SpringBoot中5種服務(wù)可用性保障技術(shù)分享
更新時間：2025年05月06日 08:52:58 作者：風(fēng)象南
服務(wù)可用性已成為系統(tǒng)設(shè)計的核心關(guān)注點,SpringBoot作為Java生態(tài)系統(tǒng)中流行的應(yīng)用開發(fā)框架,提供了豐富的工具和庫來保障服務(wù)的高可用性,本文將介紹SpringBoot中5種關(guān)鍵的服務(wù)可用性保障技術(shù),需要的朋友可以參考下
1. 熔斷器模式（Circuit Breaker）
基本原理
熔斷器模式借鑒了電路熔斷器的概念，當(dāng)檢測到系統(tǒng)中某個服務(wù)或組件頻繁失敗時，自動"斷開"對該服務(wù)的調(diào)用，防止級聯(lián)故障，同時為故障服務(wù)提供恢復(fù)時間。熔斷器有三種狀態(tài)：
- 關(guān)閉狀態(tài)：正常執(zhí)行操作，同時監(jiān)控失敗率
- 開啟狀態(tài)：拒絕訪問，直接返回錯誤或執(zhí)行降級邏輯
- 半開狀態(tài)：嘗試恢復(fù)，允許有限的請求通過以測試服務(wù)是否恢復(fù)
SpringBoot實現(xiàn)與集成
在SpringBoot中，我們可以使用Resilience4j實現(xiàn)熔斷器模式，它是Hystrix的輕量級替代方案，專為Java 8和函數(shù)式編程設(shè)計。
首先添加依賴：
<dependency>
<groupId>io.github.resilience4j</groupId>
<artifactId>resilience4j-spring-boot2</artifactId>
<version>1.7.0</version>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-aop</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
然后在application.yml中配置熔斷器參數(shù)：
resilience4j:
circuitbreaker:
instances:
orderService:
registerHealthIndicator: true
slidingWindowSize: 10
minimumNumberOfCalls: 5
permittedNumberOfCallsInHalfOpenState: 3
automaticTransitionFromOpenToHalfOpenEnabled: true
waitDurationInOpenState: 5s
failureRateThreshold: 50
eventConsumerBufferSize: 10
使用熔斷器的示例代碼：
@Service
public class OrderService {
private final PaymentServiceClient paymentServiceClient;
public OrderService(PaymentServiceClient paymentServiceClient) {
this.paymentServiceClient = paymentServiceClient;
}
@CircuitBreaker(name = "orderService", fallbackMethod = "processOrderFallback")
public OrderResponse processOrder(OrderRequest orderRequest) {
// 正常的訂單處理邏輯，包括調(diào)用支付服務(wù)
PaymentResponse paymentResponse = paymentServiceClient.processPayment(orderRequest.getPaymentDetails());
return new OrderResponse(orderRequest.getOrderId(), "PROCESSED", paymentResponse.getTransactionId());
}
// 降級方法，在熔斷器觸發(fā)時執(zhí)行
public OrderResponse processOrderFallback(OrderRequest orderRequest, Exception e) {
log.error("Circuit breaker triggered for order: {}. Error: {}", orderRequest.getOrderId(), e.getMessage());
// 返回降級響應(yīng)，可能是從本地緩存獲取，或使用默認值
return new OrderResponse(orderRequest.getOrderId(), "PENDING", null);
}
}
最佳實踐
- 適當(dāng)?shù)拇翱诖笮?/strong>：設(shè)置合理的
slidingWindowSize，太小可能導(dǎo)致熔斷器過于敏感，太大則反應(yīng)遲鈍。 - 合理的閾值：根據(jù)業(yè)務(wù)需求設(shè)置
failureRateThreshold，一般建議在50%-60%之間。 - 監(jiān)控熔斷器狀態(tài)：集成Spring Boot Actuator監(jiān)控熔斷器狀態(tài)：
management:
endpoints:
web:
exposure:
include: health,circuitbreakers
health:
circuitbreakers:
enabled: true
- 細粒度熔斷：為不同的服務(wù)依賴配置不同的熔斷器實例，避免一個服務(wù)故障影響多個業(yè)務(wù)流程。
- 測試熔斷行為：通過混沌測試驗證熔斷器在故障情況下的行為是否符合預(yù)期。
2. 限流技術(shù)（Rate Limiting）
基本原理
限流用于控制系統(tǒng)的請求處理速率，防止系統(tǒng)過載。常見的限流算法包括：
- 令牌桶：以固定速率向桶中添加令牌，請求需要消耗令牌才能被處理。
- 漏桶：請求以固定速率處理，超出部分排隊或拒絕。
