基于缓存、队列,熔断等技术如何保证微服务的高可用性在线答疑

基于缓存、队列,熔断等技术如何保证微服务的高可用性在线答疑

活动简介

微服务架构是互联网很热门的话题,某些企业发现系统有性能问题的时候,就把微服务当做一根救命稻草,认为微服务就能解决一切问题,甚至有些企业为了微服务而微服务。那微服务的高可用性自然也是传统企业和互联网都是非常关注的。眼下互联网架构三板斧“高可用可扩展,缓存提速,消峰减流去并发”的架构秘籍在微服务架构体系中却有着不一样的诠释。在微服务中消息对列不仅用来消峰,还可以通过消息队列来解决微服务之间的多耦合,把同步调用转化为异步调用,减少调用链路,提升系统稳定性。单体应用拆分为独立的多个无形中增加了系统的响应时间,可以通过本地缓存,分布式缓存相结合的方式来弥补性能的损耗。以前通过内部接口调用的方法变成RPC调用多个服务,服务与服务之间还有依赖关系,每个服务接口响应时间也都不一样,简单的设置单个接口的超时时间已解决不了问题,可通过服务定级,哪些服务不能出问题,哪些服务允许有异常,采用降级、熔断的方式来解决问题,以达到系统的高可用。这三种方式如能合理运用,微服务的高可用性大大提升,所以说缓存,队列,熔断降级成了微服务架构中的新三板斧。

twt社区特别邀请来自互联网金融的专家:潘志伟,某金融企业,拥有十多年从业经验,精通微服务架构,精通大数据,拥有亿级用户平台架构经验,万级并发的API网关经验。特意帮助大家解决在微服务架构中如何通过“新三板斧”技术保障微服务的高可用性,希望能解决大家在应用微服务担忧。并且进行了原创分享实例:金融行业如何从0开始到4500W用户将单体应用迁移到微服务实践过程分享

这次我的分享内容主要以金融行业为例,完整讲述了如何将线上运行的单体应用无缝从0开始迁移到微服务的过程,同时也讲述了在微服务实施过程中需要哪些工具的支撑、哪些人的支撑,以及微服务架构下的新三板斧技术等。可以帮助在单体应用是否需要微服务化转型的决策提供非常好的参考思路,同时也可以给正在实施微服务阶段的企业提供全方位的指导,从而帮助大家找到正确的解决问题的思路。

参与提问的样例:

例如:我们目前已经在实施微服务化,RPC框架使用Dubbo 2.5.3版本,主要做生鲜电商类平台。在商品详情页调用了很多服务,比如商品基本信息,优惠券,活动,猜你喜欢等很多服务,当有活动的时候QPS非常高,后端服务压力太大,经常服务宕机,所以打算通过增加缓存的方式来提高QPS,但是需要调用这么多服务不清楚在哪里做缓存,缓存更新需要什么策略,哪些不能缓存?

大家可以参考以上提问的样例,希望能结合自己的实际场景,以及困难来进行提问,这样参与的嘉宾,可以更好详细的针对大家的实际难点进行解答。


 

 

 

主题资料

金融企业如何从0到4500W用户将单体应用迁移到微服务实践分享

#潘志伟技术总监, 上海某互联网金融公司
互联网架构三板斧“熔断、缓存、消息队列”融入到微服务架构中?服务拆分之后响应时间变长了怎么优化?分布式事物怎么用最小的的代价来处理?本文以金融行业为例,完整讲述了如何将线上运行的单体应用无缝从0开始迁移到微服务的过程,同时也讲述了在微服务实施过程中需要哪些工具的支撑、哪些人的支撑等。可以帮助在单体应用是否需要微服务化转型的决策提供非常好的参考思路,同时也可以给正在实施微服务阶段的企业提供全方位的指导,从而帮助大家找到正确的解决问题的思路。同时介绍了微服务架构过程中的相关使用技巧以及通过实战角度来具体化相关技术的使用方式,是微服务实施过程中非常有借鉴意义的实践参考。

分享嘉宾

尘世随缘尘世随缘技术总监, 上海某互联网金融公司
发布180
回答138

嘉宾

狂风吹漠北狂风吹漠北软件开发工程师, 阳光保险
发布6
回答2

活跃参与会员

  • aigoppb
  • fudaliang1999
  • lxk215313951
  • wanggeng
  • dean25
  • wykkx
  • daizhe123123
  • 尘世随缘
  • simba83524
  • liujinlong
  • benjaminbin
  • Jerry.Duna
  • beatles_wang
  • 飞翔猪
  • 狂风吹漠北
  • Steven99
  • panmeng
  • yinqi0
  • ruffylangzi
  • 苍蝇酒瓶
  • 小菜cls
  • liufengyi
  • gxcornflakes
  • chengfeiw
  • 狄俄尼索斯
  • 江中芦苇
  • aixchina
  • 晓黎
  • jackyduys
  • yyanthony
  • jjdst
  • lyq6666
  • sunl163
  • asdf-asdf
  • counship
  • 苏十一
  • caofei
  • faye
  • xiaojiet2142
  • twt社区编辑
  • zyxdark
  • 彬彬
  • xijiehaiqing
  • jxnxsdengyu
  • xiaokfy
  • wgsjs
  • yinxin
  • 小白的踌躇
  • lxpeng163
  • AixTester
  • Laozhao
  • beijingliving
  • wangweilong
  • lding1985
  • maxzhu5250703
  • iven_89
  • raopinglin
  • jwhdhr
  • leelg
  • huaweitac
  • wangdd
  • wodese7en
  • huijx
  • ntzs
  • 郑金辉
  • yhrain
  • BoCloud博云
  • cf_chenfeng2000
  • guoxilin
  • youyouwoxin888
  • 长诗佐酒
  • 挚爱咖啡
  • 乃伊组特
  • yxu
  • djfml
  • sunjuzhong
  • 离散的风123
  • wigginslee
  • twpig2008
  • hd000001
  • 心儿_gya
  • liveonsky
  • 徐生韦
  • yuanruxu
  • nameless
  • 小戴
  • zhaomin
  • wangjianiris
  • Garyy
  • 是ht
  • boriswang
  • daniel_pan
  • 刘悦炀
  • Mengsystem
  • MarginHu
  • zhanxuechao
  • spx
  • allenyan
  • leffix
  • he7yong
  • AaBb135246
  • qinheng
  • lvchunhui
  • xuwenyu
  • 所罗门塔
  • PanMichael
  • lxf7737
  • whitman
  • fuzzycole
  • 赭山东路
  • Hezhibin0227
  • zxk
  • daixg2018
  • wwwkkk648
  • hut51
  • 大白熊F
  • 半夏蒲公英
  • 三生石上
  • Buring
  • 俞好龙
  • A2320420384
  • tianqi
  • 周飞飞
  • zhanghaichang
  • r00tadmin
  • Sou1
  • Rancher
  • lulacc
  • wfox1980
  • secondiinone
  • jinye
  • sacasdf434frsd
  • zhh321
  • liuhuowu
  • Windyarea
  • lionor
  • jiang9387
  • Alusss
  • solofeng
  • molyson
  • chnsummer
  • echolife
  • wind_finding
  • omij1230
  • ericsono
  • zhangyuan
  • bsd2019
  • chenwattt
  • hj354604
  • ganyi521
  • Hunter123
  • fox_lin
  • godlikecx
  • baodouok
  • lonelyblue
  • sampras
  • yanyunqq
  • ericale
  • chengsam
  • JuliusChen
  • Jiahaoqi
  • Zuliux
  • Okabe
  • tangh1022
  • zeng1848549779