毛剑
Go 进阶训练营 第5课 Go 架构实践 - 微服务（微服务可用性设计）
隔离 超时控制 过载保护 限流 降级 重试 负载均衡 最佳实践 References
隔离
隔离，本质上是对系统或资源进行分割，从而实现当系统发生故障时能限定传播范围和影响范围，即发生故障后只有出问题的服务不可用，保证其他服务仍然可用。 服务隔离 动静分离、读写分离 轻重隔离 核心、快慢、热点 物理隔离 线程、进程、集群、机房
隔离 - 服务隔离
动静隔离: 小到 CPU 的 cacheline false sharing、数据库 mysql 表设计中避免 bufferpool 频繁过期，隔离动静表，大到架构设计中的图片、静态资源等缓存加速。本质上都体现的一样的思路，即加速/缓存访问变换频次小的。比如 CDN 场景中，将静态资源和动态 API 分离，也是体现了隔离的思路: 降低应用服务器负载，静态文件访问负载全部通过CDN。 对象存储存储费用最低。 海量存储空间，无需考虑存储架构升级。 静态 CDN 带宽加速，延迟低。
隔离 - 服务隔离
archive: 稿件表，存储稿件的名称、作者、分类、tag、状态等信息，表示稿件的基本信息。 在一个投稿流程中，一旦稿件创建改动的频率比较低。 archive_stat: 稿件统计表，表示稿件的播放、点赞、收藏、投币数量，比较高频的更新。 随着稿件获取流量，稿件被用户所消费，各类计数信息更新比较频繁。 MySQL BufferPool 是用于缓存 DataPage 的，DataPage 可以理解为缓存了表的行，那么如果频繁更新 DataPage 不断会置换，会导致命中率下降的问题，所以我们在表设计中，仍然可以沿用类似的思路，其主表基本更新，在上游 Cache 未命中，透穿到 MySQL，仍然有 BufferPool 的缓存。 读写分离：主从、Replicaset、CQRS。
隔离 - 轻重隔离
核心隔离 业务按照 Level 进行资源池划分（L0/L1/L2）。 核心/非核心的故障域的差异隔离（机器资源、依赖资源）。 多集群，通过冗余资源来提升吞吐和容灾能力。
隔离 - 轻重隔离
快慢隔离 我们可以把服务的吞吐想象为一个池，当突然洪流进来时，池子需要一定时间才能排放完，这时候其他支流在池子里待的时间取决于前面的排放能力，耗时就会增高，对小请求产生影响。 日志传输体系的架构设计中，整个流都会投放到一个 kafka topic 中（早期设计目的: 更好的顺序 IO），流内会区分不同的 logid，logid 会有不同的 sink 端，它们之前会出现差速，比如 HDFS 抖动吞吐下降，ES 正常水位，全局数据就会整体反压。 按照各种纬度隔离：sink、部门、业务、logid、重要性（S/A/B/C）。 业务日志也属于某个 logid，日志等级就可以作为隔离通道。
隔离 - 轻重隔离
热点隔离 何为热点？热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行缓存。比如： 小表广播: 从 remotecache 提升为 localcache，app 定时更新，甚至可以让运营平台支持广播刷新 localcache。atomic.Value 主动预热: 比如直播房间页高在线情况下 bypass 监控主动防御。
隔离 - 物理隔离
线程隔离 主要通过线程池进行隔离，也是实现服务隔离的基础。把业务进行分类并交给不同的线程池进行处理，当某个线程池处理一种业务请求发生问题时，不会讲故障扩散和影响到其他线程池，保证服务可用。 对于 Go 来说，所有 IO 都是 Nonblocking，且托管给了 Runtime，只会阻塞 Goroutine，不阻塞 M，我们只需要考虑 Goroutine 总量的控制，不需要线程模型语言的线程隔离。