618大促，我们的网关承载了几十亿的流量和调用，在这种情况下，网关系统必须保证整个系统的稳定性和高可用，保证高性能和可靠，以支撑业务。我们面临的是一个非常复杂的问题，基于这种复杂问题，怎样做到很好地提高它的性能和稳定性、复杂技术之间怎么整合保证整体网关的高可用，是本文的重点。
1 网关涵盖技术
1.1 网关系统
网关系统主要有两种：
第一种叫客户端网关主要用来接收一些客户端的请求，也就是APP的服务端；
第二种叫开放网关，主要是公司（比如京东）对于第三方合作伙伴提供接口。
这两种不同网关所使用的技术非常类似。
流量比较大的网关面临的难点包括：
第一，网关系统需要扛几十亿的流量调用，接口的平稳运行、每一个接口在后端服务之后的性能耗损都非常重要。比如我们使用了一个Redis集群，然后构建了两个机房，每一个机房都搭建了一个Redis集群，这样的话就能够很好地保证高可用。在面对一个瞬间流量的时候，我们采用了一些缓存技术，或者更前置的Nginx+lua+Redis技术，让这种大流量应用能够脱离开JVM的依赖。还有我们需要梳理各个接口，通过降级的策略把一些弱依赖的接口进行降级，从而保证核心应用的可用。
第二，网关系统其实就是一个把Http请求拓展到后端服务的过程。我们的网关承接了一千以上的后端服务接口，面对这种情况，怎样做到服务与服务之间相互不影响？架构层面怎样能够杜绝蝴蝶效应、防止雪崩？就是说当一个接口出现问题的时候，不至于影响到其他接口的健康运行。这个说起来简单，但实际却不然。
一千个以上的接口，每个接口性能都不一致，而且每个接口所依赖的外部资源、数据库缓存等都不一样，几乎每天都会出现各种各样的问题，我们怎样通过一些隔离技术、治理技术等，保证当这些接口出现问题的时候，不会影响到全局？
第三，我们对外暴露了一千个服务接口，所有接口的后面意味着几十个甚至上百个团队每天在不停地开发，每天都可能上线新的需求。面对这么复杂的情况，我们不可能每次后端服务器有任何修改，都需要有网关的修改或上线，这样网关会变得非常脆弱，稳定性极低。
我们采用了一个动态接入的技术，让后端的网关能够通过一种接入的协议进行无缝接入，之后通过一些动态代理的方式，直接让后端的接口，不管做任何修改或上线，都可以通过后端管理平台从网关上对外进行透传发布，很好地解决了我们网关所面临的依赖于后端接口服务的上线问题。
1.2 网关涵盖技术
网关的四个技术方向：
第一，统一接入。就是前端（包括APP或其他来源）的流量，能够都在统一网络层进行接入。这一层所面临的问题是：高性能透传、高并发接入、高可效性，以及当前端流量来了之后，怎样能够进行一个负载的往后端的转发。
第二，流量管控，主要指流量治理部分。面对海量流量，我们怎样通过一些防刷技术，保障网关不被大流量冲垮；以及怎样通过一些像限流、降级、熔断等技术，对网关进行全方位保护。
第三，协议适配。就是前文提到的，网关会透传后端上千个服务，而这些服务一定不是每一个都需要网关去开发配置的。我们通过一个协议适配的转换，让后端的各种服务通过我们指定的协议、通过http的方式从网关开放出去，当然网关不单单是http协议，还有一些TCP的。京东内部的协议相对比较统一，有Http的restful的协议，也有JSF的接口，JSF是京东内部自研的一个框架，一个RPC调用框架，和double是类似的，然后基于注册发现的一个rpc框架。
第四，安全防护。这一部分对于网络来说非常重要，因为网关是整个公司对外的一个出口，在这一层我们要做一些防刷，比如防清洗一些恶意流量、做一些黑名单，当有一些恶意流量的话，通过限制IP等限制手段把它拒绝在整个网关之外，防止这些恶意流量把网关冲垮。
2 自研网关架构
2.1 自研网关架构
我们的自研网关架构主要分为三层。
第一层：接入层。主要负责一些长短链接的接入、限流、黑白名单、路由、负载均衡、容灾切换等。这一层所采用的技术是Nginx+lua的方式。
