍能正常观看视频，同时节省服务器资源。
- 不可接受的服务中断：对于用户不能接受中断的服务，熔断时需谨慎。应结合其他措施，如备用服务切换，尽量减少服务中断时间。例如在线游戏的实时对战服务，若直接熔断会严重影响用户体验，需有备用方案。
根据动态因素调整策略
- 基于业务流量调整
- 流量激增：当业务流量突然大幅增加时，若系统资源紧张，可适当放宽熔断阈值，同时加大降级范围。例如，电商大促期间，对一些边缘服务进行更大程度的降级，如减少商品详情页的非关键图片展示，对核心服务的熔断阈值从 50%失败率提高到 70%，避免因正常流量波动触发熔断。
- 流量低谷：流量低谷时，收紧熔断阈值，降低降级程度。可以更敏感地检测服务故障，及时发现潜在问题，如将熔断阈值从 70%降低到 50%，恢复一些在高峰时降级的服务功能，提升服务质量。
- 依据系统资源使用情况调整
- CPU 使用率高：若 CPU 使用率持续超过阈值（如 80%），对计算密集型服务加大降级力度，如减少复杂的数据分析服务功能，或提高熔断阈值，优先保证系统基本运行。
- 内存不足：当内存使用率接近上限，可对占用大量内存的服务进行熔断或更激进的降级，如关闭缓存服务的部分缓存功能，释放内存资源。
技术手段
- 服务治理框架：如 Spring Cloud Alibaba Sentinel、Hystrix 等。它们提供了熔断和降级的功能实现，并且可以通过配置动态调整策略。例如 Sentinel 可通过控制台实时修改熔断规则和降级规则，Hystrix 可以通过动态属性配置实现策略调整。
- 配置中心：如 Apollo、Nacos 等。将熔断和降级策略配置集中管理，通过配置的动态更新，实现策略的实时调整。例如在 Apollo 中修改熔断阈值配置，相关服务可以实时获取新配置并应用。
- 自动化脚本：编写脚本定时获取系统资源指标和业务流量数据，根据预设规则调用服务治理框架的 API 进行策略调整。如使用 Python 结合相关 SDK，定时查询 Prometheus 中的监控数据，根据流量和资源使用情况调整 Sentinel 的熔断和降级规则。
监控指标
- 业务流量指标
- 请求量：每秒、每分钟的请求数量，反映业务流量大小。通过统计不同服务的请求量，了解业务繁忙程度。如电商商品详情页服务的每秒请求量。
- 并发量：同时处理的请求数量，衡量系统在某一时刻的负载压力。如在线教育平台直播服务的并发观看人数。
- 系统资源指标
- CPU 使用率：系统 CPU 的占用比例，过高表明系统计算资源紧张。可通过操作系统自带工具或监控系统（如 Prometheus + Grafana）获取。
- 内存使用率：已使用内存占总内存的比例，反映内存资源使用情况。同样可通过系统工具或监控系统获取。
- 磁盘 I/O 使用率：磁盘读写操作的繁忙程度，过高可能影响服务性能。例如数据库服务对磁盘 I/O 要求较高，需关注此指标。
- 网络带宽使用率：网络带宽的占用比例，网络带宽不足可能导致服务响应缓慢。对于依赖网络传输大量数据的服务，如文件存储服务，该指标很重要。
- 服务健康指标
- 请求成功率：成功请求数与总请求数的比例，直接反映服务的健康状况。若成功率持续下降，可能需要调整熔断或降级策略。
- 平均响应时间：处理请求的平均耗时，过长的响应时间可能暗示服务性能问题，可作为熔断或降级触发的参考指标。
- 错误率：错误请求数与总请求数的比例，与请求成功率相对，也是衡量服务健康的重要指标。