1.Spring Boot 项目配合Hystrix 实现全局RestController超时熔断（api超过30秒返回timeout)
2.Springboot之分布式事务框架Seata实现原理源码分析
3.Hystrix技术指南（7）故障切换的源码运作流程原理分析（含源码）
4.5K字详解HttpClient 在vivo内销浏览器的高并发实践优化
5.springcloud2022？

Spring Boot 项目配合Hystrix 实现全局RestController超时熔断（api超过30秒返回timeout)

       为了在Spring Boot项目中实现全局RestController的超时熔断，当API调用超过秒时返回timeout，分析我们需要寻找一种更高效的源码方法，避免手动为上百个控制器添加@HystrixCommand注解，分析这将是源码一项繁重的任务。起初，分析mtk源码购买我尝试使用切面编程（AspectJ）包裹RestController，源码配置@HystrixCommand，分析但这似乎与HystrixCommand的源码特性产生了冲突。通过深入Hystrix源码分析和实例化HystrixCommand，分析我成功实现了全局的源码超时熔断策略，无需每个API都单独标注。分析

       实现的源码关键在于在pom文件中添加适当的Hystrix依赖，并确保返回值使用ResponseEntity以控制响应码。分析对于非ResponseEntity类型的源码返回值，通过优化处理，可以避免超时后返回的意外情况。这个过程虽然注解方式简洁，ftp源码 qt但控制不当可能引发问题。在遇到注解失效或效果不佳时，通过创建私有实例进行管理通常更易于调试和问题定位。

       Spring Boot的starter虽然提供了快速搭建项目的便利，但在精细化控制上可能面临挑战。因此，对于这类场景，注解的便利性和实例化管理的灵活性是需要权衡的。

Springboot之分布式事务框架Seata实现原理源码分析

       在SpringBoot环境下的分布式事务框架Seata实现原理涉及到了代理数据源、注册代理Bean以及全局事务拦截器等关键环节。下面我们将逐步解析其核心逻辑。

       首先，Seata通过GlobalTransactionScanner来注册项目中所有带有@GlobalTransactional注解的方法类。该扫描器是一个实现了BeanPostProcessor接口的类，它能够在Spring容器初始化时进行后置处理，从而实现全局事务的管理。

       GlobalTransactionScanner实际上是猛涨公式源码一个InstantiationAwareBeanPostProcessor，它在实例化Bean前执行postProcessBeforeInstantiation方法，在实例化后执行postProcessAfterInstantiation方法，并在属性填充时执行postProcessProperties方法。尽管GlobalTransactionScanner类本身并未覆盖这3个方法，但在父类的实现中，这些方法用于处理Bean的实例化和属性设置过程。

       关键在于postProcessAfterInitialization方法中实现的wrapIfNecessary方法，该方法在GlobalTransactionScanner类中被重写。当方法执行到existsAnnotation方法判断类方法是否带有@GlobalTransactional注解时，如果存在则创建一个GlobalTransactionalInterceptor作为拦截器处理全局事务。

       在创建代理数据源时，Seata通过DataSourceProxy对系统默认数据源进行代理处理。通过shouldSkip方法判断当前bean是否需要被代理，如果bean是SeataProxy的子类且不是DataSource的子类且不在excludes集合中，则进行代理，从而代理当前系统的默认数据源对象。

       全局事务拦截器主要负责全局事务的gmail编辑源码发起、执行和回滚。在执行全局事务的方法被代理时，具体的执行拦截器是GlobalTransactionalInterceptor。该拦截器处理全局事务的逻辑，包括获取全局事务、开始全局事务、执行本地业务、提交本地事务、记录undo log、提交数据更新等步骤。其中，提交本地事务时会向TC（Transaction Coordinator）注册分支并提交本地事务，整个过程确保了分布式事务的一致性。

       当全局事务中任何一个分支发生异常时，事务将被回滚。参与全局事务的组件在异常发生时执行特定的回滚逻辑，确保事务一致性。拖拽式源码在Seata的实现中，异常处理机制确保了事务的回滚能够正确执行。

       Seata还提供了XID（Transaction Identifier）的传递机制，通过RestTemplate和Feign客户端进行服务间的调用，确保分布式系统中各个服务能够共享和处理全局事务。RestTemplate在请求头中放置TX_XID头信息，而Feign客户端通过从调用链中获取Feign.Builder，最终通过SeataHystrixFeignBuilder.builder方法实现XID的传递。

