一次线上事故，我顿悟了异步的精髓

左手的ㄟ右手 2024-03-17 13:11 19阅读 0赞

在高并发的场景下，**异步**是一个极其重要的优化方向。

前段时间，生产环境发生一次事故，笔者认为事故的场景非常具备**典型性** 。

写这篇文章，笔者想和大家深入探讨该场景的架构优化方案。希望大家读完之后，可以对**异步**有更深刻的理解。

## 1 业务场景 ##

老师登录教研平台，会看到课程列表，点击课程后，课程会以视频的形式展现出来。

![format_png][]

访问课程详情页面，包含两个核心动作：

1.  **读取课程视频信息** :
    
    从缓存服务器 Redis 获取课程的视频信息 ，返回给前端，前端通过视频组件渲染。
2.  **写入课程观看行为记录** :
    
    当教师观看视频的过程中，浏览器每隔3秒发起请求，教研服务将观看行为记录插入到数据库表中。而且随着用户在线人数越多，写操作的频率也会指数级增长。

上线初期，这种设计运行还算良好，但随着在线用户的增多，系统响应越来越慢，大量线程阻塞在写入视频观看进度表上的 Dao 方法。上。

首先我们会想到一个非常直观的方案，**提升写入数据库的能力**。

1.  优化 SQL 语句；
2.  提升 MySQL 数据库硬件配置 ;
3.  分库分表。

这种方案其实也可以满足我们的需求，但是通过扩容硬件并不便宜，另外写操作可以允许适当延迟和丢失少量数据，那这种方案更显得性价比不足。

那么架构优化的方向应该是： **“减少写动作的耗时，提升写动作的并发度”** ， 只有这样才能让系统更顺畅的运行。

于是，我们想到了第二种方案：**写请求异步化**。

*  线程池模式
 *  本地内存 + 定时任务
 *  MQ 模式
 *  Agent 服务 + MQ 模式

## 2 线程池模式 ##

2014年，笔者在艺龙旅行网负责红包系统相关工作。运营系统会调用红包系统给特定用户发送红包，当这些用户登录 app 后，app 端会调用红包系统的激活红包接口 。

激活红包接口是一个写操作，速度也比较快(20毫秒左右)，接口的日请求量在2000万左右。

应用访问高峰期，红包系统会变得不稳定，激活接口经常超时，笔者为了快速解决问题，采取了一个非常粗糙的方案：

"**控制器收到请求后，将写操作放入到独立的线程池中后，立即返回给前端，而线程池会异步执行激活红包方法**"。

坦率的讲，这是一个非常有效的方案，优化后，红包系统非常稳定。

回到教研的场景，见下图，我们也可以设计类似线程池模型的方案：

![format_png 1][]

使用线程池模式，需要注意如下几点：

1.  线程数不宜过高，避免占用过多的数据库连接池 ;
2.  需要考虑评估线程池队列的大小，以免出现内存溢出的问题。

## 3 本地内存 + 定时任务 ##

开源中国统计浏览数的方案非常经典。

用户访问过一次文章、新闻、代码详情页面，访问次数字段加 1 , 在 oschina 上这个操作是异步的，访问的时候只是将数据在内存中保存，每隔固定时间将这些数据写入数据库。

![format_png 2][]

示例代码如下：

![format_png 3][]

我们可以借鉴开源中国的方案 ：

1.  控制器接收请求后，观看进度信息存储到本地内存 LinkedBlockingQueue 对象里；
2.  异步线程每隔1分钟从队列里获取数据 ，组装成 List 对象，最后调用 Jdbc batchUpdate 方法批量写入数据库；
3.  批量写入主要是为了提升系统的整体吞吐量，每次批量写入的 List 大小也不宜过大 。

这种方案优点是：不改动原有业务架构，简单易用，性能也高。该方案同样需要考虑内存溢出的风险。

## 4 MQ 模式 ##

很多同学们会想到 MQ 模式 ，消息队列最核心的功能是**异步**和**解耦**，MQ 模式架构清晰，易于扩展。

![format_png 4][]

核心流程如下：

1.  控制器接收写请求，将观看视频行为记录转换成消息 ；
2.  教研服务发送消息到 MQ ，将写操作成功信息返回给前端 ；
3.  消费者服务从 MQ 中获取消息 ，批量操作数据库 。

这种方案优点是：

1.  MQ 本身支持高可用和异步，发送消息效率高 , 也支持批量消费;
2.  消息在 MQ 服务端会持久化，可靠性要比保存在本地内存高；

不过 MQ 模式需要引入新的组件，增加额外的复杂度。

## 5 Agent 服务 + MQ 模式 ##

互联网大厂还有一种常见的**异步**的方案：Agent 服务 + MQ 模式。

![format_png 5][]

教研服务器上部署 Agent 服务（独立的进程） , 教研服务接收写请求后，将请求按照固定的格式（比如 JSON ）写入到本次磁盘中，然后给前端返回成功信息。

Agent 服务会监听文件变动，将文件内容发送到消息队列 , 消费者服务获取观看行为记录，将其存储到 MySQL 数据库中。

还有一种演进，假设我们不想在应用中依赖消息队列，不生成本地文件，可以采用如下的方式：

![format_png 6][]

这种方案最大的优点是：架构分层清晰，业务服务不需要引入 MQ 组件。

笔者原来接触过的性能监控平台，或者日志分析平台都使用这种模式。

## 6 总结 ##

学习需要一层一层递进的思考。

第一层：什么场景下需要异步

*  大量写操作占用了过多的资源，影响了系统的正常运行；
 *  写操作异步后，不影响主流程，允许适当延迟；

第二层：异步的外功心法

本文提到了四种异步方式：

*  线程池模式
 *  本地内存 + 定时任务
 *  MQ 模式
 *  Agent 服务 + MQ 模式

它们的共同特点是：将写操作命令存储在一个池子后，立刻响应给前端，减少写动作的耗时。任务服务异步从池子里获取任务后执行。

第三层：异步的本质

在笔者看来，**异步是更细粒度的使用系统资源的一种方式**。

在教研课程详情场景里，数据库的资源是固定的，但写操作占据大量数据库资源，导致整个系统的阻塞，但写操作并不是最核心的业务流程，它不应该占用那么多的系统资源。

我们使用异步的解决方案时，无论是使用线程池，还是本地内存 + 定时任务 ，亦或是 MQ ，对数据库资源的使用都需要在合理的范围内，只有这样系统才能顺畅的运行。

[format_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/2040b3823f6243ff841760950957af35.png
[format_png 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/665f2113ef854cf4ad19be838d3359bc.png
[format_png 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/59ac98d08ad045b48496d9e8b6ac9cbb.png
[format_png 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/3d402dddcac4443db6055794079420fa.png
[format_png 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/bd7dbca269de4fa1a35224cbba43ebb4.png
[format_png 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/7e12c2a901904635906ac99cefbccd63.png
[format_png 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/eccdc8a09d534e899fb019cec82565c6.png