- 計數(shù)器：在固定時間窗口內(nèi)限制請求數(shù)量。
SpringBoot實現(xiàn)與集成
在SpringBoot中，我們可以使用Bucket4j實現(xiàn)API限流，這是一個基于令牌桶算法的Java限流庫。
添加依賴：
<dependency>
<groupId>com.github.vladimir-bukhtoyarov</groupId>
<artifactId>bucket4j-core</artifactId>
<version>4.10.0</version>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId>
</dependency>
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
</dependency>
配置緩存和限流：
@Configuration
public class RateLimitingConfig {
@Bean
public CacheManager cacheManager() {
CaffeineCacheManager cacheManager = new CaffeineCacheManager("rateLimit");
cacheManager.setCaffeine(Caffeine.newBuilder()
.expireAfterWrite(1, TimeUnit.HOURS)
.maximumSize(1000));
return cacheManager;
}
@Bean
public Bucket4jCacheConfiguration bucket4jCacheConfiguration() {
return new Bucket4jCacheConfiguration(cacheManager(), "rateLimit");
}
}
實現(xiàn)限流攔截器：
@Component
public class RateLimitingInterceptor implements HandlerInterceptor {
private final Cache<String, Bucket> cache;
public RateLimitingInterceptor() {
this.cache = Caffeine.newBuilder()
.expireAfterWrite(1, TimeUnit.HOURS)
.maximumSize(1000)
.build();
}
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
String apiKey = request.getHeader("X-API-KEY");
if (apiKey == null || apiKey.isEmpty()) {
response.sendError(HttpStatus.BAD_REQUEST.value(), "Missing API key");
return false;
}
Bucket bucket = cache.get(apiKey, key -> createNewBucket());
ConsumptionProbe probe = bucket.tryConsumeAndReturnRemaining(1);
if (probe.isConsumed()) {
response.addHeader("X-Rate-Limit-Remaining", String.valueOf(probe.getRemainingTokens()));
return true;
} else {
long waitForRefill = probe.getNanosToWaitForRefill() / 1_000_000_000;
response.addHeader("X-Rate-Limit-Retry-After-Seconds", String.valueOf(waitForRefill));
response.sendError(HttpStatus.TOO_MANY_REQUESTS.value(), "Rate limit exceeded");
return false;
}
}
private Bucket createNewBucket() {
BucketConfiguration config = Bucket4j.configurationBuilder()
.addLimit(Bandwidth.classic(100, Refill.intervally(100, Duration.ofMinutes(1))))
.addLimit(Bandwidth.classic(1000, Refill.intervally(1000, Duration.ofHours(1))))
.build();
return Bucket4j.builder().withConfiguration(config).build();
}
}
@Configuration
public class WebMvcConfig implements WebMvcConfigurer {
@Autowired
private RateLimitingInterceptor rateLimitingInterceptor;
@Override
public void addInterceptors(InterceptorRegistry registry) {
registry.addInterceptor(rateLimitingInterceptor)
.addPathPatterns("/api/**");
}
}
在Spring Cloud Gateway中實現(xiàn)限流：
spring:
cloud:
gateway:
routes:
- id: order-service
uri: lb://order-service
predicates:
- Path=/orders/**
filters:
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 10
redis-rate-limiter.burstCapacity: 20
redis-rate-limiter.requestedTokens: 1
