在微服务架构中，当服务提供者的应用实例出现异常，而服务消费者无法感知时会影响服务的正常调用，并影响消费者的服务性能甚至可用性。离群实例摘除功能会检测应用实例的可用性并进行动态调整，以保证服务成功调用，从而提升业务的稳定性和服务质量。本文介绍如何创建离群实例摘除策略。

背景信息

在下图的示例场景中，某个系统包含4个应用，A、B、C和D，其中应用A会分别调用应用B、C和D。当应用B、C或D的某些实例异常时（如图中红色圆圈所示，应用B有一个异常实例，C和D有2个异常实例），如果应用A无法感知，会导致部分调用失败。如果B、C、D的异常实例较多，有可能影响应用A的性能甚至服务可用性。

为了保护应用A的服务性能和可用性，可以为应用A配置离群实例摘除。配置后，即可监控B、C、D应用的实例状态并进行动态调整（摘除或添加），以保证服务成功调用。

离群实例摘除示意

离群实例摘除流程如下：

  1. 当应用B、C或D的某个实例异常时，系统能够检测到，并根据配置的摘除实例比例上限判断是否将对应的实例从应用中摘除。
  2. 摘除实例后，A的调用请求不再被分发到B、C、D的异常实例上。
  3. 按配置的恢复检测单位时间开始检测异常实例是否恢复。
  4. 检测间隔随检测次数按恢复检测单位时间（默认为0.5分钟）线性增加，当达到设置的未恢复累计次数上限后，会按最长时间间隔持续检测异常实例是否恢复。
  5. 当检测到实例恢复后，将实例重新添加到应用的实例列表中，处理调用请求。同时，将检测间隔重置为恢复检测单位时间，例如0.5分钟。
说明
  • 当提供者应用的异常实例数量过多（超过摘除实例比例上限）时，仅按照设置的比例摘除。
  • 当提供者应用中仅剩最后一个可用实例时，即使错误率超过配置的阈值，也不会摘除该实例。

视频

创建离群实例摘除策略

  1. 登录EDAS控制台。
  2. 在左侧导航栏，选择流量管理 > 微服务治理 > Dubbo。
  3. 在左侧导航栏，单击离群实例摘除。在离群实例摘除页面，单击创建离群实例摘除策略。
  4. 在创建离群实例摘除策略面板，完成相关配置，然后单击确定。
    配置项描述
    微服务空间在右侧列表中选择地域和微服务空间。
    策略名称离群实例策略名称。支持大小写字母、数字、下划线（_）和短划线（-），不超过64个字符。
    被调用服务所用框架根据实际情况选择Spring Cloud、Dubbo或服务网格。
    选择生效应用选择生效应用后，单击>图标，将应用添加至已选应用列表。

    选择生效应用后，该应用调用的所有应用的异常实例会被摘除。摘除期间，生效应用的调用请求将不再被分发到异常实例。

    错误率下限当被调用的应用中某个应用实例的错误率高于设置的下限后，将摘除该实例。默认值为50%。例如，该实例在统计时间窗口内被调用10次，有6次调用失败，错误率为60%，超过了配置的错误率下限（50%），则从应用中移除该实例。
    高级配置单击展开图标，展开高级配置选项。
    异常类型包含网络异常和网络异常 + 业务异常（Dubbo Exception），根据实际业务需求选择。
    说明
    • 网络异常一般指Dubbo的RpcException，例如网络超时、服务端Full GC响应慢导致服务端线程池满等场景。
    • 业务异常一般指Dubbo的BizException，例如服务端抛出的RunTimeException等。
    QPS下限QPS按照统计时间窗口计算，Dubbo 2.7版本的应用的统计时间窗口为15秒，其它Dubbo版本和Spring Cloud应用的统计时间窗口为10秒。当在统计时间窗口（例如15秒）内，应用的QPS达到设置的下限后开始进行错误率统计分析。
    摘除实例比例上限摘除的异常实例比例上限，即达到阈值后，不再摘除异常实例。摘除异常实例数向下取整，例如应用实例总数为6，摘除实例比例设置为60%，摘除实例比例数为6 x 60% = 3.6，则按策略最多摘除的实例数为3。若计算结果小于1，则不会摘除实例。
    恢复检测单位时间在异常实例被摘除后，按单位时间线性不断累加的时间作为检测间隔，检测异常实例是否恢复正常，单位为ms。默认为30000ms，即0.5分钟。
    未恢复累计次数上限持续检测异常实例，检测间隔随检测次数按恢复检测单位时间线性增加。当达到设置的检测次数上限后，会按最长时间间隔持续检测异常实例是否恢复。例如恢复检测单位时间设置30000ms，未恢复累计次数上限设置为20，在第20次检测异常实例仍未恢复后，则按10分钟（20 x 30000 ms）为间隔执行后续的检测。如果检测到实例已经恢复，会将检测间隔重置为初始的时间间隔，即一次恢复检测单位时间。
    说明 未恢复累计次数上限不建议配置太大。配置太大会导致最长检测间隔时间较长，如果实例在检测间隔早期恢复，仍需等到检测间隔到时再进行检测，导致期间实例资源被浪费，未能及时处理业务调用请求。

结果验证

离群实例摘除策略配置并创建后，即开启了离群实例摘除。您可以进入已配置离群实例摘除的高级监控页面，查看该应用的监控信息，例如通过拓扑图观察调用请求是否还会转发到异常实例，应用调用的错误率/每分钟是否高于配置的错误率下限等，以便判断离群实例摘除策略是否生效。具体操作，请参见应用总览。