Jeff Dean谈如何在大型在线服务中做到快速响应

6月于硅谷举行的 Velocity 2014大会上，Google首席科学家Jeff Dean做了一场题为 《Achieving Rapid Response Times In Large Online Services》的主题演讲，分享了让大型系统运行更加流程以便改善用户体验的种种方法。

Jeff首先以Google的搜索服务为例，说明了何为 大扇出服务（Large Fanout Service），即一个搜索请求需要有大量子系统（Web、新闻、图像、视频、博客等等）参与其中，以便提供更丰富的搜索结果。在Google，基本不会为特定的服务提供特定的机器，而是将服务都部署在一个机器池中，这被称为 共享环境（Shared Environment），Google的共享环境大致会包含以下几个部分——Linux、调度系统、文件系统ChunkServer、多种其他系统服务、Bigtable Tablet Server、随机MapReduce任务、CPU密集型任务以及随机应用。它的好处是可以极大地提升利用率，但同时也会带来诸多无法预测的问题，比如网络拥塞等等。尤其是响应时间的长尾现象比较明显，一次请求的平均响应时间是10毫秒，但是却有99%ile的响应时间大于1秒，在大扇出服务中，如果需要调用100台服务器获得最终结果，那有63%的请求耗时会大于1秒。

针对延时问题，有些基本的降低延时的技术：

• 定义不同的服务级别，针对服务器上的请求队列和网络流量设定优先级。
• 减少线头阻塞（head-of-line blocking），将大的请求打散成一系列小请求；比如，一个读请求需要读取64MB数据，而另有一个100KB的读请求必须等前者完成了才能得到处理，此时可以将大请求分为多个小请求，以便100KB的那个请求能及时得到处理。
• 管理好昂贵的后台活动，比如分布式存储系统中的日志压缩就算昂贵的后台活动，此类活动可以考虑在负载低峰期去执行。

Jeff指出，我们要做的事就是基于一堆不可靠的资源打造一个可靠的整体，基于一堆无法预估的资源打造可以预测的整体。在延时处理方面，Jeff将对应的技术分为两大块：

• 跨请求适应（cross request adaptation），通过检测最近的行为，采取一些措施来优化后续的请求处理，通常会和负载均衡有关，生效时间大约是十几秒到几分钟。
• 同请求适应（within request adaptation），在当次请求中，对响应较慢的子系统采取一些措施，以改善本次请求的整体响应时间，通常是立刻生效的。

随后，他分别就两类技术进行具体展开说明。

1. 跨请求适应

可以通过细粒度的动态分区，将大数据集或大型计算拆分到多台服务器上，一般一台服务器上会分到10到100个块，BigTable和GFS就是这么处理的。

这么做的好处是显而易见的，比如，当一台机器负载过重时，可以将其中的一部分内容移动到另一台上；可以加速故障恢复，多台服务器分别恢复不同的数据块；实现选择性复制，针对重度使用的内容可以动态或静态地生成更多副本。

当服务器的响应变慢时，有可能这和当时发送的数据有关，但更多情况下是受到干扰的影响，比如共享服务器上其他任务造成的CPU或网络尖刺。此时可以选择将部分负载移动到其他服务器上以便改善延时情况，也可以在其他服务器上创建更多该分区的副本，继续给这台服务器发送请求（正常请求发给其他服务器了，发给本服务器的请求只是一份镜像）持续观察延时情况，待延时正常后再让其提供正常服务。

2. 同请求适应

同请求适应的目标是在 不会增加太多资源消耗的情况下减少整体延时，同时还要保障系统安全运行。

有时一些失败是和请求数据有关的，比如一些测试过程中没有发现的“奇怪数据”会造成系统宕机等等，如果一次性将有问题的请求发给所有节点，那么所有节点就都出问题了。在Google会使用一种名为Canary Requests的请求，即把请求先发给一个节点，收到响应后，基本可以证明这个查询是可行的，随后再将其发给其他节点。

Jeff在随后的时间里详细介绍了他们使用的另一项技术——备份请求（Backup Requests），大致的思路是先把请求发给一个副本，请求会被放进队列；随后再给另一个副本发送相同请求，如果第二个副本处理地很快，处理完毕后发回结果，客户端再给第一个副本发送取消任务请求。

以In-memory BigTable Lookups为例，数据存储了两份，将在100个Tablet中发送1000个键查询，统计最后一个键返回的总耗时。在没有备份请求时，平均耗时33毫秒，99%ile为52毫秒，99.9%ile高达994毫秒；当在10毫秒后发送备份请求时，平均耗时降为14毫秒，99%ile和99.9%ile分别降到了23毫秒和50毫秒，此外还测试了在50毫秒后发送备份请求的情况，耗时同样比没有备份要好，但较前者表现略逊一筹。本案例中，延时10毫秒的备份请求仅增加了不到5%的额外请求负担，在延时50毫秒的情况下，更是下降到不足1%。 可见备份请求能在很大程度上改善延时的长尾效应，同时并未增加太多开销。

备份请求技术还可进一步优化，在发送请求时将处理请求的另一台服务器信息也纳入请求中，一旦一台服务器开始执行，就直接通知另一台取消执行，这项优化称为跨服务器取消。Jeff同样提供了一个例子，在分布式文件系统客户端中发送读请求，等待2毫秒后发送备份请求，耗时情况如下：

• 集群处于空闲状态
  • 没有备份请求，50%ile为19毫秒，90%ile为38毫秒，99%ile为67毫秒，99.9%ile为98毫秒
  • 有备份请求，50%ile为16毫秒，90%ile为28毫秒，99%ile为38毫秒，99.9%ile为51毫秒
• 集群正在进行大量排序
  • 没有备份请求，50%ile为24毫秒，90%ile为56毫秒，99%ile为108毫秒，99.9%ile为159毫秒
  • 有备份请求，50%ile为19毫秒，90%ile为35毫秒，99%ile为67毫秒，99.9%ile为108毫秒

两种情况下，使用备份请求延时都有显著改善，99%ile分别下降了43%和38%，在第二种情况下备份请求只引入了大约1%的额外磁盘读请求。如果没有备份请求，集群需要一直处于低负载状态，而使用了备份请求，集群则可处于相对较高的负载，同时还能有相对较好的响应延时。

对于备份请求而言，最坏的情况即是两台机器几乎同时收到请求，并且都处理了请求，这会带来一定的资源浪费。当然，也可以引入第三个请求，但通常情况下向两台服务器发送请求就已经足够了。在演讲后的Office Hour中，Jeff表示备份请求也不是万能的，对于一些不可重复执行得请求，比如在线交易，就不能使用备份请求，以免造成数据不一致等情况。

在本次Velocity大会上，Jeff Dean的演讲时间较短，如果您对他的具体演讲内容感兴趣，可以观看 官方视频。同时，也推荐您去阅读2013年Jeff Dean 在斯坦福的演讲还有 一篇更早的材料。我们希望有一天能够邀请到Jeff到国内现场为广大InfoQ的读者做一次分享，到时您会来参加么？

via： InfoQ