
微服务
savorTheFlavor
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Spring Cloud底层原理
文章目录Spring Cloud核心组件:EurekaSpring Cloud核心组件:FeignSpring Cloud核心组件:RibbonSpring Cloud核心组件:HystrixSpring Cloud核心组件:Zuul总结 Spring Cloud核心组件:Eureka 如上图所示,库存服务、仓储服务、积分服务中都有一个Eureka Client组件,这个组件专门负责将这个服务的...转载 2019-03-25 21:02:21 · 288 阅读 · 0 评论 -
微服务注册中心如何承载大型系统的千万级访问
文章目录问题起源Eureka Server设计精妙的注册表存储结构Eureka Server端优秀的多级缓存机制总结 问题起源 下面这些问题,大家先看看,有个大概印象。带着这些问题,来看后面的内容,效果更佳 Eureka注册中心使用什么样的方式来储存各个服务注册时发送过来的机器地址和端口号? 各个服务找Eureka Server拉取注册表的时候,是什么样的频率? 各个服务是如何拉取注册表的? 一个...转载 2019-03-25 21:20:04 · 246 阅读 · 0 评论 -
Java并发面试问题之微服务注册中心的读写锁优化
微服务注册中心的读写锁优化 先来看看下面的图,现在我们知道一个微服务注册中心(可以是Eureka或者Consul或者你自己写的一个微服务注册中心),他肯定会在内存中有一个服务注册表的概念。 这个服务注册表中就是存放了各个微服务注册时发送过来的自己的地址信息,里面保存了每个服务有多少个服务实例,每个服务实例部署在哪台机器上监听哪个端口号,主要是这样的一些信息。 OK,那现在问题来了,这个服务注册表...转载 2019-03-25 21:41:52 · 1792 阅读 · 0 评论 -
每秒上万并发下的Spring Cloud参数优化实战
场景引入,问题初现 朋友A的公司做互联网类的创业,组建了一个小型研发团队,上来就用了Spring Cloud技术栈来构建微服务架构的系统。 一段时间没日没夜的加班,好不容易核心业务系统给做出来了,平时正常QA测试没发现什么大毛病,感觉性能还不错,一切都很完美。 然后系统就这么上线了,一开始用户规模很小,注册用户量小几十万,日活几千用户。 每天都有新的数据进入数据库的表中,就这么日积月累的,没想...转载 2019-03-26 11:35:16 · 660 阅读 · 0 评论 -
微服务架构如何保障99.99%高可用
微服务架构本身最最核心的保障高可用的措施,就是两点: 一个是基于Hystrix做资源隔离以及熔断; 另一个是做备用降级方案。 如果资源隔离和降级都做的很完善,那么在双11这种高并发场景下,也许可能会出现个别的服务故障,但是绝不会蔓延到整个系统全部宕机。 业务场景介绍 大家首先回顾一下下面这张图,这是上篇文章中说到的一个公司的系统。 如上图,核心服务A调用了核心服务B和C,在核心服务B...转载 2019-03-26 11:56:08 · 2780 阅读 · 0 评论 -
最终一致性分布式事务如何保障实际生产中99.99%高可用
在实际系统的开发过程中,可能服务间的调用是异步的。 也就是说,一个服务发送一个消息给MQ,即消息中间件,比如RocketMQ、RabbitMQ、Kafka、ActiveMQ等等。 然后,另外一个服务从MQ消费到一条消息后进行处理。这就成了基于MQ的异步调用了。 那么针对这种基于MQ的异步调用,如何保证各个服务间的分布式事务呢? 也就是说,我希望的是基于MQ实现异步调用的多个服务的业务逻辑,要么一起...转载 2019-03-27 11:31:32 · 647 阅读 · 0 评论 -
令牌桶算法VS漏桶算法
漏桶 漏桶的出水速度是恒定的,漏桶算法能很好地控制流量的访问速度,但如果瞬时大流量的话,将有大部分请求被丢弃掉(也就是所谓的溢出)。 令牌桶 生成令牌的速度(入水速度)是恒定的,而请求去拿令牌是没有速度限制的。这意味,面对瞬时大流量,该算法可以在短时间内请求拿到大量令牌,能够在限制数据的平均传输速率的同时还允许某种程度的突发传输。 ...原创 2019-04-03 11:23:26 · 578 阅读 · 0 评论