key-resolver: "#{@userKeyResolver}"
@Configuration
public class GatewayConfig {
@Bean
public KeyResolver userKeyResolver() {
return exchange -> {
String userId = exchange.getRequest().getHeaders().getFirst("User-Id");
if (userId == null) {
userId = "anonymous";
}
return Mono.just(userId);
};
}
}
最佳實踐
- 分級限流：基于不同用戶類型或API重要性設(shè)置不同的限流閾值。
- 應(yīng)用多級限流：例如，同時應(yīng)用用戶級、IP級和全局級限流。
- 限流響應(yīng)：在限流觸發(fā)時返回合適的HTTP狀態(tài)碼（通常是429）和明確的錯誤信息，包括重試建議。
- 監(jiān)控限流指標：收集限流指標，用于分析和調(diào)整限流策略。
- 優(yōu)雅降級：當(dāng)達到限流閾值時，考慮提供降級服務(wù)而非完全拒絕。
3. 服務(wù)降級與容錯處理
基本原理
服務(wù)降級是一種在系統(tǒng)高負載或部分服務(wù)不可用時，通過提供有限但可接受的服務(wù)來維持系統(tǒng)整體可用性的策略。容錯處理則是指系統(tǒng)能夠檢測并處理錯誤，同時繼續(xù)正常運行的能力。
SpringBoot實現(xiàn)與集成
在SpringBoot中，服務(wù)降級可以通過多種方式實現(xiàn)，包括與熔斷器結(jié)合、使用異步回退，以及實現(xiàn)超時控制。
使用Resilience4j的Fallback實現(xiàn)服務(wù)降級：
@Service
public class ProductService {
private final ProductRepository productRepository;
private final ProductCacheService productCacheService;
@Autowired
public ProductService(ProductRepository productRepository, ProductCacheService productCacheService) {
this.productRepository = productRepository;
this.productCacheService = productCacheService;
}
@CircuitBreaker(name = "productService", fallbackMethod = "getProductDetailsFallback")
@Bulkhead(name = "productService", fallbackMethod = "getProductDetailsFallback")
@TimeLimiter(name = "productService", fallbackMethod = "getProductDetailsFallback")
public CompletableFuture<ProductDetails> getProductDetails(String productId) {
return CompletableFuture.supplyAsync(() -> {
// 正常的產(chǎn)品詳情獲取邏輯
Product product = productRepository.findById(productId)
.orElseThrow(() -> new ProductNotFoundException(productId));
// 獲取實時庫存和價格信息
InventoryInfo inventory = inventoryService.getInventory(productId);
PricingInfo pricing = pricingService.getCurrentPrice(productId);
return new ProductDetails(product, inventory, pricing);
});
}
// 降級方法，提供基本產(chǎn)品信息和緩存的庫存和價格
public CompletableFuture<ProductDetails> getProductDetailsFallback(String productId, Exception e) {
log.warn("Fallback for product {}. Reason: {}", productId, e.getMessage());
return CompletableFuture.supplyAsync(() -> {
// 從緩存獲取基本產(chǎn)品信息
Product product = productCacheService.getProductFromCache(productId)
.orElse(new Product(productId, "Unknown Product", "No details available"));
// 使用默認的庫存和價格信息
InventoryInfo inventory = new InventoryInfo(productId, 0, false);
PricingInfo pricing = new PricingInfo(productId, 0.0, false);
return new ProductDetails(product, inventory, pricing, true);
});
}
}
配置超時和服務(wù)隔離：
resilience4j:
timelimiter:
instances:
productService:
timeoutDuration: 2s
cancelRunningFuture: true
bulkhead:
instances:
productService:
maxConcurrentCalls: 20
maxWaitDuration: 500ms
實現(xiàn)優(yōu)雅降級策略的過濾器：