第二层：分发层（或者叫：网关的业务层）。它更多的是NIO+Serviet3异步的技术。在这一层中又分为几个部分。
● 最上层部分是数据校验，在这一层会做一些签名的校验、时间的校验、和版本、方法等。
● 下面一层叫泛化调用层，主要是把网关对外暴露的restful请求转换成京东内部的协议，进行一个动态适配调用的过程。这一块我们更多使用的是一些缓存的技术，线程隔离、熔断等技术也都是在这一层实现的。因为有大量数据和协议的转换，所以这一层用了多使用缓存的技术，我们网关层所有的数据都不会直接穿透到DB，而是采用一个叫异构数据的方式直接用缓存去做的。
泛化层中间有两块：一个叫主动通知，另一个是沙箱测试。主动通知很好理解，就是我们会通过这种TCP的下行通道及时通知到客户端，发一些像京东账户优惠券或提醒等；沙箱测试主要是说我们在一些接口发布上线之前，进行一个外部的测试。
如图，最右侧部分是服务降级、日志记录、监控告警，这三个都是我们整个网关的支撑系统。服务降级是说当有些服务出现问题，第一时间把它降调；日志是给我们排查问题用的；监控告警在下文会重点介绍，因为一个网关的可用性很大方面是通过监控系统来完善的，没有监控系统、没有告警，就像没有眼睛一样，没办法知道任何事。
第三层：后端各种各样的业务API（业务接口）。这些接口通过网关对外进行暴露。
整个网关大体上分为以上三层，最上面的接入层、中间是网关的分发层，以及业务校验、业务逻辑层，然后通过网关透传请求到后端服务。
除了这三层之外，我们再看两边的系统，都是我们整个网关比较核心和重要的支撑。
● 网关注册中心。后端各种各样的接口可以通过网关注册中心对外进行发布，这个系统有一个类似管理界面，只要后端的API服务按照固有的协议进行一个编写，如果格式OK的话上传到管理后台，一键就可以发布到线上。当然接口发布之前会有一个测试。
● OA鉴权中心。这一块主要是做鉴权用的，像数据校验层的很多签名的校验等安全校验都是在这一层统一做的。
2.2 技术栈
我们的网关系统所涉及到的一些技术栈：第一是接入层Nginx+lua技术；第二是NIO+Serviet3异步的技术；第三是分离技术；第四是降级限流；第五是熔断技术；第六是缓存，哪些地方该加缓存，哪些地方可以直接读库；第七是异构数据；第八是快速失败；最后是监控统计，这是整个高可用网关系统里非常重要的一部分。
下文会针对这些技术所适用的场景进行深入探讨和分析，包括我们用这些技术解决什么问题。
3 基本思路及过程改进点
实践 1 Nginx层统一接入
先看网关整个线上的部署架构，先通过一个软负载LVS进入到整个京东的网关，第一层是核心Nginx，经过核心Nginx之后就是后面的业务Nginx，然后通过业务Nginx把我们的请求透传到后端的服务器。
核心Nginx主要是前端流量的分配，比如限流、防刷都是在这层去做。下层是业务Nginx，主要的Nginx+lua的逻辑在这一层实现。这一层还有能减轻核心Nginx压力、CPU压力的作用，而且一些lua的应用逻辑，比如限流、防刷、鉴权、降级都是在这一层做的。
为什么要加上Nginx+lua这一层？相较于Tomcat等，Nginx其实是一个能扛特别大并发流量的服务器。基于这种状况我们之前出现过问题，当这种并发流量特别大的时候，一旦后面出现单个机有问题，哪怕你针对这个接口做了降级，但其实真正流量还是到了Tomcat层的JVM里，当流量很大的时候，很难通过JVM去消化掉这块东西，这样导致的结果是：当你的Tomcat出现问题了，你很难通过重启去解决这个问题，因为流量会一直存在，这台Tomcat出问题了， 重启完之后是把所有行动都释放了，但是它们就像病毒一样，会来回传染，你重启了一批，这批马上又被传染到。Nginx天然就是这种NIO异步的方式，能够非常好地支持大并发的业务需求。所以我们把一些核心的，比如降级、流控等，都放在这一层，让它替我们在最前端把流量防住。