       在被调用端（通过Feign调用服务），Seata自动配置会创建数据源代理，使得事务方法执行时能够获取到连接对象，而这些连接对象已经被代理成DataSourceProxy。SeataHandlerInterceptor拦截器对所有请求进行拦截，从Header中获取TX_XID，参与者的XID绑定到上下文中，通过ConnectionProxy获取代理连接对象。在数据库操作中，XID绑定到ConnectionContext，执行SQL语句时通过StatementProxy或PreparedStatementProxy代理连接，从而完成全局事务的处理。

       综上所述，Seata通过一系列复杂的逻辑和机制，实现了SpringBoot环境下的分布式事务管理，确保了分布式系统中数据的一致性和可靠性。

Hystrix技术指南（7）故障切换的运作流程原理分析（含源码）

       目前对于一些非核心操作，如增减库存后保存操作日志发送异步消息时（具体业务流程），一旦出现MQ服务异常时，会导致接口响应超时，因此可以考虑对非核心操作引入服务降级、服务隔离。

       Hystrix说明

       Hystrix是Netflix开源的一个容灾框架，解决当外部依赖故障时拖垮业务系统、甚至引起雪崩的问题。

       为什么需要Hystrix?Hystrix设计理念

       想要知道如何使用，必须先明白其核心设计理念，Hystrix基于命令模式，通过UML图先直观的认识一下这一设计模式。

       Hystrix如何解决依赖隔离Hystrix流程结构解析

       流程说明:

       以下四种情况将触发getFallback调用：

       熔断器:Circuit Breaker

       每个熔断器默认维护个bucket，每秒一个bucket，每个bucket记录成功，失败,超时,拒绝的状态，默认错误超过%且秒内超过个请求进行中断短路。

       Hystrix隔离分析

       Hystrix隔离方式采用线程/信号的方式,通过隔离限制依赖的并发量和阻塞扩散.

       线程隔离实际案例：

       Netflix公司内部认为线程隔离开销足够小，不会造成重大的成本或性能的影响。Netflix 内部API 每天亿的HystrixCommand依赖请求使用线程隔，每个应用大约多个线程池，每个线程池大约5-个线程。

       信号隔离

       信号隔离也可以用于限制并发访问，防止阻塞扩散, 与线程隔离最大不同在于执行依赖代码的线程依然是请求线程（该线程需要通过信号申请）,如果客户端是可信的且可以快速返回，可以使用信号隔离替换线程隔离,降低开销。 信号量的大小可以动态调整, 线程池大小不可以。

       线程隔离与信号隔离区别如下图:

       fallback故障切换降级机制

       有兴趣的小伙伴可以看看： 官方参考文档

       源码分析

       hystrix-core-1.5.-sources.jar!/com/netflix/hystrix/AbstractCommand.java

       executeCommandAndObserve

       使用Observable的onErrorResumeNext，里头调用了handleFallback，handleFallback中区分不同的异常来调用不同的fallback。

       applyHystrixSemanticsViaFallback方法

       hystrix-core-1.5.-sources.jar!/com/netflix/hystrix/AbstractCommand.java

       hystrix-core-1.5.-sources.jar!/com/netflix/hystrix/AbstractCommand.java

       针对每个commandKey获取或创建TryableSemaphoreActual

       fallback源码分析小结

       hystrix的fallback主要分为5种类型：

       获取以上资源请访问开源项目 点击跳转

5K字详解HttpClient 在vivo内销浏览器的高并发实践优化

       HttpClient，作为Java开发者常用的HTTP工具，其高效连接管理和重用能力简化了开发。然而，在高并发环境下，遇到大报文和网络波动时，如何保证连接的最佳利用，优化空间在哪里？以下是问题的具体描述和解决过程。

       问题现象

       某次，信息流服务监控出现异常，表现为PAAS平台Hystrix熔断管理界面显示所有接口调用都熔断，日志中心充斥着连接池获取连接失败的异常。

       问题定位

       初步推测，问题可能源于TCP连接管理问题。经排查，机器本身无明显异常，通过调整连接池大小并重启机器，问题暂时缓解。但问题根源可能在于接口的异常场景导致连接无法释放。

       深入分析

       问题集中在某个详情页优化接口，抓包结果显示客户端未发送ACK，停留在CLOSE_WAIT状态，且接口报文大。代码中，虽显式关闭连接，但连接池中CLOSE_WAIT状态连接数持续增长，表明异常场景在起作用。