@Component
public class GracefulDegradationFilter extends OncePerRequestFilter {
private final HealthCheckService healthCheckService;
@Autowired
public GracefulDegradationFilter(HealthCheckService healthCheckService) {
this.healthCheckService = healthCheckService;
}
@Override
protected void doFilterInternal(HttpServletRequest request, HttpServletResponse response,
FilterChain filterChain) throws ServletException, IOException {
String path = request.getRequestURI();
// 檢查系統(tǒng)健康狀態(tài)
SystemHealth health = healthCheckService.getCurrentHealth();
if (health.isHighLoad() && isNonCriticalPath(path)) {
// 在高負載下降級非關(guān)鍵路徑請求
sendDegradedResponse(response, "Service temporarily operating at reduced capacity");
return;
} else if (health.isInMaintenance() && !isAdminPath(path)) {
// 在維護模式下只允許管理請求
sendMaintenanceResponse(response);
return;
} else if (health.hasFailedDependencies() && dependsOnFailedServices(path, health.getFailedServices())) {
// 如果請求依賴的服務(wù)不可用，返回降級響應(yīng)
sendDependencyFailureResponse(response, health.getFailedServices());
return;
}
// 正常處理請求
filterChain.doFilter(request, response);
}
private boolean isNonCriticalPath(String path) {
// 判斷請求是否是非關(guān)鍵路徑
return path.startsWith("/api/recommendations") ||
path.startsWith("/api/analytics") ||
path.startsWith("/api/marketing");
}
private boolean isAdminPath(String path) {
return path.startsWith("/admin") || path.startsWith("/management");
}
private boolean dependsOnFailedServices(String path, List<String> failedServices) {
// 檢查請求是否依賴失敗的服務(wù)
Map<String, List<String>> serviceDependencies = new HashMap<>();
serviceDependencies.put("/api/orders", Arrays.asList("payment-service", "inventory-service"));
serviceDependencies.put("/api/payments", Arrays.asList("payment-service"));
// ... 其他路徑與服務(wù)的依賴關(guān)系
String matchingPath = findMatchingPath(path, serviceDependencies.keySet());
if (matchingPath != null) {
List<String> dependencies = serviceDependencies.get(matchingPath);
return dependencies.stream().anyMatch(failedServices::contains);
}
return false;
}
private String findMatchingPath(String requestPath, Set<String> configuredPaths) {
// 查找請求路徑匹配的配置路徑
return configuredPaths.stream()
.filter(requestPath::startsWith)
.findFirst()
.orElse(null);
}
private void sendDegradedResponse(HttpServletResponse response, String message) throws IOException {
response.setStatus(HttpStatus.SERVICE_UNAVAILABLE.value());
response.setContentType(MediaType.APPLICATION_JSON_VALUE);
Map<String, Object> responseBody = new HashMap<>();
responseBody.put("status", "degraded");
responseBody.put("message", message);
responseBody.put("retry_after", 30); // 建議30秒后重試
response.getWriter().write(new ObjectMapper().writeValueAsString(responseBody));
}
// 其他響應(yīng)處理方法...
