系统高可用需要考虑哪些方面
一、背景：
在大部分系统中，特别是面向C端的应用，都会遇到一个问题，就是如保证系统的高可用，总不能经常挂，那用户肯定不愿意用了，在这个过程，就需要考虑很多方面。
PS：这里假设系统架构及部署是合理的。
二、限流：
限流通常是第一步，假如系统能够承载的并发是1k，但是突然打过来的流量有3k，不做限流的话，系统肯定直接打挂了。
那么，就需要通过压测知道系统的并发负载能力。
1、压测：
在公司内部，通常由测试人员使用压测平台或工具（或者使用类似jmeter这样的压测工具）进行压测，测试会写一些测试脚本。
大促之前的压测通常由测试、研发、运维、DBA、中间件组等共同支持，对核心接口同时进行压测，观察CPU、线程等机器运行情况，以及数据库和中间件的情况。
在保证各方面参数正常的情况下，最终得到并发负载的阈值。
举个栗子：
我们主要关注TPS、TP99、错误率这些核心参数。
互联网业务的接口，TP99通常在200ms以内较好。
2、压测最主要解决的问题：
很明显，能通过扩容机器解决的问题几乎都不是问题，加机器谁不会呢。
压测最主要目的是找到扩容机器无法解决的问题，例如数据库连接不足。
3、压测之后：
压测之后，需要根据这些参数进行分析，错误率太高什么原因，并发太低又是因为什么？
我们发现这个接口的并发很低，怎么查看原因呢，可以通过skywalking查看整个调用链路，到底是哪个环节比较慢。
从整个追踪链路可以查看哪个环节最耗时，是否可以优化，怎么优化。
4、如何限流：
通常公司会有自己的服务治理平台，无论是自研还是三方开源（如：阿里Sentinel），也可以在网关层做限流。
上图是我司的限流配置，给sentinel套了个壳子，支持集群限流。
三、熔断：
通常就是后端的依赖出了问题，如依赖的服务、MySQL或者Redis很慢甚至挂了等类似的场景，这时候整个接口响应就很慢。
在一定时间内错误达到阈值，这时候开启熔断，对应时间窗口直接拒绝请求，之后再尝试处理请求。
1、为什么需要熔断：
RPC接口调用肯定会设置timeout时间，正常情况下，很少有超时的，用来保证接口响应，不可能一直阻塞等待。
如果没有熔断，可能会出现大量线程阻塞等待，最终把服务拖垮。
亦或者是被依赖的服务，这时候负载比较大，开启熔断，说不定就缓过来了。
2、使用场景：
出于安全和性能考虑，并发高的接口都可以设置熔断。
3、实现：
通过类似Hystrix的三方工具就可以实现熔断。（Resilience4j）
四、降级：
降级是在熔断的后面，如果熔断器开启，就谈不上主动降级。
降级主要分为两种大方向：
1、系统向外提供服务，肯定区分核心接口（功能）和非核心接口，当我们服务器负载过大，超过预设的阈值，可以通过在网关层设置开关将非核心接口暂停提供服务，从而尽量保证核心接口一定可用。
2、例如一个查询接口，本来要查询MySQL的，但是MySQL挂了，触发降级，从本地缓存中读取少量数据或历史数据，然后将结果返回。
1、实现降级：
1、在网关层开发规则开关，能够实时生效，快速处理紧急的问题。
2、如果是第二种场景，可以通过Hystrix实现。
五、资源隔离：
隔离就想轮船一样，会有很多货舱，相互隔离，即使某个货舱出了问题，也不会影响整个轮船。
解决的问题：当系统某个接口调用别的服务出现问题，请求一直阻塞在这里。如果并发高的话，会导致越来越多的线程资源被占用阻塞，最终可能就拖垮整个服务了。
通过设置资源隔离，例如这个接口设置最多占用20个线程。
1、对比：
资源隔离和熔断有一部分功能是重合的。例如依赖的服务负载很高，响应超级慢。
无论是哪一种解决方式都可以解决，亦或者两种都用上，只是哪个先生效的问题。
在调用MySQL或者Redis等中间件时候，这时候更倾向于用熔断器，例如查询MySQL一直报错，这时候开启熔断，直接返回了，减少资源浪费，等待MySQL恢复。
六、报警：
监控报警特别重要，即使前面的各种措施都做了（何况大部分系统也可能都做了），系统还是可能出问题，如果没有监控报警，可能需要用户报障或者系统炸了你才知道。
常见的监控报警大概分为几方面：应用告警、业务告警、微服务指标告警、慢SQL告警、中间件告警等。
1、应用告警：
应用报警包含了服务级别、日志告警、接口级别告警等。
告警参数及标准在对应平台设置好。
2、业务告警：
主要推送业务方面的告警信息，例如是核心接口，某些数据校验未通过这种。
3、微服务指标告警：
微服务级别的告警是很重要的，通常都是线程数、CPU使用率太高等类似问题，可能就需要研发人员排查解决问题的。
系统直接将机器情况、jvm（jstack、jstat）等情况打印到文件中，直接可以下载定位问题。
4、慢SQL告警：
慢SQL告警的话，也是需要研发做优化，修改SQL，加索引，定时统计，大数据部门支持等处理方案。
七、监控：
1、业务数据看板：
有句话说得好，没有数据支持都是白扯，一切以数据为导向。
数据才能提现你做一个需求真正的价值。
我司通常都会将核心功能及流程做可视化数据看板展示，不仅仅为了让研发能够看到数据效果，还能及时发现是否有突发状况导致核心流程异常，特别是刚上线的时候，如果有bug，从看板上可以很快知道。
通过Grafana或者其他组件实现的数据统计及展示。
2、应用监控：
包含了提供的接口、依赖的接口、Redis、MQ等监控。
3、系统指标：
4、JVM指标：
5、集成业务大盘：
前面的监控指标都比较分散，需要一个个点击加载查看，相对麻烦，可以直接将需要的指标做成一个大盘，包含机器运行、jvm、核心接口等监控。
6、总结：
监控来说，主要是上面这些维度，当然也会有其他定制化的需求，总体就是这样的。
通过前面的监控 + 报警灯措施，尽可能保证系统的高可用，能够及时发现问题并且解决。