实践 2 引入NIO、利用Servlet3异步化
第二个实践是在Tomcat层引入了NIO，用了一个JDK7+TOMCAT7+Servlet3的配置，让同步请求变得异步化，然后利用NIO的多路复用处理技术，让我们能够同时处理更高的并发数。
利用Servlet3异步化之后可以提升吞吐量，但单个请求的响应时间会略微变长，不过这种损耗是可以忍受的，因为这会带来整个应用吞吐量的增加和灵活性的增强。还是非常值得我们使用的。
具体采用策略：业务方法开启异步化上下文AsynContext;释放tomcat当前处理线程；tomcat该线程被释放，然后用于下次请求的处理，提高其吞吐量；在AsynContext环境中完成业务方法的处理，调用其complete方法，将响应写回响应流。这样可以提高tomcat业务逻辑的可能性，让我们在这一层非常少的线程数就能处理更多的请求，而不至于当流量非常大的时候会被压垮。
实践 3 分离之术
本节将在所有分离技术中挑两个比较重点的进行分享。
请求解析和业务处理分离
第一个是通过NIO的方式，把请求解析的线程和后面处理的业务线程进行分离。
请求由tomcat单线程处理，在NIO模式下可以用非常少量线程处理大量链接情况。业务逻辑处理和生成响应都是由另外的tomcat线程池处理，从而跟请求线程隔离。这里的业务线程池还可以进一步隔离，不同业务设置不同的线程池。
业务线程池分离
第二个是业务线程池分离，就是通过一个线程的隔离技术，把不同的接口或不同类型的接口进行隔离。比如订单相关的接口，拿20个单独线程去处理；商品相关的接口，拿10个单独的线程去处理，这样的话就可以让不同的接口之间互不影响，如果订单这块有一个出了问题，最多消耗它自己，不会影响到其他接口的线程的调用。
具体的线程隔离可以根据业务来指定一组线程的数量，这几个线程是为固定接口准备的，当这个接口出现问题，它就把自己的线程数用掉了，不会去占用其他接口的线程，这样起到了线程隔离的作用，让单个API出问题的时候不会影响到其他。
实践 4 降级
降级主要是说当有某个接口出现问题，我们能够把这个接口直接降调，让它调用直接返回，不会用到其他应用。还有就是如果某一块弱一点的业务逻辑出现问题，我们直接把这块逻辑降调，不至于影响到其他的黄金逻辑。
降级怎么做？
首先，降级开关要集中化管理，比如通过zookeeper推送到各个应用服务。这样才能在出现问题的第一时间找到对应开关做降级处理。
一个基于开发降级的统一配置本身这个系统要是高可用的、支持多维度的缓存，比如我们如果用zookeeper实现，首先zookeeper会有数据库存储，再上面会有一个本地缓存。再就是我们会有一个快照，如果zookeeper读不到缓存，会通过快照去加载进来一些托底的数据，以保证开发一旦触发之后能够在第一时间响应。而我们的开关也不至于会成为其他系统的问题，它是非常弱化、非常薄的一层。
精细化流量控制
说完开关、流量控制和降级之后，我们来看通过多维度的流量控制和降级的策略，比如按照单个API或API+地域、运营商等维度进行控制。一旦出问题了，我们会把多种组合方式进行降级，还可以根据秒/分钟级等不同维度进行流量控制，从而达到精细化流量管理。
优雅降级
说到降级，前面说的更多的是技术层面的，在业务层面的话，我们也要讲究优雅降级。我们不能说这个逻辑一旦建立之后就直接返回前端502，这肯定是不友好的。我们肯定会跟前端进行沟通，比如降级之后反馈给前端一个对应的错误码，或者给用户反馈一个提示等操作指令，这样能够让用户体验更好一些。
实践 5 限流
恶意请求、恶意攻击，恶意的请求流量可以只访问cache，恶意的IP可以使用nginx层的 deny进行屛蔽；
防止流程超出系统的承载能力，虽然会预估但总有意外，如果没有限流，当超过系统承载峰值的时候，整个系统就会打垮。
实践 6 熔断