}
最佳實踐
- 分級降級策略：針對不同的故障場景和服務(wù)重要性制定分級降級策略。
- 靜態(tài)降級：預(yù)先準備好靜態(tài)資源或緩存數(shù)據(jù)，在服務(wù)不可用時使用。
- 功能降級：暫時關(guān)閉非核心功能，保證核心業(yè)務(wù)正常。
- 特定用戶群體降級：在高負載情況下，優(yōu)先保證VIP用戶的體驗。
- 服務(wù)隔離：使用Bulkhead模式隔離不同服務(wù)的資源，防止一個服務(wù)的問題影響其他服務(wù)。
- 超時控制：設(shè)置合理的超時時間，防止長時間等待影響用戶體驗。
4. 重試機制（Retry）
基本原理
重試機制用于處理暫時性故障，通過自動重新嘗試失敗的操作來提高系統(tǒng)的彈性。對于網(wǎng)絡(luò)抖動、數(shù)據(jù)庫臨時不可用等場景尤其有效。
SpringBoot實現(xiàn)與集成
SpringBoot中可以使用Spring Retry庫實現(xiàn)重試功能。
添加依賴：
<dependency>
<groupId>org.springframework.retry</groupId>
<artifactId>spring-retry</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-aop</artifactId>
</dependency>
啟用重試功能：
@SpringBootApplication
@EnableRetry
public class MyApplication {
public static void main(String[] args) {
SpringApplication.run(MyApplication.class, args);
}
}
使用聲明式重試：
@Service
public class RemoteServiceClient {
private final RestTemplate restTemplate;
@Autowired
public RemoteServiceClient(RestTemplate restTemplate) {
this.restTemplate = restTemplate;
}
@Retryable(
value = {ResourceAccessException.class, HttpServerErrorException.class},
maxAttempts = 3,
backoff = @Backoff(delay = 1000, multiplier = 2)
)
public ResponseEntity<OrderData> getOrderDetails(String orderId) {
log.info("Attempting to fetch order details for {}", orderId);
return restTemplate.getForEntity("/api/orders/" + orderId, OrderData.class);
}
@Recover
public ResponseEntity<OrderData> recoverGetOrderDetails(Exception e, String orderId) {
log.error("All retries failed for order {}. Last error: {}", orderId, e.getMessage());
// 返回緩存數(shù)據(jù)或默認響應(yīng)
return ResponseEntity.ok(new OrderData(orderId, "UNKNOWN", new Date(), Collections.emptyList()));
}
}
使用編程式重試：
@Service
public class PaymentService {
private final RetryTemplate retryTemplate;
@Autowired
public PaymentService(RetryTemplate retryTemplate) {
this.retryTemplate = retryTemplate;
}
public PaymentResult processPayment(PaymentRequest paymentRequest) {
return retryTemplate.execute(context -> {
// 獲取當(dāng)前重試次數(shù)
int retryCount = context.getRetryCount();
log.info("Processing payment attempt {} for order {}",
retryCount + 1, paymentRequest.getOrderId());
try {
// 執(zhí)行支付處理
return paymentGateway.submitPayment(paymentRequest);
} catch (PaymentGatewayException e) {
// 分析異常并決定是否重試
if (e.isRetryable()) {
log.warn("Retryable payment error: {}. Will retry.", e.getMessage());
throw e; // 拋出異常以觸發(fā)重試
} else {
log.error("Non-retryable payment error: {}", e.getMessage());
throw new NonRetryableException("Payment failed with non-retryable error", e);
}
}
}, context -> {
// 恢復(fù)策略
log.error("All payment retries failed for order {}", paymentRequest.getOrderId());
// 返回失敗結(jié)果并記錄需要后續(xù)處理
return PaymentResult.failed(paymentRequest.getOrderId(), "Maximum retries exceeded");
});
}
}
@Configuration
public class RetryConfig {
@Bean
public RetryTemplate retryTemplate() {
RetryTemplate retryTemplate = new RetryTemplate();
// 設(shè)置重試策略
SimpleRetryPolicy retryPolicy = new SimpleRetryPolicy();
