队列并不能解决“超载”

文/ 马德奎 

人们总是错误地使用队列，最坏的情况是用它解决“超载（overload）”问题。 Fred Hebert 是《 Learn You Some Erlang for Great Good!》一书的作者。在这本 Erlang 入门书籍中，他结合生动的插图、恰当的实例以浅显易懂的方式讲解了技术问题。近日，他以同样的方式 阐释了为什么“队列不能解决超载”。

他将系统比作一个洗手池，如下所示：

在正常的操作下，数据只从左侧流入，出口可以处理所有数据。但在一些重大活动期间，比如圣诞节，可能会出现如下情况：

数据从左右两侧同时流入系统。如果数据输入越来越快，那么出口就可能会无法及时处理所有数据。这时，人们通常会考虑增加一个队列缓冲区（如上图的水槽）存储临时数据。但不管队列多大，持续的超载都会导致如下情况的发生：

队列满了，系统崩溃。这时候，开发人员会查看堆栈跟踪、队列、数据库查询以及调用的 API。但经过各种优化，甚至更换更大的服务器后，系统仍然无法承受这种持续的超载，因为瓶颈在出口（下图中红箭头所示的位置）：

该瓶颈可能是数据库，可能是磁盘、带宽或 CPU。不消除这种瓶颈，任何优化都是徒劳。所以此时，开发人员应该做的是阻塞输入，即“反压（ back-pressure）”或者丢弃数据，即“卸载（load-shedding）”。可能有人会认为，反压会招致用户的不满。但实际上，即使不主动反压，当系统负载达到一定程度后，速度也会降低，甚至崩溃。所以，虽然反压会降低用户的输入速度，但却可以保证系统的运行。另外，引入队列作为一种优化机制会违背 端到端原则。因此，开发人员应该设置更多允许超时的地方，提供故障检测方法，并将其反馈给用户。

如上图所示，开发人员可以在识别出系统瓶颈后设置相应的反压机制，避免数据流入过快。而依据检查点的不同，开发人员可以对延迟和吞吐量实现不同层次的优化。

借助反压或卸载，开发人员可以获得以下好处：

• 合适的服务质量指标
• 减少紧急修复的次数
• 根据账户限制和优先通道收费的方式
• 系统更稳定

总之，如果 API 设计考虑了端到端原则和幂等性，那么反压或卸载对调用者而言通常不会成为问题，因为它们可以安全地重试请求。

感谢 郭蕾对本文的审校。

本文链接