Adaptiver Lastausgleich oder Verbesserung der Zuverlässigkeit eines Mikrodienstes

Hallo, mein Name ist Gennady, ich arbeite bei Ozon und entwickle Backend-Services.





Redundanz von Komponenten, Clustering oder Balancing ist heutzutage für niemanden mehr überraschend. Dies sind sehr wichtige und notwendige Mechanismen. Aber sind sie wirklich so gut? Wie sehr schützen sie uns vor möglichen Ablehnungen?





In Ozon wird alles oben Genannte verwendet, aber wir sind mit Problemen konfrontiert, die über die Fähigkeiten von Standardlösungen hinausgehen, und wir benötigen unterschiedliche Ansätze und Werkzeuge. Ich bin sicher, dass Sie Clustering haben und es hilft auch nicht hundertprozentig.





In diesem Artikel möchte ich einige dieser Probleme ansprechen und zeigen, wie wir die Zuverlässigkeit von Diensten mithilfe des adaptiven Ausgleichs verbessern.





Ursprünglich wurde das Problem des Client-Balancing von Abfragen an PostgreSQL und Redis gelöst, aber die unten beschriebene Lösung ist nicht darauf beschränkt - sie kann für andere Fälle angewendet werden.





Der Algorithmus ist recht einfach, nicht an eine Technologie oder Programmiersprache gebunden und kann fĂĽr verschiedene Plattformen angepasst werden.





Aber das Wichtigste zuerst.





Beginnen wir mit dem Problem.





Skalierungsengpässe

Es gibt einen bestimmten Dienst, der auf Anfragen reagieren soll. Es sieht aus wie das:





, , PostgreSQL .





. ( , ..), . .





( ). , – . - Kubernetes ( – ).





:





.





. , , PostgreSQL Redis.





, — .





, .





. - , , — , . , .





, , , «» , - . eventual consistency (), , .





, . .





? ? , .





: , , !





, .





, : (), , , , , .





«» .





– - ( ).





:





1)      , , ;





2)      , , ;





3)      , ( ) , .





, - . ? - . «» , .





.





. «», – ( , ). , .





. 1--1, 50% . , ?





( ) : , . , . , . ( - ), , . . , ?





( ) – . . , ; «» . , . , , .





: . , I/O-.





.NET

. .NET- (, , ).





. , PostgreSQL Redis. , . : 5%, 10%, 15% . . , : «FATAL: connection limit exceeded for non-superusers». , Redis !





. - , 80% – .





? (Exceptions).





.NET: , - . , «» , : , , , , stack trace. ? , ( CPU RAM).





, , «», . «», . stack trace.





( ) . , . CPU, throttling, «» . , , . .





, «» 200 Exceptions , .





, soft-exception – . .





, . ? . , , NpgSql, - ?





. :





  • ;





  • ();





  • ( .NET).





.





- , , , , - «» . , .





.





response time – . .





? , . , «» .





– . , 100 . .





. – , , ( , ).





, response time 20ms .





– , «» , 2 ( ).





– .





, . :





EMA (i) = RT (i) * F + (EMA (i-1) * (1 - F)),





  • F – ; , «»: 2/(n+1), n – ;





  • RT – ;





  • i – ;





  • EMA(i-1) – EMA .





, RT ( ) . , , , «» – .





. .





30, , , «»:





2ms, 10ms . , «» (SMA) . . EMA , , . EMA , «» .





: AMA, Double EMA, Triple EMA, Fractal AMA. , .





, .





(permanent exceptions). . – . , .





, response time? .





RT. , timeout – 100ms, – 200ms . . .





– , 1--1. RT - .





, response time? . Timeout , 1.5, – 2 . .





, «» . , !





, , – .





:

///  - ///
//  ,    :
const EmaPeriod = 250
const EmaFactor = 2 / (EmaPeriod + 1)

//     «» :
const BusyMultFactor = 1.5
const TimeoutMultFactor = 2
const ErrorMultFactor = 4

//     ,       ,     N . 
//      ,  ,        N    :
const InitialReponseTime = 2 // 

//        :
var firstNodeResponseTime = InitialResponseTimeMs
var secondNodeReponseTime = InitialResponseTimeMs

//     
var firstNodeRatio = 1
var secondNodeRatio = 1

//  ,   response time       . 
//    ?    RT    ,  ,      . 
// ,    ,    - ,         «» . 
//MaxRatio –   ,    .   1  200   0.5% . 
//       0.5% ,          . 
//,    –   . ,   ,     ,     . 
// 0.5%       .
const MaxRatio = 200 
var RequestTotal = 0 //  

//   ,     
const ThrottlingResponseRt = 1000;
const MaxResponseRt = 250 * MaxRatio

