[[415619]]

本文轉載自微信公眾號「Java補習課」，作者九靈。轉載本文請聯系Java補習課公眾號。

概述

日常分享Java核心技術，分布式架構原理，中間件應用與原理等高質量原創文章。致力幫助更多小朋友加入大廠!

今天想和大家聊聊削峰填谷，最近 B 站發生的機房斷電事件，和A站的服務雪崩，讓我們對高可用關注了起來，之前梳理了高可用三劍客 限流，熔斷和降級，今天想繼續聊聊削峰填谷,也為后面的高性能篇 做一下鋪墊， 想回顧一下之前相關內容的童鞋,可以查看一下，下面文章，歡迎點贊，收藏，關注三連，感謝!

高可用系列文章：

• 《面試補習》- 你來說說什么是限流?
• 限流神器Sentinel，不了解一下嗎?
• 阿里P7大佬帶你解密Sentinel
• 《面試補習》-熔斷降級我學會了!

削峰和填谷

技術源于生活

削峰填谷（Peak cut）是調整用電負荷的一種措施。 
根據不同用戶的用電規律，合理地、有計劃地安排和組織各類用戶的用電時間。 
以降低負荷高峰，填補負荷低谷。減小電網負荷峰谷差，使發電、用電趨于平衡。 

在我們理解的削峰填谷的流量趨勢圖，如下圖所示，在流量高峰階段削去高峰流量，在流量下降時，填補這部分流量,使流量趨向平衡。

簡單概述一下，削峰 和 填谷

• 削峰：為保證服務可用，剔除部分流量。 --業務有損
• 填谷：在服務能力盈余的情況下，提供補償操作。--業務補償

削峰

通過削去流量尖刺，讓請求流量趨向平穩，以保障服務的穩定性。

• 客戶端削峰
• 服務端削峰

上面有提到，削峰是業務有損的行為，削掉的這部分流量，可能在電商系統中，致使我們丟失這個用戶。

1、客戶端削峰

在后端的思維里面，削峰動作更多是服務端同學的工作和思考。但是在整體系統的設計中，客戶端的削峰也是必不可少的。通過客戶端的削峰，可以削減服務端的壓力，從而保障系統的可用性。

1.1、資源動靜分離

這個方案比較簡單，或者說目前基本都采用的方式。通過將靜態資源與服務端隔離，在活動開始前，將資源預熱到CDN，減輕服務端的壓力。客戶端與服務端的交互，只有動態數據的交互。

1.2、請求削峰

1)、設置兩次請求最小有效時間間隔

設置兩次請求之間的時間間隔為 t， 在每次請求間隔內的請求，都會被忽略掉，不向服務的發起請求，假設 t 秒內，每個用戶只會觸發一次有效請求，對應的 qps 為 1/t，如果用戶量為 Q， 那么最大的 qps 為 Q / t。

2)、公平性策略

每個用戶一次活動周期內有效請求概率是P，比如概率0.2，也就是5次中1次請求機會，或者10次中2次請求機會。根據隨機算法+插值算法生成請求序列：

根據上述方式就可以得到公平性策略，粒度可以自由把控

2、服務端削峰

2.1、限流削峰

在之前的限流相關文章中有介紹到，服務端限流主要有

• 網關限流
• 容器限流
• 服務器限流

在服務器限流中， 主要介紹了，使用Sentinel 來做流量控制，通過下面的流量圖可以看到，流量控制在了 2 qps ，峰值流量通過快速失敗的方式返回。那么，對于這部分被拒絕的流量，我們從業務角度來看的話，是有損的。

2.2、MQ削峰

在消息隊列的架構中，有 pull 和 push 兩種消息同步的方式，我們可以通過下游系統 訂單系統 主動拉取pull 的方式，來保障下游服務的流量穩定。

那么，我們是否可以脫了了限流，只通過 MQ 的方式，來達到削峰呢?答案是：不能!

假設秒殺系統的 流量是 ：10000 qps，訂單系統的消費能力只有 100qps。活動時間如果持續比較長，會產生消息堆積過多。一方面會對消息中間件造成壓力，另一方面，消息的有效性也沒辦法保障。

因此在這個鏈路圖中，實際場景會是這樣子：

流量先經過 Sentinel等限流中間件的調平后，由秒殺系統提交 MQ 任務。

填谷

從上面的削峰策略可以看到，大部分的削峰 都是業務有損的，從客戶端發起請求限流 ,到服務端的中間件限流。對于這部分的請求，都是直接丟棄的。而在 MQ削峰 的場景下，我們可以通過將請求緩存 的方式，減緩流量壓力，有下游服務來控制請求壓力，從而達到削峰的效果。

脫離了削峰，就不存在填谷了

在 MQ削峰 的場景中，我們主要保障的是 訂單系統 的流量穩定性, 如果 秒殺系統的消息流量為 100tps，訂單系統的處理能力為 200tps，那么，對于下游系統來說，就不存在峰值流量了!

如有其他場景，可以交流糾正

填谷補償

在峰值流量階段，出現部分流量無法得到馬上的處理，通過峰值流量過去后，在消費能力盈余的情況下，對之前的請求做補償操作，使整體流量趨向于平穩。

比如在上述鏈路圖中，秒殺活動持續了 1分鐘，

• 產生請求為：60 * 100 = 6000 個請求。
• 消費時間為：6000 / 50 = 120 秒。

在用戶可接受的范圍內(1分鐘的等待)，獲取自己的秒殺下單結果。同時對訂單系統的負載做好保護。

消息隊列的風險

相對于其他的削峰方案，看起來MQ削峰方案是最優的，那為什么我們在 流控方案上，還是更加注重限流方案上。而不是統一使用 MQ削峰呢?

每個方案都存在利弊，引入 MQ，能為我們解決 削峰，異步和解耦等問題。但是，在引入MQ中間件的同時，也會為我們帶來以下的問題：

• 中間件可用性：MQ隊列不可用，會導致整個鏈路不可用，嚴重會造成雪崩
• 消息可靠性：消息發送，消費需要得到保障
• 消息堆積：消息生產過快，導致MQ中間件壓力過大
• 消息重復：消費冪等能力支撐
• 消息順序：部分場景要求消費按照順序執行