讓你的系統“堅挺不倒”的最后一個大招——「降級」

如果這是第二次看到我的文章，歡迎文末掃碼訂閱我喲~  

本文長度為4069字，建議閱讀11分鐘。

也許你對降級已經有了一些認識，認真看完，我想這篇文章可能會給你帶來一些新的收獲～

前面兩篇我們已經聊過了「熔斷」（如何在到處是“雷”的系統中「明哲保身」？這是第一招）和「限流」（想通關「限流」？只要這一篇），這次我們聊的就是「高可用三劍客」中剩下的「降級」。

不知道這里有多少小伙伴接觸過阿里的開放平臺。在每次大促的時候，阿里都會發布這樣的一個公告。

▲2018年雙12的公告內容

這些調整就是「降級」工作，目的是為了騰出更多資源給核心程序使用，以最大化保證核心業務的可用性，因此就必然需要對非核心業務執行一些降級處理。

一、什么是「降級」

降級的目的用一句話概括就是：將有限的資源效益最大化。

什么樣才是效益最大化呢？就像下面這個例子：

z哥有3個東西要買，一個3000的A、一個700的B、一個1200的C，對z哥的重要程度A>B>C。但此時，z哥手里只有3000塊錢，你說z哥該怎么選才能把錢花的最多？必然是選A咯。

根據28原則，我們知道一個系統80%的效益是由最核心的20%的功能產出的。剩下的20%效益需要投入80%的資源才能達到。

這就意味著，假如系統平時需要花費100%資源做100%的事情，如果現在訪問量增多3倍的話必定扛不住（需要300%的資源）。那么，在不增加資源的情況下，我希望系統不能宕機，依舊能正常工作，必然需要讓出那解決剩下20%問題的80%資源。如此一來，理論上這100%的資源就可以支撐原先5倍的訪問量。副作用是功能的完整性上受損80%。

當然，在實際的場景中不會降級掉80%的功能這么夸張，畢竟還得為用戶的體驗考慮。

舉個電商場景典型的例子，在大促的時候，最重要的是什么？轉化咯～賺錢咯～ 那么這個時候如果說「評論」功能占用了很多資源，你會怎么處理？其實我們可以選擇臨時關閉提交評論入口、關閉翻頁功能等等，讓下單的過程有更多的資源來處理。

常見的降級方案表現形式無非以下三種類型。

犧牲用戶體驗

為了減少對「冷數據」的獲取，禁用列表的翻頁功能。

為了放緩流量進入的速率，增加驗證碼機制。

為了減少“大查詢”浪費過多的資源，提高篩選條件要求（禁用模糊查詢、部分條件必選等）。

用通用的靜態化數據代替「千人千面」的動態數據。

甚至更簡單粗暴的，直接掛一個頁面顯示「XX功能在XX時間內暫時關閉」。

此類方案雖然或多或少降低了用戶的體驗，但是在某些時期，有些功能并不是「剛需」。以此換取對系統的保護是筆劃算的買賣。

犧牲功能完整性

還有一些功能是「防御性」的，如果愿意冒險“裸奔”一段時間也會帶來可觀的資源節約。

比如通過臨時關閉「風控」、取消部分「條件是否滿足」的判斷（如，將積分商品添加到購物車時判斷積分夠不夠）等操作，減少這類「驗證」動作以釋放更多的資源。

又或者將原本info、warning級別的日志采集關閉或者直接不采集，僅采集error以及fault級別的日志。

犧牲時效性

一個事件發生后立馬看到效果是一個很符合「思維慣性」的東西。但是根據之前的一篇文章（分布式系統關注點——數據一致性（上篇））我們知道，時效性這個東西一旦涉及到網絡傳輸是不存在真正的“實時”的。但是為了盡可能快的將處理后的結果反映到相關的地方，你會做很多努力。比如庫存的及時同步。

如果在特殊時期，能夠臨時降低對時效性的要求（3秒內生效變成30秒生效），也是一個有不錯收益的方案。

比如原先在商品頁會顯示當前還剩多少個庫存，現在可以調整成固定顯示「有貨」。

以及將一些原本就是異步進行的操作，處理效率放緩，甚至暫緩一段時間。如，送積分、送券等等。

講了這么多，降級具體實施起來要怎么做呢？

二、「降級」怎么做

主要分為兩個環節：定級定序和降級實現。

定級定序

就像前面的例子中提到的一樣，首先我們得先確定每個功能的「重要程度」，它決定了在什么情況下可以拋棄它以保證剩下的功能可用。

類似于給日志定義級別一樣，比如我們可以定義1～5五個級別，1的級別最高，要拼死保護。5的級別最低最先可以被降級掉。

一旦當系統壓力過大的時候，先把級別5的功能降級掉。如果還不夠再降級別4、級別3，以此類推。

但實際上光這樣定級還不夠，比如被定義為4級的有100個功能，需要降級的時候是一起降級嗎？很明顯粒度太粗了。

如果「定級」好比是橫著切蛋糕的話，「定序」就是再來豎著切。

我們也可以來定義一些數字，比如序號1～9，序號9最先被降級。

然后，你可以以每個程序所支撐的上游程序/功能數量作為一個參考標準。比如，同樣是級別5的程序，一個支撐了上游5個功能，一個支撐了10個功能，很顯然前者的序號應該更大，更先被降級。

當然，根據所支撐的功能數量只是一個「業務無關性」的通用辦法。如果想精益求精，還需要對每個功能做「作用」上的分析，畢竟不同功能之間的相對重要性還是有所差異的。（這里可以擴展了解一下Analytic Hierarchy Process，層次分析法，簡稱AHP）