       优化措施

       为避免影响其他业务，我们为问题接口创建了独立连接池。源码分析表明，HttpClient通过validityDeadline管理长连接的有效期，但默认情况下，未指定连接时间的长连接有效期设置为永久。通过调整这些参数，解决了连接池拥堵问题。

       总结

       HttpClient在高并发场景下的管理，需要开发者关注长连接的有效期设置和异常处理机制。虽然框架广泛使用，但在处理异常时存在不足，可能导致连接无法释放和系统拥堵。通过深入源码理解，可以更好地优化和避免此类问题。

springcloud？

       å¾®æœåŠ¡æ¡†æž¶ä¹‹SpringCloud简介

       åœ¨äº†è§£SpringCloud之前先了解一下微服务架构需要考量的核心关键点，如下图：

       å¯¹äºŽä»¥ä¸Šç­‰æ ¸å¿ƒå…³é”®ç‚¹çš„处理，不需要我们重复造车轮，SpringCloud已经帮我们集成了，它使用SpringBoot风格将一些比较成熟的微服务框架组合起来，屏蔽掉了复杂的配置和实现原理，为快速构建微服务架构的应用提供了一套基础设施工具和开发支持。

       SpringCloud所提供的核心功能包含：

       SpringCloud架构图

       SpringCloud子项目

       SpringCloud旗下的子项目大致可以分为两类：

       å¦‚下：

       1.SpringCloud与SpringBoot

       SpringBoot可以说是微服务架构的核心技术之一。通过在SpringBoot应用中添加SpringMVC依赖，就可以快速实现基于REST架构的服务接口，并且可以提供对HTTP标准动作的支持。而且SpringBoot默认提供JackJson序列化支持，可以让服务接口输入、输出支持JSON等。因此，当使用SpringCloud进行微服务架构开发时，使用SpringBoot是一条必经之路。

       2.SpringCloud与服务治理(Eureka)

       æœåŠ¡æ²»ç†æ˜¯SpringCloud的核心，在实现上其提供了两个选择，即Consul和Netflix的Eureka。

       Eureka提供了服务注册中心、服务发现客户端，以及注册服务的UI界面应用。

       åœ¨Eureka的实现中，节点之间相互平等，有部分注册中心“挂掉”也不会对整个应用造成影响，即使集群只剩一个节点存活，也可以正常地治理服务。即使所有服务注册节点都宕机，Eureka客户端中所缓存的服务实例列表信息，也可让服务消费者能够正常工作，从而保障微服务之间互相调用的健壮性和应用的弹性。

       3.SpringCloud与客户端负载均衡(Ribbon)

       Ribbon默认与Eureak进行无缝整合，当客户端启动的时候，从Eureka服务器中获取一份服务注册列表并维护在本地，当服务消费者需要调用服务时，Ribbon就会根据负载均衡策略选择一个合适的服务提供者实例并进行访问。

       SpringCloud通过集成Netflix的Feign项目，为开发者提供了声明式服务调用，从而简化了微服务之间的调用处理方式。并且默认Feign项目集成了Ribbon，使得声明式调用也支持客户端负载均衡功能。

       4.SpringCloud与微服务容错、降级(Hystrix)

       ä¸ºäº†ç»™å¾®æœåŠ¡æž¶æž„提供更大的弹性，在SpringCloud中，通过集成Netflix下子项目Hystrix，通过所提供的@HystrixCommand注解可以轻松为我们所开发的微服务提供容错、回退、降级等功能。此外，Hystrix也默认集成到Feign子项目中。

       Hystrix是根据“断路器”模式而创建。当Hystrix监控到某服务单元发生故障之后，就会进入服务熔断处理，并向调用方返回一个符合预期的服务降级处理（fallback），而不是长时间的等待或者抛出调用异常，从而保障服务调用方的线程不会被长时间、不必要地占用，避免故障在应用中的蔓延造成的雪崩效应。

       è€ŒHystrix的仪表盘项目（Dashboard）可以监控各个服务调用所消耗的时间、请求数、成功率等，通过这种近乎实时的监控和告警，可以及时发现系统中潜在问题并进行处理。

       5.SpringCloud与服务网关(Zuul)

