稳定性技术策略
什么是稳定性
对于大型微服务系统，在错综复杂的服务逻辑各种交互情景下，面对各种未知的条件变化，整体系统依旧能够正常平稳的提供服务，这便是稳定性。
影响稳定性的因素
系统稳定性影响因素非常多，举例来说：
- 服务间的依赖：某个服务 BUG 造成其他依赖服务的不可用；
- 业务逻辑变更：业务逻辑不断迭代演变，新老服务的不兼容；
- 访问流量激增：流量突然增加，比如我们进行促销活动期间，导致服务压力过大 ，达到服务能力上限，从而导致服务崩溃；
- 机器老化异常：任何机器和人一样，都有生老病死，随着长时间的运行，也会有磨损，因此某个机器故障，也是可能的异常。
还有其他各方面的因素，在这里就不进行穷尽了，大家可以思考一下，还有那些经典的影响因素。
稳定性的衡量标准
稳定性衡量标准一般用 N 个 9 来衡量。如表格所示：
![]()
比如说某个系统网站全年稳定性达到 4 个 9 ，意味着全年服务不可用的时间小于等于 53 分钟。
稳定性技术策略
稳定性的技术策略，是我们本文介绍的重点，从大的方面来说，稳定性技术策略包含：监控，冗余，限流，降级，回滚，重试。
在这里重点介绍监控相关的内容。
监控
监控是指对整个系统服务进行实时的监控操作，准确反馈系统运行状态，能够做到及时发现异常故障，记录详细日志与数据，提高故障发现，定位，解决的效率。从而提高系统服务整体稳定性。
监控是保证稳定性最基础工作。我们将重点介绍监控需要从几个方面考虑？ 有哪些监控方向？
监控可以分为以下几类来进行：
流量监控
流量监控包括：PV、 UV、 IP，热门页面，用户响应时间。
这些基本的流量指标就不在这里向大家详细说明了，如果有不太清楚的同学可以自己搜索一下。
在流量监控这块，我们需要注意的是：流量毛刺。流量毛刺往往代表了系统某个风险点或者异常情况的发生。
一个正常业务的流量趋势具备周期一致性特征。比如说，一个业务每天的流量峰值一般在中午 12:00 和下午 18:00，那么这种峰值在没有特殊情况出现的前提下，应该会遵循该峰值时间规律。 那么流量毛刺是啥呢？ 如下图所示：
从图中左侧部分可以看到，8 点钟有流量的突增，这时候我们需要确认为什么会有流量的突增。是业务的正常表现，还是有其他的异常流量进入。
从图中右侧部分可以看到，每条曲线代表了每一天的流量统计，红色曲线相对于其他几天的流量曲线在凌晨 3:00 和早上 8:00 的时候有明显的流量毛刺，这时候我们就需要确认是什么因素造成流量数据的突变。
通过对于流量毛刺的观察，能够让我们及时了解业务中的风险，及时做好预警与准备。
业务监控
业务监控是根据业务属性来定义监控指标，可以用于判定整体业务的运转是否正常。不同业务类型监控的指标肯定有所不同，比如电商场景、物流场景、游戏场景是完全不同的监控方向。
我们拿一个电商交易业务系统来举例，看看有哪些监控指标？大家可以参考着思考自己目前负责的业务指标。举例来说针对一个电商交易系统我们可以监控的业务指标有：
- 用户下单监控：秒/分/时 用户下单统计 ；
- 用户支付监控：秒/分/时 用户支付统计；
- 用户退款情况：秒/分/时 用户退款统计；
- 商品库存状态：库存消耗/剩余统计；
- 业务 GMV 监控：业务整体销售额统计；
- 商家在线状态：监控商家在线状态；
- 促销运营监控：监控促销金额与数量。
在业务监控中，还需要重点关注业务转化漏斗概念。流量漏斗可以看出业务转化率以及用户的访问深度。它是业务健康程度的监控，也是部分需求效果的衡量标准。如下图所示：
机器监控
机器监控需要关注的内容，应该是后台研发比较熟悉的部分。 主要监控方向包含下面几个部分：
当然在 linux 系统中，也有各种常用指令，来进行该类数据的收集：top、free、ping、iostat、netstat。
对于 Java 系统来说，需要进行 JVM 层面的监控内容，比如说：gc 的情况，线程创建销毁情况，full gc 情况，内存不同模块使用情况等。 JVM 同样也提供了指令集，方便我们进行信息的查找：jstat、jps、stack、jmap、jhat 等。
日志记录
在日志的打印过程中，我们需要注意日志的打印规范，日志打印内容应该包含对于问题排查有益的信息，并且日志格式清晰，可解析性高。日志一般是打印到服务器磁盘上面，但是由于单机磁盘能力有限，并且对于大型分布式系统来说需要整体收集不同服务器模块的日志，进行统一分析，提高问题排查效率。这时候就需要一个集中式的日志中心。
日志中心的核心能力一般包含：获取日志、存储日志、展示日志、分析日志、报警服务。
相对比较简单的实现方式可以采用ELK快速搭建自己的日志中心。
![enter image description here]()
我们利用 kafka 将日志信息，进行异步广播，然后进行日志的解析，存储到 ES 检索系统中，利用 kibana 来进行日志的检索、查看等。进一步提升日志的有效管理。
总结
上面是监控相关内用，希望对大家有所帮助。
更多关于大型网站稳定性建设的内容，请参考课程： https://www.roncoo.com/view/1070493514408189953
