18、云工程的关键要点与实践策略

云工程的关键要点与实践策略

1. 云端网络故障处理

在云计算时代，网络故障尤其是临时性故障是不可避免的。这些故障形式多样，可能源于服务器、路由器、负载均衡器、连接池、软件应用、人为错误以及 DNS 等。因此，在分布式系统环境中为云编写软件应用时，需要格外谨慎，并具备弹性思维，让应用能够承受这些故障而不影响客户体验。

1.1 常见处理方法

常见的处理网络故障的方法包括使用超时、重试以及带退避和抖动的重试。
- 超时（Timeout） ：简单来说，超时指的是允许连接闲置的最长时间。如果没有设置超时，再加上与其他服务的连接问题，往往会导致延迟增加和资源耗尽。作为云工程师，应该为所有网络调用设置超时，以减少故障的影响范围。确定合适的超时时间是关键，一般可以参考过去服务请求的持续时间（延迟）来找到一个可接受的基线，这个过程通常需要多次迭代才能确定一个可持续的数值。
- 重试（Retries） ：重试是应对临时性故障的有效方法。由于云环境中请求的特性，超时后的后续请求通常会成功。但无上限的重试可能会导致对自己系统的 DDoS 攻击，因此云工程师要谨慎使用。而且，并非所有网络调用都适合设置重试，需要有所选择。
- 退避（Backoff） ：退避是一种优雅地进行重试的技术，可避免后端系统过载。
- 线性退避（Linear Backoff） ：在调用之间添加固定延迟进行重试，这种方法简单易实现，能处理大多数临时性故障，但当下游服务长时间受影响时，固定速率的重试会继续使服务过载。
-