# nerver

**Repository Path**: woate/nerver

## Basic Information

- **Project Name**: nerver
- **Description**: 微服务神经元，目标功能：五层过滤、规则路由、幂等、流控、容错(泛化容错)、熔断、隔离等功能
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 19
- **Created**: 2016-06-13
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#微服务神经元(Nerver)

主要功能:过滤、动态规则路由、容错、熔断、隔离、限流、超时控制。

**QQ交流群：191958521(微服务神经元)**

##源码结构介绍

+ <font color="red">cn.tm.ms.nerver.common</font>：公共模块
+ <font color="red">cn.tm.ms.nerver.degrade</font>：服务降级
+ <font color="red">cn.tm.ms.nerver.filter</font>：神经元过滤
+ <font color="red">cn.tm.ms.nerver.gateway</font>：泛类网关
+ <font color="red">cn.tm.ms.nerver.idempotent</font>：幂等机制
+ <font color="red">cn.tm.ms.nerver.neural</font>：神经元
+ <font color="red">cn.tm.ms.nerver.qos</font>：流量控制
+ <font color="red">cn.tm.ms.nerver.reliable</font>：高可用机制
+ <font color="red">cn.tm.ms.nerver.route</font>：路由机制
+ <font color="red">cn.tm.ms.nerver.slow</font>：慢性变化
+ <font color="red">cn.tm.ms.nerver.strategy</font>：容错策略

##一、功能介绍
###1.核心功能
+ 分布式依赖协调指挥组织(neural,即神经元)：在分布式环境下，将多个系统之间的依赖进行有序的指挥调度与组织协调。如：
  
			异步回调服务  
				^  
				|  
	mock服务<---服务A--->服务B  
				|  
				v  
			失败通知服务  

  如上如所示,简单的服务A调用服务B,就可能需要同时协调5个(剩至更多)不同系统的服务,而该神经元则就是专门使用在该场景下,其不做具体的业务,只为指挥当前请求该调度谁,只协调各个服务之间的依赖关系。同时在该场景下,还引用该了Hystrix来提供了服务调度的错误隔离、舱壁隔离、超时控制,同时提供了失败重试、重试呼叫、调用链记录、耗时监控统计、放通率控制...

+ 服务降级：
+ 请求过滤：
+ 网关请求：
+ 流量控制：
+ 慢性控制：

###2.次要功能
+ ：五种缓存策略:FIFO、FileLFU、LFU、LRU和Timed
+ ：资源拷贝
+ ：SPI机制
+ ：幂等机制
+ ：高可靠性设计

##二、目标定位
专业解决微服务场景下的指挥协调组织,为分布式依赖提供丰富的各类机制与监控协调链路。

##三、过滤
###1.过滤类型
过滤规则(FilterType)参考了Netflix的Zuul项目进行实现,提供了以下五层过滤器:

+ PRE：请求到达Nerver服务器之前进行过滤
+ ROUTE：请求路由转发至源服务器(Orgin Server)之前进行过滤
+ RECV：请求从Orgin Server回来到达Nerver服务器之前过滤
+ RET：请求从Nerver服务器离开之前(响应用户)进行过滤
+ ERROR：当请求在Nerver服务器中发送异常时进行过滤

###2.过滤设计方案
![过滤设计方案](docs/五层路由设计方案.png "过滤设计方案")  

##四、动态规则路由
###1.路由规则
	如:
	/api/goods/** → http://127.0.0.1:8081/api/goods
	/api/user/** → http://127.0.0.1:8082/api/user
	...

###2.路由实现
采用httpclient实现请求的转发(路由)。

###3.路由类型
目前已支持：GET、POST、PUT、DELETE、HEAD、OPTIONS、PATCH和TRACE类型请求的路由。

##五、容错

###**1.设计场景：**

![容错设计](docs/容错设计.png)

###**2.泛化容错核心设计:**

![泛化容错核心设计](docs/泛化容错核心设计.png)

###**3.使用场景**
主要用于分布式系统之间进行交互的代码模块,即容错有依赖的代码模块。当分布式系统之间发生远程通信时，需要对代码模块实现容错处理(不保证事务的一致性)。

###**4.容错策略**
+ **故障转移(Failover):**失败自动切换，当出现失败，重试其它服务器;通常用于读操作，但重试会带来更长延迟。
+ **快速失败(Failfast):**快速失败，只发起一次调用，失败立即报错;通常用于非幂等性的写操作，比如新增记录。
+ **失败缓存(Failcache):**
+ **失败恢复(Failback):**失败自动恢复，后台记录失败请求，定时重发;通常用于消息通知操作。