retryPolicy.setMaxAttempts(3);
// 設(shè)置退避策略
ExponentialBackOffPolicy backOffPolicy = new ExponentialBackOffPolicy();
backOffPolicy.setInitialInterval(1000); // 1秒
backOffPolicy.setMultiplier(2.0); // 每次失敗后等待時間翻倍
backOffPolicy.setMaxInterval(10000); // 最長等待10秒
retryTemplate.setRetryPolicy(retryPolicy);
retryTemplate.setBackOffPolicy(backOffPolicy);
return retryTemplate;
}
}
結(jié)合Resilience4j的重試功能：
resilience4j.retry:
instances:
paymentService:
maxRetryAttempts: 3
waitDuration: 1s
enableExponentialBackoff: true
exponentialBackoffMultiplier: 2
retryExceptions:
- org.springframework.web.client.ResourceAccessException
- com.example.service.exception.TemporaryServiceException
@Service
public class PaymentServiceWithResilience4j {
private final PaymentGateway paymentGateway;
@Autowired
public PaymentServiceWithResilience4j(PaymentGateway paymentGateway) {
this.paymentGateway = paymentGateway;
}
@Retry(name = "paymentService", fallbackMethod = "processPaymentFallback")
public PaymentResult processPayment(PaymentRequest request) {
return paymentGateway.submitPayment(request);
}
public PaymentResult processPaymentFallback(PaymentRequest request, Exception e) {
log.error("Payment processing failed after retries for order: {}", request.getOrderId());
return PaymentResult.failed(request.getOrderId(), "Payment processing temporarily unavailable");
}
}
最佳實踐
- 區(qū)分暫時性和永久性故障：只對暫時性故障進行重試，對永久性故障立即失敗。
- 指數(shù)退避：使用指數(shù)退避策略，避免重試風(fēng)暴。
- 合理的重試次數(shù)：設(shè)置適當(dāng)?shù)淖畲笾卦嚧螖?shù)，通常3-5次。
- 重試后監(jiān)控：記錄重試次數(shù)和結(jié)果，幫助識別問題服務(wù)。
- 冪等操作：確保被重試的操作是冪等的，以避免重復(fù)處理導(dǎo)致的問題。
- 設(shè)置超時：每次重試都應(yīng)該有合理的超時時間。
- 與熔斷器結(jié)合：將重試機制與熔斷器結(jié)合使用，當(dāng)故障持續(xù)存在時快速失敗。
5. 健康檢查與監(jiān)控（Health Checks and Monitoring）
基本原理
健康檢查和監(jiān)控是保障服務(wù)可用性的基礎(chǔ)設(shè)施，用于實時了解系統(tǒng)狀態(tài)，及早發(fā)現(xiàn)并解決問題。通過系統(tǒng)指標收集、健康狀態(tài)檢查和警報機制，可以提前預(yù)防或快速解決服務(wù)故障。
SpringBoot實現(xiàn)與集成
SpringBoot Actuator提供了豐富的監(jiān)控和管理功能，可以輕松集成到應(yīng)用中。
添加依賴：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-registry-prometheus</artifactId>
</dependency>
配置Actuator端點：
management:
endpoints:
web:
exposure:
include: health,info,metrics,prometheus,loggers,env
endpoint:
health:
show-details: always
group:
readiness:
include: db,redis,rabbit,diskSpace
health:
circuitbreakers:
enabled: true
ratelimiters:
enabled: true
metrics:
export:
prometheus:
enabled: true
enable:
jvm: true
system: true
process: true
http: true
自定義健康檢查器：
@Component
public class ExternalServiceHealthIndicator implements HealthIndicator {
private final RestTemplate restTemplate;
@Autowired
public ExternalServiceHealthIndicator(RestTemplate restTemplate) {
this.restTemplate = restTemplate;
}
@Override
public Health health() {
try {
// 檢查外部服務(wù)健康狀態(tài)
ResponseEntity<Map> response = restTemplate.getForEntity("https://api.external-service.com/health", Map.class);
if (response.getStatusCode().is2xxSuccessful()) {
return Health.up()