對了，定級定序的時候有一點是需要格外注意的：某個程序所依賴的下游程序的級別不能低于該程序的級別。

為什么呢？因為一旦所依賴的程序被降級了，自然會導致其所支撐的所有上游程序不可用。所以，其上游程序的等級再高也是沒有意義的。

至此，完成了“排兵布陣”，接下來就是“實施運作”了。

降級實現

首先要制定觸發機制。這同熔斷、限流一樣，什么時候該觸發「降級」這個動作也需要依賴提前制定的一些策略。這部分內容和前面兩篇（熔斷、限流）類似，無非是接口的超時率、錯誤率，或者系統的資源耗用率等，這里就不重復展開了。

當程序發現滿足了降級條件進入「降級模式」后，程序該如何處理請求呢？

全局變量 int _runLevel = 3;  //運行系統級別，默認值5
全部變量 int _runIndex = 7;  //運行系統序號，默認值9

//以下是一個level=4、index=8的功能示例。
if(myLevel > _runLevel and myIndex > _runIndex){
    // 進入降級模式。
}
else{
    // do something...
}

題外話：通過Aop+注解（特性）的方式來做上面的if判斷是一個爽的事情。

雖然處理請求的方式有很多，但特別強調的是，要實現的降級策略要盡可能的簡單。因為「邊際效應」的存在，為了應對突發狀況把事情反而搞復雜了就得不償失了。

那么在實現部分，如果是前端。我們比較常見的是：

• 在返回的http報文中通過Cache-Control的設置，讓后續的請求直接走瀏覽器緩存。

• 頁面中原本需要異步加載的數據，直接不加載。

• 禁用部分操作按鈕，甚至直接告知“臨時關閉”。

• 動態頁面的url通過反響代理切換到靜態頁面返回。

這里面除了禁用按鈕外，大部分事情都可以在接入層，如nginx中處理掉，這樣可以避免對業務項目的代碼侵入。

如果是后端程序的話，針對「讀」類型的操作，可以將“// 進入降級模式”部分代碼寫成下面的樣子：

• 如果是無返回值方法。默認return或者throw一個異常。

• 如果是有返回值方法。默認返回本地mock的數據或者throw一個異常。

后端部分如果有使用一些中間件的話，直接在中間件（rpc、mq代理等）中處理掉是極好的（一般會內置一個fallback接口待實現），如此也可以避免對業務代碼的侵入。

最后我們來聊聊后端程序的「寫」問題。

緩存是大型系統中的常客，隨著系統規模越大，為了在性能和成本上尋求更優，不可避免的會增加復雜度引入多級緩存。如此就會變成：本地緩存 --> 分布式緩存 --> DB/源服務，這樣的一個層層遞進的關系。

平時的代碼可能是這樣的：

if(write數據庫(data) == true){
    if(write分布式緩存(data) == true){
        write本地緩存(data);        
        return success;
    }
    else{
        rollback數據庫(data);        
        return fail;
    }
}
else{    
    return fail;
}

在高負載時期，我們可以降低對一致性的要求。將耗時的「數據落盤」操作降級為「異步」進行。

if(write分布式緩存(data) == true){
    write本地緩存(data);
    
    pushMessage(data);
    
    //發出的消息可以通過集中式的MQ、也可以直接寫本地磁盤。
    
    return success;
}
else{
    return fail;
}

甚至，如果可以的話能做的更徹底，同步到分布式緩存也異步進行。

write本地緩存(data);
    
pushMessage(data);

//發出的消息可以通過集中式的MQ、也可以直接寫本地磁盤。
 
return success;

數據庫是系統的最后一座堡壘，非非非常極端的情況下，我們可以把一些「寫數據」操作在「數據庫訪問框架」中給禁用了，讓給所有資源都給到「讀數據」。使得系統從表象上來看至少還是“活著站在那”的，雖然很多功能操作一下就是返回失敗（這不也是實在沒辦法了嘛，面子得要啊，死撐～）。

三、總結

至此我們聊了做降級的思路以及最常見的一些實現方式，但是真正要把降級最好是一個任重而道遠的過程。

從方案的角度來說，如果降級的過程需對每個功能/程序逐一進行，那么理論上10個功能點就可以產生P(10，10)= 3628800種方案。

再從現實的角度來說，流量又是不可預測的。某些功能可能這次需要作為level2來看待，下次其實作為level3就夠了。

所以這是一個需要長期不斷打磨和調優的過程。

最后，希望近期的「高可用三劍客」可以作為你了解「高可用」的起點，可以先收藏防身（當然再分享一下也是極好的：）），歡迎后續一起交流探討～

Question：

你曾經是否有遇到過什么場景，當時是通過馬上改代碼來「降級」呢？歡迎來吐槽～

相關文章：

• 如何在到處是“雷”的系統中「明哲保身」？這是第一招

• 想通關「限流」？只要這一篇

• 分布式系統關注點——數據一致性（上篇）

作者：Zachary

出處：https://www.cnblogs.com/Zachary-Fan/p/degradation.html 

?關于作者：張帆（Zachary，個人微信號：Zachary-ZF）。堅持用心打磨每一篇高質量原創。歡迎掃描下方的二維碼~。

定期發表原創內容：架構設計丨分布式系統丨產品丨運營丨一些思考。

 

如果你是初級程序員，想提升但不知道如何下手。又或者做程序員多年，陷入了一些瓶頸想拓寬一下視野。歡迎關注我的公眾號「跨界架構師」，回復「技術」，送你一份我長期收集和整理的思維導圖。

如果你是運營，面對不斷變化的市場束手無策。又或者想了解主流的運營策略，以豐富自己的“倉庫”。歡迎關注我的公眾號「跨界架構師」，回復「運營」，送你一份我長期收集和整理的思維導圖。