# Envoy原理介绍及线上问题踩坑 介绍人：张伟 ## 个人介绍  ## 张伟 华为云容器网格数据面技术专家 拥有10年以上中间件及高性能系统开发经验，作为架构师及核心开发人员发布过传输网管系统、Tuxedo交易中间件、ts-ser

## Apache ShardingSphere 高可用功能详解 & 实操演练 赵锦超 2022.08.06 ## 赵锦超 Apache ShardingSphere Committer SphereEx 研发工程师 ☐ 从事过电商、金融行业，热爱开源 目前专注于 Apache ShardingSphere 高可用 & 分布式治理的相关研发工作 ## 目录 01 Apache ShardingSphere 高可用介绍 02 Apache ShardingSphere 高可用源码解析 03 Apache ShardingSphere HA & MySQL MGR 实战演练 ## Apache ShardingSphere 高可用介绍 ShardingSphere-Proxy 高可用 ![Image](/uploads/documents/8/3/3/7/8337 ShardingSphere 高可用介绍 02 Apache ShardingSphere 高可用源码解析 03 Apache ShardingSphere HA & MySQL MGR 实战演练 ## Apache ShardingSphere 高可用源码解析 数据库发现模块结构 ![Image](/uploads/documents/8/3/3/7/8337acd6f133512fd

DELEUD YONK A4b 资源隔离 断路器 降级操作 请求合并 请求缓存 ## 实践过程中遇到的问题 • 业务改造成本高，代码耦合，维护成本增高 - 固化策略，需线下修改代码，测试，发布，线上应急策略响应不友好 - 无法支撑多系统的复合指标计算，业务降级支持不友好 - 大量应用各自实现降级熔断，代码散落在各应用，没有统一的管理和治理。久而久之，无人知道系统内有多少降级点，降级是如何实现的 降级服务统一注册管理，通过降级服务质量数据从整体反映各应用的降级点和可用性保障措施 ## 策略管理 - 降级策略集中管理，通过参数化、配置化、脚本化方式实现线上策略的灵活调整 ## 预案制定 - 依据服务重要程度，从全局制定分级预案，对降级点进行预案编排，并跟踪监控降级链路的执行 ## 线上演练 - 发现潜在故障，多维度验证预案有效性，评估系统可靠性，提供降级策略、参数调整的优化依据 ## 整体架构 KAFKA 日志数据 Application Application Application SDK 熔断 流控 降级 隔离 Application Application SDK 策略管理 故障演练 数据采集、计算、存储 指标计算 (Flink) 脚本引擎 服务降级注册 ## 业务保障管理后台 降级熔断通知 熔断降级计算 (Flink) 实时策略推送 指标 (HBase)

 ## 链滴 ## 一 次线上 java 应用响应时间过长问题的排查 作者：xinzhongtianxia 原文链接：https://ld246.com/article/1569574881351 来源网站：链滴 许可协议：署名-相同方式共享 world，所以响应时间变长了。
但是，现在问题来了，Full GC 回收不掉的对象都是啥啥啥？

分析 java 堆内存

先把线上流量从这台机器切走，然后 dump，分析后发现，一共 160 多万个 PoolHttpConnecti nManager 对象占领了绝大多数内存。

会议了一下代码，和 http

GopherChina 主持人&金牌讲师 • 极客时间 Go 专题出品人 • 腾讯云开发者大会讲师 TOC 稳定性的定义 Go 服务稳定性手自 稳定性的度量 Go 服务监控告警 Go 服务故障演练 Go 服务排障 稳定性定义 可用性 正确性 延迟 ’ alt=‘OCR图片’/> Go 服务稳定性手段 需求合理性 技术方案简洁性 code review 关注异常日志 Go 服务故障演练 识别和梳理风险点（分等级） 整理风险点的应急预案 定期故障演练（遵循应急预案） 复盘、优化、调整应急预案 Go 服务排障 保存现场，检查根因 监控告警 -> 是否流量过高 重启 回滚 扩容 (ecs or k8s) 调整限流 线上排障（无奈之举） Go 服务排障 线上排障 服务状态大盘 链路追踪展示

，可观测性等分布式系统指标影响整个分布式系统的运行。历史上，这个系统在阿里也触发过大故障，经历过数次血与火的考验。在阿里数次架构升级中，Nacos 都做了大量的功能迭代，用来支持阿里的异地多活，容灾演练，容器化，Serverless 化。Nacos 经过阿里内部锤炼十年以上，各项指标已经及其先进，稳定，为服务好全球开发者，Nacos 经过数十名工程师持续努力，以开源形式和大家见面，相信 Nacos 的设计就是用来进行资源隔离的，我们在进行配置资源的时候可以从以下两个角度来看： - 从单个租户的角度来看，我们要配置多套环境的配置，可以根据不同的环境来创建Namespace。比如开发环境、测试环境、线上环境，我们就创建对应的Namespace（dev、test、prod），Nacos会自动生成对应的NamespaceId。如果同一个环境内想配置相同的配置，可以通过Group来区分。如下图所示： 服务端正常重启：服务端主动关闭连接，客户端实时感知 • 防抖： 。网络短暂不可用：客户端需要能接受短暂网络抖动，需要一定重试机制，防止集群抖动，超过阈值后需要自动切换 server，但要防止请求风暴。 断网演练：断网场景下，以合理的频率进行重试，断网结束时可以快速重连恢复。 ### 5. 安全性 支持基础的鉴权，数据加密能力。 ### 6. 低成本多语言实现 在客户端层面要尽可能多的支持多语言，至少要支持一个