.withDetail("status", response.getBody().get("status"))
.withDetail("version", response.getBody().get("version"))
.build();
} else {
return Health.down()
.withDetail("statusCode", response.getStatusCodeValue())
.withDetail("reason", "Unexpected status code")
.build();
}
} catch (Exception e) {
return Health.down()
.withDetail("error", e.getMessage())
.build();
}
}
}
配置應(yīng)用就緒探針和活性探針：
@Configuration
public class HealthCheckConfig {
@Bean
public HealthContributorRegistry healthContributorRegistry(
ApplicationAvailabilityBean availabilityBean) {
HealthContributorRegistry registry = new DefaultHealthContributorRegistry();
// 添加應(yīng)用啟動完成的就緒檢查
registry.registerContributor("readiness", new ApplicationAvailabilityHealthIndicator(
availabilityBean, ApplicationAvailabilityBean.LivenessState.CORRECT));
// 添加應(yīng)用正在運行的活性檢查
registry.registerContributor("liveness", new ApplicationAvailabilityHealthIndicator(
availabilityBean, ApplicationAvailabilityBean.ReadinessState.ACCEPTING_TRAFFIC));
return registry;
}
}
自定義指標收集：
@Component
public class OrderMetrics {
private final MeterRegistry meterRegistry;
private final Counter orderCounter;
private final DistributionSummary orderAmountSummary;
private final Timer orderProcessingTimer;
public OrderMetrics(MeterRegistry meterRegistry) {
this.meterRegistry = meterRegistry;
this.orderCounter = Counter.builder("orders.created")
.description("Number of orders created")
.tag("application", "order-service")
.register(meterRegistry);
this.orderAmountSummary = DistributionSummary.builder("orders.amount")
.description("Order amount distribution")
.tag("application", "order-service")
.publishPercentiles(0.5, 0.95, 0.99)
.register(meterRegistry);
this.orderProcessingTimer = Timer.builder("orders.processing.time")
.description("Order processing time")
.tag("application", "order-service")
.publishPercentiles(0.5, 0.95, 0.99)
.register(meterRegistry);
}
public void recordOrderCreated(String orderType) {
orderCounter.increment();
meterRegistry.counter("orders.created.by.type", "type", orderType).increment();
}
public void recordOrderAmount(double amount) {
orderAmountSummary.record(amount);
}
public Timer.Sample startOrderProcessing() {
return Timer.start(meterRegistry);
}
public void endOrderProcessing(Timer.Sample sample) {
sample.stop(orderProcessingTimer);
}
}
@Service
public class OrderServiceWithMetrics {
private final OrderRepository orderRepository;
private final OrderMetrics orderMetrics;
@Autowired
public OrderServiceWithMetrics(OrderRepository orderRepository, OrderMetrics orderMetrics) {
this.orderRepository = orderRepository;
this.orderMetrics = orderMetrics;
}
public Order createOrder(OrderRequest request) {
Timer.Sample timer = orderMetrics.startOrderProcessing();
try {
Order order = new Order();
// 處理訂單
order.setItems(request.getItems());
order.setTotalAmount(calculateTotalAmount(request.getItems()));
order.setType(request.getType());
Order savedOrder = orderRepository.save(order);
// 記錄指標