       SpringCloud通过集成Netflix中的Zuul实现API服务网关功能，提供对请求的路由和过滤两个功能

       è·¯ç”±åŠŸèƒ½è´Ÿè´£å°†å¤–部请求转发到具体的微服务实例上，是实现外部访问统一入口的基础。

       è¿‡æ»¤å™¨åŠŸèƒ½åˆ™è´Ÿè´£å¯¹è¯·æ±‚的处理过程进行干预，是实现请求校验、服务聚合等功能的基础。

       é€šè¿‡Zuul，可以将细粒度的服务组合起来提供一个粗粒度的服务，所有请求都导入一个统一的入口，对外整个服务只需要暴露一个API接口，屏蔽了服务端的实现细节。通过Zuul的反向代理功能，可以实现路由寻址，将请求转发到后端的粗粒度服务上，并做一些通用的逻辑处理。此外，Zuul默认会与Eureka服务器进行整合，自动从Eureka服务器中获取所有注册的服务并进行路由映射，实现API服务网关自动配置。

       6.SpringCloud与消息中间件(Stream)

       SpringCloud为简化基于消息的开发，提供了Stream子项目，通过建立消息应用抽象层，构建了消息收发、分组消费和消息分片等功能处理，将业务应用中的消息收发与具体消息中间件进行解耦，使微服务应用开发中可以非常方便地与Kafka和RabbitMQ等消息中间件进行集成。

       SpringCloudBus基于Stream进行扩展，可以作为微服务之间的事件、消息总线，用于服务集群中状态变化的传播。

       æ¯”如SpringCloudConfig借助Bus，可以实现配置的动态刷新处理。

       7.SpringCloud与分布式配置中心(Config)

       é’ˆå¯¹å¾®æœåŠ¡æž¶æž„下的配置文件管理需求，SpringCloud提供了一个Config子项目。SpringCloudConfig具有中心化、版本控制、支持动态更新和语言独立等特性。

       åœ¨Config子项目中将微服务应用分为两种角色：配置服务器（ConfigServer）和配置客户端（ConfigClient）。使用配置服务器集中地管理所有配置属性文件，配置服务中心可以将配置属性文件存储到Git、SVN等具有版本管理仓库中，也可以存放在文件系统中。默认采用Git的方式进行存储，因此可以很容易地对配置文件进行修改，并实现版本控制。

       8.SpringCloud与微服务链路追踪(Sleuth)

       SpringCloud中的Sleuth子项目为开发者提供了微服务之间调用的链路追踪。

       Sleuth核心思想就是通过一个全局的ID将分布在各微服务服务节点上的请求处理串联起来，还原了调用关系，并借助数据埋点，实现对微服务调用链路上的性能数据的采集。

       å› æ­¤ï¼Œé€šè¿‡Sleuth可以很清楚地了解到一个用户请求经过了哪些服务、每个服务处理花费了多长时间，从而可以对用户的请求进行分析。此外，通过将采集的数据发送给Zipkin进行存储、统计和分析，从而可以实现可视化的分析和展示，帮助开发者对微服务实施优化处理。

       9.SpringCloud与微服务安全(Security)

       SpringCloudSecurity为我们提供了一个认证和鉴权的安全框架，实现了资源授权、令牌管理等功能，同时结合Zuul可以将认证信息在微服务调用过程中直接传递，简化了我们进行安全管控的开发。

       SpringCloudSecurity默认支持OAuth2.0认证协议，因此单点登录也可以非常容易实现，并且OAuth2.0所生成的令牌可以使用JWT的方式，进一步简化了微服务中的安全管理。

       .SpringCloud的其他子项目

       è‡ªå®šä¹‰springcloud-gateway熔断处理

       ä¸€ã€åœºæ™¯

       ä½¿ç”¨springcloudgateway后，有了熔断，问题也就随之而来，服务间调用有了hystrix可以及时的排除坏接口、坏服务的问题，对系统很有帮助。但是！不是所有的接口都是极短时间内完成的，不是所有的接口都可以设置一样的超时时间的！

       é‚£ä¹ˆæˆ‘们面临一个问题，那就是百分之的接口都可以在1s内完美完成，但是就是那几个特殊接口，需要十几秒，几十秒的等待时间，而默认熔断的时间又只有一个。

       äºŒã€åˆ†æž

       åœ¨å‰é¢springcloudgateway源码解析之请求篇中我们知道请求会经过一些列的过滤器（GatewayFilter）,而springcloudgateway的降级熔断处理就是由一个特殊的过滤器来处理的，通过源码分析我们关注到HystrixGatewayFilterFactory这个类，这个类的作用就是生产GatewayFilter用的，我们看下它的实现