##六、熔断
###1.使用场景
在一定的时间窗内,当分布式远程通信中的某一条线路的失败率达到一定的阀值时,系统需要暂时断掉该条线路,以保证后续的服务质量。在熔断一定的时间后,需要尝试线路是否正常,正常则恢复熔断,否则周期性检查是否恢复。

##七、隔离
###1.使用场景
分布式服务在远程调用时,可为会发生未知的异常,进而可能会引起整个主服务进程都宕掉,则会导致大面积的服务瘫痪。为了防止单个服务依赖异常而引发其他服务一起陪葬的问题,需要对每一个远程依赖进行隔离。

##八、限流(流量控制)
###1.使用场景
当某一片区的服务整体失败率较高时,我们可以选择拒绝部分请求,从而防止该片区集体宕掉或下线的问题；或者使用与流量的迁移过程。

###2.市场上主流的流量控制方式
+ **自研**：当你觉得自己的技术足够厉害,选择自行研发个性化的流控方案也是不错的选择。即自研的结果好坏与技术能力和经验程度成正比。

+ **漏斗流控：**
+ **令牌桶流控：通常情况下的优先选择方案**
+ **反压流控：**灵感来自于alibaba的开源项目jstorm，开源地址：https://github.com/alibaba/jstorm/wiki/Backpressure

因此，通常情况下流控方案的优略档次为：自研<漏斗流控<令牌桶流控<反压流控。

###3.流量控制使用说明
请直接运行
	
	cn.tm.ms.nerver.qos.QosAtomicFlowCtrl

运行结果
	
	耗时： 7923ms 业务成功笔数： 1000  126 笔/秒  业务处理成功率： 100.0%

##九、超时控制
###1.使用场景
在分布式依赖的模块，为防止服务端长时间等待远程响应的结果，而使用超时设置来控制远程消费异常的情况。

##十、幂等机制
###**1.背景**
   在业务开发中，我们常会面对防止重复请求的问题。当服务端对于请求的响应涉及数据的修改，或状态的变更时，可能会造成极大的危害。重复请求的后果在交易系统、售后维权，以及支付系统中尤其严重。前台操作的抖动，快速操作，网络通信或者后端响应慢，都会增加后端重复处理的概率。重复消息是SOA服务实现中非常常见的问题，你永远不要指望调用方每次请求消息不一样，对于读操作，重复消息可能无害，可对于写操作很可能就是灾难。

因此，可以通过幂等(Idempotent)机制处理重复的消息，基本处理思路是： 
+ 调用者给消息一个唯一请求ID标识。ID标识一个工作单元，这个工作单元只应执行一次，工作单元ID可以是Schema的一部分，也可以是一个定制的SOAP Header，服务的Contract 可以说明这个唯一请求ID标识是必须的；
+ 接收者在执行一个工作单元必须先检验该工作单元是否已经执行过。检查是否执行的逻辑通常是根据唯一请求ID ，在服务端查询请求是否有记录，是否有对应的响应信息，如果有，直接把响应信息查询后返回；如果没有，那么就当做新请求去处理。

###**2.使用场景**
+ 防止重复提交
+ 保证服务请求的可靠性(尽可能的保证每一次请求都有响应,一次失败)

###**3.定义**
   在指定的时间窗(一段时间)内,失败后使用重复提交的方式来保证服务的高可靠性。当服务的一致性做得足够好,则可以使用幂等机制来实现所有请求的高可靠,否则该机制只能删除、查询、部分修改的操作,而针对新增是致命的。

###**4.幂等方案**
   对时间全局性要求高的，可能就必须选择DB这种持久化方案比较可靠，但是性能不够好啊（然后就要考虑loadmemory，以及数据同步的问题，就一步还要考虑实时性要求了）。在空间的要求中，根据不同的幂等范围，可以考虑分布式数据库（分布式集群全局流水号幂等）。还是某种少量数据幂等（可能只需要单台，做好主备）。

###**5.数据的对象和范围**
你要考虑你的幂等的全局性：空间全局性和时间全局性。
+ 空间全局性：比如是交易流水幂等还是用户ID幂等。是某种类型交易流水幂等，还是某个人|机构|渠道的交易流水幂等
+ 时间全局性：是幂等几秒，还是几分钟，还是永远。
不同的要求，可以有不一样的解决方案、难度和成本。