流量尖刺、Exception log、服务线程数、异常报警..... ## 设计要点十二：全链路压测 容量测试 摸高压测 峰值稳定性测试 脉冲流量测试 秒杀场景测试 限流演练 降级演练 预案演练 故障演练 安全测试演练 采用梯度压力，看服务的性能变化情况，评估出服务的最大容量值。 在达到停止条件之后，继续增加压力，检验服务集群在失效状态下的表现。 在峰值压力下，保持30分钟（可讨论）稳定 制造脉冲式的压力，检验系统在脉冲压力下的表现是否稳定。 针对秒杀类业务，制定秒杀测试场景 多级限流，保护系统稳定提供服务 非核心业务降级，提升整体服务能力 实施预案演练，应对突发问题 针对特定服务故障注入，观察服务的高可用、稳定可靠性 负责人给出安全测试演练用例说明 ## 全链路压测平台  代码到线上全流程管理 互联网化接口测试，场景测试 灵活执行集：冒烟，日常，回归 定时测试，MOCK测试 测试，生产镜像仓库分离，自动同步 开发测试环境自动部署，生产环境手动触发 ## 微服务框架负责服务之间的调用——企业级特性

2018 技术年货 CODE A BETTER LIFE 后台 ## 序 春节已近，年味渐浓。 又到了我们献上技术年货的时候。 不久前，我们已经给大家分享了技术沙龙大套餐，汇集了过去一年我们线上线下技术沙龙99位讲师，85个演讲，70+小时分享。 今天出场的，同样重磅——技术博客全年大合集。 2018年，是美团技术团队官方博客第5个年头，博客网站全年独立访问用户累计超过300万，微信公 据、流程数据和线上数据。对持久化的数据，我们采用MySQL进行存储；对于缓存数据，我们采用了Redis的解决方案。这样数据层形成基本的两级存储结构：MySQL保证了数据的持久性，Redis保证了数据获取的速度。 这里我们对底层数据划分为三个不同域：后台数据，相当于草稿数据，运营人员所有的操作都记录在这里；流程数据，运营人员操作完成后，提供发布流程，预览及审核都在流程数据里进行；线上数据，审核通过 后，数据同步到线上数据，最终C端用户获取到的数据都是来源于线上数据。 谈到数据层，这里我们遇到了存储上的一个小问题。按城市运营的每条数据，都需要存储具体的城市ID列表，其在数据库里的存储为“1,2,3,4……”这样字符串。而这种数据存储在业务请求和条件过滤过程中，存在着如下两个问题： ### a. 大数据存储对内存的消耗 美团、大众点评运营的城市成千上万，如果每条运营的投放数据都包含大量的城

新建机房是否可用？ 灾备预案是否可行？ 非“函数式“业务 传统压测的问题 难以通过流量回放压测 难以通过线下等比放大估计 ’ alt=‘OCR图片’/> 全链路压测 滴滴如何在线上环境压测 方案 流量标识方案 实施基础 全局流量标识 struct ReqHead { 1: optional i64 hintCode; 2: optional string alt=‘OCR图片’/> 全链路压测 滴滴如何在线上环境压测 压测频率 新机房容量测试 周期业务流程压测 压测范围 涉及所有业务模块 峰值压力的 150%+ 压测数据 抓取线上日志 Agent模拟 ’ alt=‘OCR图片’/> 全链路压测 滴滴如何在线上环境压测 ’ alt=‘OCR图片’/> 全链路压测 滴滴如何在线上环境压测 详尽系统数据 机房流量上限 机房流量上限 系统瓶颈分析 故障处理预案 降级，限流预案 事故处理演练 成本过高 压测通道维护成本 风险过高 业务人员配合成本 线上事故风险 ’ alt=‘OCR图片’/> 服务迁移 部分模块成为了系统瓶颈 ’ alt=‘OCR图片’/> 希望什么 滴滴如何迁移业务 业务无感知/微感知 服务迁移稳定 逻辑功能无差异 ’ alt=‘OCR图片’/> 迁移经验-How 滴滴如何迁移业务

影响服务运行，诊断结束后需重启，线上不可用。 - Scalpel 使用 信号量 + JVMTI 事件驱动 - 基于定时中断的采样，采样点随机（准确性高）； - 不修改代码，不影响 JIT 优化； • 性能影响<3%，诊断结束后，无需重启服务。 ## 服务治理实践(5)：服务保障体系 - 钻石段位 2. 配额限流 1. 服务鉴权 3. 熔断降级 服务保障体系 6. 全链路压测 4. 故障演练 5. 链路级流量隔离 ## 链路级流量隔离 - 全链路灰度发布 - 全链路压测 - 全链路故障演练  ## 服务治理实践(6)-星耀段位: 异地容灾&扩展 SET化架构模型图 ![Image](/uploads/docume