       å¯ä»¥çœ‹åˆ°çº¢æ¡†å¤„最后构建了一个匿名的GatewayFilter对象返回，这个对象在接口请求过程中会被加载到过滤器链条中，仔细看到这里是创建了一个RouteHystrixCommand这个命令对象，最终调用command.toObservable()方法处理请求，如果超时熔断调用resumeWithFallback方法

       é€šè¿‡æºç åˆ†æžgateway在路由时可以指定HystrixCommandKey，并且对HystrixCommandKey设置超时时间

       ä¸‰ã€æ–¹æ¡ˆ

       çŸ¥é“网关熔断的原理就好办了,自定义熔断的过滤器配置到接口请求过程中，由过滤器来读取接口熔断配置并构建HystrixObservableCommand处理请求。

       è‡ªå®šä¹‰ä¸€ä¸ªç±»XXXGatewayFilterFactory继承AbstractGatewayFilterFactory，将api和对应的timeout配置化，来实现细化到具体接口的熔断配置，具体实现如下：

       packageorg.unicorn.framework.gateway.filter;

       importcn.hutool.core.collection.CollectionUtil;

       importcom.netflix.hystrix.HystrixCommandGroupKey;

       importcom.netflix.hystrix.HystrixCommandKey;

       importcom.netflix.hystrix.HystrixCommandProperties;

       importcom.netflix.hystrix.HystrixObservableCommand;

       importcom.netflix.hystrix.exception.HystrixRuntimeException;

       importorg.springframework.beans.factory.ObjectProvider;

       importorg.springframework.cloud.gateway.filter.GatewayFilter;

       importorg.springframework.cloud.gateway.filter.GatewayFilterChain;

       importorg.springframework.cloud.gateway.filter.factory.AbstractGatewayFilterFactory;

       importorg.springframework.cloud.gateway.support.ServerWebExchangeUtils;

       importorg.springframework.cloud.gateway.support.TimeoutException;

       importorg.springframework.core.annotation.AnnotatedElementUtils;

       importorg.springframework.mand;

       if(CollectionUtil.isNotEmpty(apiTimeoutList)){

       //request匹配属于那种模式

ApiHystrixTimeoutapiHystrixTimeout=getApiHystrixTimeout(apiTimeoutList,path);

command=newUnicornRouteHystrixCommand(config.getFallbackUri(),exchange,chain,initSetter(apiHystrixTimeout.getApiPattern(),apiHystrixTimeout.getTimeout()));

       }else{

       command=newUnicornRouteHystrixCommand(config.getFallbackUri(),exchange,chain,initSetter(serviceId(exchange),null));

       }

       returncommand;

}

       /

***@paramapiTimeoutList

*@parampath

*@return

*/

privateApiHystrixTimeoutgetApiHystrixTimeout(ListapiTimeoutList,Stringpath){

       for(ApiHystrixTimeoutapiTimeoutPattern:apiTimeoutList){

       if(this.antPathMatcher.match(apiTimeoutPattern.getApiPattern(),path)){

       returnapiTimeoutPattern;

}

       }

       ApiHystrixTimeoutapiHystrixTimeout=newApiHystrixTimeout();

       apiHystrixTimeout.setApiPattern("default");

       apiHystrixTimeout.timeout=null;

       returnapiHystrixTimeout;

}

       @Override

publicGatewayFilterapply(Configconfig){

       return(exchange,chain)-{

       UnicornRouteHystrixCommandcommand=initUnicornRouteHystrixCommand(exchange,chain,config);

returnMono.create(s-{

       Subscriptionsub=command.toObservable().subscribe(s::success,s::error,s::success);

       s.onCancel(sub::unsubscribe);

}).onErrorResume((Function)throwable-{

       if(throwableinstanceofHystrixRuntimeException){

       HystrixRuntimeExceptione=(HystrixRuntimeException)throwable;

HystrixRuntimeException.FailureTypefailureType=e.getFailureType();

switch(failureType){

       caseTIMEOUT:

       returnMono.error(newTimeoutException());

       caseCOMMAND_EXCEPTION:{

       Throwablecause=e.getCause();

if(causeinstanceofResponseStatusException||AnnotatedElementUtils

       .findMergedAnnotation(cause.getClass(),ResponseStatus.class)!=null){

       returnMono.error(cause);

}

       }

       default:

       break;

}

       }