//  ,    . 
//    – 0  1,   :
func GetNext()
	//   
	if firstNodeRatio >= secondNodeRatio then
		fastestNode = 0
	else
		fastestNode = 1
	fi
	RequestTotal++; //   
	requestId = RequestTotal mod (firstNodeRatio + secondNodeRatio) //       1. 
 //     MaxRatio (   200). 
 //      201  ,     ,  –  .
 //    ,     . 
 //       highload-,         
 //      
	
  if (requestId = 0) then
		return not fastestNode //   
  else
		return fastestNode //    
	fi
end func

//  .         .
func updateStatistics(nodeId, responseTime, status)
	if nodeId = 0 then
		prevNodeResponseTime = firstNodeResponseTime //   .   ,      ,     .
		fallbackNodeRatio = secondNodeRatio //  ,       «.
	else
		prevNodeResponseTime = secondNodeResponseTime
		fallbackNodeRatio = firstNodeRatio
	fi
	currentResponseTime = getResponseTime(prevNodeResponseTime, responseTime, status, fallbackNodeRatio)
	newNodeResponseTime = calcEma(prevNodeResponseTime, currentResponseTime)

  // 
	if nodeid = 0 then
		firstNodeResponseTime = newNodeResposneTime
	else
		secondNodeResponseTime = newNodeResponseTIme
	fi
	
	updateRequestRatio();
end func

//     –   ,       
func getResponseTime(prevNodeResponseTime, responseTime, status, fallbackNodeRatio)
	if status != OK AND prevNodeResponseTime > ThrottlingResponseRt && fallbackNodeRatio == MaxRatio then 
	return prevNodeResponseTime; 
//            ThrottlingResponseRt     «»   , 
//          . 
//   ,      responseTime  , 
//    1  MaxRatio (   1  200).
//TrottlingResponseRt –  ,     ,  MaxRatio,       . 
// ,  ,      2ms, , 1  200    400ms. 
//        . 
//    .     ,   «»    
//        . 
//       .
	end fi
//  
If status = busy then
	nodeResponseTime = BusyMultFactor * prevNodeResponseTime
else if status = … then //      «»
	….
else //    –    
	return responseTime
fi

	if nodeResponseTime > MaxResponseRt then
		return MaxResponseRt  //     ,         . 
//   ,    ,  ,   ,  . 
//  ,         TrottlingResponseRt.     ,   ? 
//    MaxResponseRt. 
// ,        250ms (  deadline_timeout). 
//     MaxResponseRt,  deadline_timeout   MaxRatio.
	else
		return nodeResponseTime
	fi
end func

//   :
func UpdateRequestRatio()
	if firstNodeResponseTime <= secondNodeResponseTime then
		fastestNode = 0
	else
		fastestNode = 1
	fi
overallRt = firstNodeResponseTime + secondNodeResponseTime
if fastestNode = 0 then
	fastestNodePercent = firstNodeResponseTime / overallRt
else
	fastestNodePercent  = secondNodeResponseTime / overallRt
fi
slowestNodePercent = 1 - fastestNodePercent  
slowNodeRatio = slowestNodePercent / fastestNodePercent
if slowNodeRatio > MaxNodeRatio then
	slowNodeRatio = MaxNodeRatio 
fi

if fastestNode = 0 then
	firstNodeRatio = slowNodeRatio
	secondNodeRatio = 1
else
	firstNodeRatio = 1
	secondNodeRatio = slowNodeRatio
fi
end func

//   EMA: 
func calcEma(prevNodeResponseTime, currentResponseTime)
	return currentResponseTime*EmaFactor + prevNodeResponseTime * (1-EmaFactor)
end func

      
      



.





:





nodeId = GetNext()
cluster = getClusterByNodeId(nodeId) //    ,   .     
responseInfo = getData(cluster, request) //    ,    
updateStatistics(nodeId, responseInfo.responseTimeMs, responseInfo.status) //          

if responseInfo.status != OK then //     ,     
	cluster = getClusterByNodeId(not nodeId)
	responseInfo = getData(cluster, request)
updateStatistics(not nodeId, responseInfo.responseTimeMs, responseInfo.status) //   
	…
fi 

      
      



, « », . , , .





? , . , .





(, ) , .





, ( GetNext, RequestTotal++). , # – Interlocked.





(firstNodeResponseTime secondNodeResponseTime)? – . .





, , . , .





«» ( «») , . .





(nodeRatio) . 1--X, . , . Interlocked.





? highload- . 50 .





. .





.





, PostgreSQL Redis. - .





PostgreSQL.





1 ( , ). 16:44 ( , , ). , , 0.5% fallback Redis. C 2 – . 





, .





Error rate response time – - postgres, fallback Redis. PostgreSQL exception ( , ), response time . , , «» !





. Redis ( DEBUG SEGFAULT).





, . .





, error rate 2.51% ( – 0.009%). response time 90 99 . , .





-.





«»?





Redis ( ).





, PostgreSQL exception.





«» – PostgreSQL.





, 99 . 11:30 12:30.





, – .





,

, , . .





, , . - .





.





, , !








All Articles