orderMetrics.recordOrderCreated(order.getType());
orderMetrics.recordOrderAmount(order.getTotalAmount());
return savedOrder;
} finally {
orderMetrics.endOrderProcessing(timer);
}
}
private double calculateTotalAmount(List<OrderItem> items) {
// 計算總金額
return items.stream()
.mapToDouble(item -> item.getPrice() * item.getQuantity())
.sum();
}
}
集成Grafana和Prometheus監(jiān)控：
# docker-compose.yml
version: '3.8'
services:
app:
image: my-spring-boot-app:latest
ports:
- "8080:8080"
prometheus:
image: prom/prometheus:latest
volumes:
- ./prometheus.yml:/etc/prometheus/prometheus.yml
ports:
- "9090:9090"
grafana:
image: grafana/grafana:latest
depends_on:
- prometheus
ports:
- "3000:3000"
volumes:
- grafana-storage:/var/lib/grafana
volumes:
grafana-storage:
# prometheus.yml
global:
scrape_interval: 15s
scrape_configs:
- job_name: 'spring-boot-app'
metrics_path: '/actuator/prometheus'
static_configs:
- targets: ['app:8080']
最佳實踐
- 多層次健康檢查：實現(xiàn)淺層和深層健康檢查，前者快速響應(yīng)，后者全面檢查。
- 關(guān)鍵業(yè)務(wù)指標監(jiān)控：監(jiān)控關(guān)鍵業(yè)務(wù)指標，如訂單數(shù)量、轉(zhuǎn)化率等。
- 系統(tǒng)資源監(jiān)控：監(jiān)控CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)等系統(tǒng)資源。
- 設(shè)置合理的警報閾值：基于業(yè)務(wù)重要性和系統(tǒng)特性設(shè)置警報閾值。
- 關(guān)聯(lián)分析：將不同服務(wù)的指標關(guān)聯(lián)起來，便于問題根因分析。
- 日志與指標結(jié)合：將日志和指標結(jié)合起來，提供更完整的系統(tǒng)視圖。
- 預(yù)測性監(jiān)控：使用趨勢分析預(yù)測潛在問題，如磁盤空間預(yù)測用盡時間。
總結(jié)
本文介紹了SpringBoot中5種核心的服務(wù)可用性保障技術(shù)：熔斷器模式、限流技術(shù)、服務(wù)降級與容錯處理、重試機制以及健康檢查與監(jiān)控。這些技術(shù)不是孤立的，而是相互配合、協(xié)同工作，共同構(gòu)建起應(yīng)用的防御體系。
以上就是SpringBoot中5種服務(wù)可用性保障技術(shù)分享的詳細內(nèi)容，更多關(guān)于SpringBoot服務(wù)可用性保障技術(shù)的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
最近項目中有一個功能需要讀取外部html文本文件。但是有的html文件里面有大量的注釋，需要刪除其中的注釋在存儲2014-04-04
IDEA引MAVEN項目jar包依賴導(dǎo)入問題解決方法
這篇文章主要介紹了IDEA引MAVEN項目jar包依賴導(dǎo)入問題解決,小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-11-11
本文主要介紹springmvc＋mybatis集成配置，這里提供了實例代碼，和簡單說明，有需要的小伙伴可以參考下2016-09-09
本篇文章主要介紹了springboot 監(jiān)控管理模塊搭建的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-03-03
這篇文章主要介紹了Java中分割字符串的兩種方法，一種是java.lang.String 的 split() 方法,，另外一種是用String Tokenizer類。文中的每種方法都給出了詳細的示例代碼，相信對大家的理解和學(xué)習(xí)具有一定的參考借鑒價值，有需要的朋友們下面來一起看看吧。2016-12-12
在Java中使用Redis實現(xiàn)緩存優(yōu)化的操作步驟
在現(xiàn)代高并發(fā)的應(yīng)用中,數(shù)據(jù)庫訪問的性能往往成為瓶頸,為了提高性能,我們通常會使用緩存機制,Redis 是一種開源的內(nèi)存數(shù)據(jù)存儲系統(tǒng),廣泛應(yīng)用于緩存系統(tǒng)的構(gòu)建中,本文將深入探討如何在Java中使用Redis實現(xiàn)緩存優(yōu)化,需要的朋友可以參考下2025-07-07
在本篇文章里小編給大家整理了關(guān)于Java的Volatile知識點相關(guān)內(nèi)容，有需要的朋友們可以跟著學(xué)習(xí)下。2019-09-09
Java反射獲取所有Controller和RestController類的方法
這篇文章給大家分享了Java反射獲取所有Controller和RestController類的方法,文中有詳細的代碼示例講解,具有一定的參考價值,需要的朋友可以參考下2023-08-08
這篇文章主要介紹了Java中@valid和@Validated注解的使用詳解,@Validated可以用在類型、方法和方法參數(shù)上,但是不能用在成員屬性(字段)上,不支持嵌套檢測,@Valid可以用在方法、構(gòu)造函數(shù)、方法參數(shù)和成員屬性(字段)上,支持嵌套檢測,需要的朋友可以參考下2024-01-01
Java使用DateTimeFormatter實現(xiàn)格式化時間
這篇文章主要介紹了Java使用DateTimeFormatter實現(xiàn)格式化時間,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01