本文主要是介绍Spring Cloud 十二：Eureka生产环境优化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 一，自我保护优化
- 自我保护常用配置
- 自我保护场景优化
- 二，三级缓存优化
- 什么是三级缓存
- 三级缓存工作流程
- 三级缓存的优点
- 生产环境中优化
- 三，定时器Timer优化
- Timer缺陷：
- 建议使用ScheduledExecutorService
一，自我保护优化
自我保护常用配置
eureka:server:# 自我保护开关，默认开启enable-self-preservation: true# 自我保护阈值，默认0.85renewal-percent-threshold: 0.85# 自我保护剔除时间间隔，单位毫秒，默认60seviction-interval-timer-in-ms: 60000# 客户端续约时间间隔，默认30sexpected-client-renewal-interval-seconds: 30# 阈值更新的时间间隔，单位为毫秒，默认为15 * 60 * 1000renewal-threshold-update-interval-ms: 900000
自我保护场景优化
| 场景 | 服务数 | 失去心跳 | 剔除后的阈值 | 默认阈值 | 要开自我保护吗？ |
|---|---|---|---|---|---|
| 场景一 | 10个/比较少 | 3个 | 70% | 85% | 不开启 |
| 场景二 | 1000个/比较大 | 3个 | 99.7% | 85% | 开启 |
场景一：
由于服务数本来就只有10个，如果因为3个断了，如果开启了自我保护机制，大量请求可能就会访问坏的三个服务，这样肯定是不行的，所以要关闭，相当于断了，就要将其剔除；虽然关闭了自我保护机制，也会有剔除服务时间间隔，来保障服务重连的情况，可以将eviction-interval-timer-in-ms参数设置短一点，以免让客户端放问断开的服务，该参数默认是60s，相当于快速下线。
场景二：
服务数比较大，断了3个也问题不大，所以建议开启保护机制，如果3个失去心跳的服务是由于网络抖动导致的，开启之后还给了他们复活重连的机会。
二，三级缓存优化
什么是三级缓存
Eureka Server 存在三个变量：registry、readWriteCacheMap、readOnlyCacheMap 保存服务注册信息。
public abstract class AbstractInstanceRegistry implements InstanceRegistry {// 三级private final ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>> registry= new ConcurrentHashMap<String, Map<String, Lease<InstanceInfo>>>();
}
public class ResponseCacheImpl implements ResponseCache {// 二级private final ConcurrentMap<Key, Value> readOnlyCacheMap = new ConcurrentHashMap<Key, Value>();// 一级private final LoadingCache<Key, Value> readWriteCacheMap;
}
三级缓存工作流程
默认情况下定时任务每 30s 将 readWriteCacheMap 同步至 readOnlyCacheMap，每 60s 清理超过 90s 未续约的节点，Eureka Client 每 30s 从 readOnlyCacheMap 拉取服务注册信息，而服务的注册则在 registry 更新信息。
三级缓存的优点
尽可能保证了内存注册表中的数据不会出现频繁的读写冲突问题，并且进一步保证了对EurekaServer大量请求，都是快速从内存中取，性能极高。
生产环境中优化
由于我们取获取服务时，默认从readOnlyCacheMap中读取，由于readWriteCacheMap每隔30s才同步到readOnlyCacheMap，数据不是强一致性的，所以这是Eureka只实现了AP，没有实现C的原因。
CAP：
- Consistency(一致性)：等同于所有节点访问同一份最新的数据副本。
- Availability(可用性)：每次请求都能获取到正确的响应，但是不保证获取的数据为最新的数据。
- Partition tolerance(分区兼容性)：以实际效果而言，分区相当于对通信的时限要求，系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间作出选择。
优化：
eureka:server:# 关闭从readOnly读注册表，直接去readWriteCacheMap中读use-read-only-response-cache: false# readWrite 和 readOnly 减少同步时间间隔。response-cache-update-interval-ms: 1000
use-read-only-response-cache默认这个参数是true，去readOnlyCacheMap中读，设置成false之后去readWriteCache中读，这样会快一点。
三，定时器Timer优化
Eureka源码用了大量的Timer定时任务，由于Timer定时器存在以下缺陷：
Timer缺陷：
- Timer在执行所有定时任务时只会创建一个线程，当存在多个任务时，其任务是串行执行的。
- 由于Timer只会创建一个线程，那么在TimerTask抛出了一个未检出的异常，那么Timer线程就会被终止掉，导致其它任务都停止。
- Timer执行周期任务时依赖系统时间，如果当前系统时间发生变化会出现一些执行上的变化。
建议使用ScheduledExecutorService
这篇关于Spring Cloud 十二：Eureka生产环境优化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