当我们的后端机构出现问题了，达到某个阀值了，系统就能够自动进行关闭降级，这是熔断的大体思路。我们会有更灵活的配置：比如当某个接口接连三次访问超时或返回错误的话就自动熔断；也可以是配置一些超时间，比如连续三次这种方法调用的性能都超过了50毫秒，就会自动对这个方法进行熔断，熔断之后就相当于降级了，再次调用的话会返回失败，就是直接拒绝返回了。
熔断之后还可以有一个设置：比如5秒或一分钟之后出来一个半打开状态，再次醒来之后，它会去试探一下当天这个服务是否已经OK了，如果没有问题了，它就会去把你之前熔断的API业务再次打开，能够正常对外提供服务。现在有一些开源的实践，通过这些实践可以很好的做熔断，当然根据这里边的思路，自己也可以实现，这不是特别复杂的事情。
实践 7 快速失败-链路中的超时
快速失败是非常重要的一个实践，不光是做网关系统，做其他系统也要记住，特别是调用量大的系统，比如注意到整个链条中的超时设置。这是我们每年在做双11和618备战的时候，都需要重点去review的一块东西，包括我们平时在做开发的时候、每一次新模块上线之前，我们都要重点去监控这一块。我们会梳理所有系统对外的依赖，比如网关依赖于我们自己的一些业务的缓存、数据库，更多的是依赖于后端数千个不同的服务。
这种涉及到网络的，我们必须要设置超时间，因为像网关这种调用量比较大的系统，如果不设超时间，有可能它默认时间就是几分钟，这么长时间，一旦有一个机构出问题了，有可能瞬间整个网关系统会全部雪崩掉，任何一个接口都不能对外使用，因为数据量很大，有可能你都来不及降级就已经被冲垮了。
实践 8 监控统计-应用层
监控统计是网关系统里非常核心的一部分，只有有了监控，有了报警，才能让我们实时了解所有的运营情况、每一个API调用的情况。
监控目标
第一：保证7*24小时守护系统；
第二：能够实时监控系统的运营状况，比如哪个API是不是调用时间过长了？哪个API已经熔断了？等等；
第三：统计数据，分析指标。比如一天过去了，每一个API调用情况有没有超时？有没有访问的性能降低等；
第四：实时报警。因为监控是一部分，发现问题之后能够第一时间通知到我们，让我们能够马上处理也是让系统更加健康的一个方面。
监控范围
监控的维度
第一层：硬件监控。比如系统的CPU内存、网卡等。
第二层：自定义监控。比如直接报警。
第三层：性能监控。比如每个接口的TP指标，TP999 TP99 TP90 TP50四种性能指标作为SLA的参考标准，还有可用率等，这个对于网关来说至关重要。
第四层：心跳监控。网关系统线上有很多机器，每个机器现在的情况怎样？有没有存货等。
第五层：业务层监控。比如我们会有一些JVM监控，监控Nginx连接数等。
在京东内部有一个很完善的监控体系，叫UMP系统，能够帮助我们做各个层级的监控。它主要是提供给我们一些类似于配置的文件，我们配置好之后就可以进行系统的监控，我们在做的时候会通过一些AOP代理的方式，对所有的方法进行监控。因为我们是网关，需要大量的后端透传，网关因为是动态地生成这些接口，根本不知道有哪些接口，所以在动态生成接口的时候自动地AOP给它注入一个个监控，这样的话就是每一个接口都能够有一个监控。
说到监控不得不提的是，我们做网关系统就是做透传的，后面有各种各样不同的接口、业务逻辑，每个业务逻辑和接口的性能都需要去监控，然后告知对方让对方去整改的，所以我们除了把这些监控加完之后，有了问题要能够通知到对应的负责人，包括我们自己。所以我们每一天每一周都会有邮件以报表形式发出，让所有系统负责人都知道对应的机构的情况，比如性能是否有问题、是否需要整改等。
由于时间关系，本次分享到此结束，我将会在11月9-12日国家会议中心举办的TOP100全球软件案例研究峰会进行更加深入的分享，欢迎到场交流。
进入“阅读原文”，点击“获取免费体验票”有机会获得开幕式单天免费体验票，50个名额，手慢无~
