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. 云环境中的网络故障处理

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。

1.1 处理网络故障的常见方法

• 超时设置 ：超时指的是允许连接闲置的最长时间。缺乏超时设置，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，应在所有网络调用中设置超时，以减少故障的影响范围。确定合适的超时时间是关键，一般可参考过去服务请求的持续时间（延迟），找到一个能提供最佳客户体验的可接受基线，这个过程通常需要多次迭代。
• 重试机制 ：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，超时后的后续请求往往会成功。但无上限的重试可能会导致对自身系统的 DDoS 攻击，因此云工程师应谨慎使用。同时，并非所有网络调用都适合设置重试，需谨慎选择。
• 退避策略
  • 线性退避 ：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。
  • 指数退避 ：每次重试之间的延迟呈指数级增加，直到请求成功或达到重试上限。这种策略更优雅，可避免下游服务器过载和资源耗尽。