Quando il tuo microservizio si "rompe" improvvisamente: perché la gestione delle eccezioni globali non è più facoltativa?

Immaginate questa scena: a tarda notte, la linea di produzione si ferma improvvisamente. Non c'erano allarmi rossi sulle schermate di monitoraggio, ma i registri erano pieni di messaggi di errore confusi. Tre diversi servizi hanno segnalato errori contemporaneamente, ma la causa principale era nascosta nel quarto angolino. Il team ha dedicato sei ore alla risoluzione dei problemi e alla fine ha scoperto che si trattava solo di parametri di configurazione. Questo succede troppo spesso, giusto?

I microservizi apportano flessibilità, ma diffondono anche i punti deboli ovunque. Un problema può essere come una tessera del domino: con una leggera spinta l’intero sistema trema. A questo punto penserete: sarebbe fantastico se esistesse un "centro di controllo del traffico aereo" unificato in grado di rilevare immediatamente tutte le anomalie e dire loro dove andare e come affrontarle.

Gestione globale delle eccezioni: non solo rilevamento degli errori, ma ricostruzione dell'ordine

Molte persone pensano che la gestione delle eccezioni sia semplicemente scrivere try-catch. Ma nel mondo distribuito, è più come costruire una rete di sicurezza: questa rete è abbastanza intelligente da distinguere tra "la rete trema occasionalmente" e "il database è completamente inattivo". Questo è ciò che fa la gestione globale delle eccezioni: si colloca al di sopra di tutti i servizi e utilizza un linguaggio unificato per tradurre tutti i segnali caotici.

Ad esempio: il servizio di pagamento scade quando l'utente effettua un ordine. Quanto sarebbe negativa l'esperienza se il servizio ordini inviasse direttamente un "Errore interno 500" all'utente? Ma se è presente un'elaborazione globale, può ritentare automaticamente il pagamento o passare a canali alternativi, fornendo all'utente un messaggio amichevole di "elaborazione". Il problema è stato risolto e l'utente non si è nemmeno accorto che c'era un problema tecnico dietro le quinte.

Che aspetto ha un'utile soluzione globale per la gestione delle eccezioni?

Deve essere leggero. Non è possibile aggiungere molti oneri al sistema per gestire le eccezioni. Dovrebbe essere come un sensore nell'aria, che funziona silenziosamente e si accende solo quando qualcosa va storto.

Deve essere in grado di parlare il "linguaggio umano". Convertire le eccezioni tecniche in informazioni comprensibili al personale aziendale: non "NullPointerException alla riga 245", ma "Query di inventario non riuscita, si consiglia di verificare lo stato del servizio di inventario dell'ID prodotto 12345". In questo modo la persona in servizio può agire rapidamente senza sfogliare il codice.

Inoltre, deve essere classificato. Classifica le eccezioni in livelli: quelli che sono solo promemoria, quelli che richiedono una chiamata immediata e quelli che possono attendere fino al mattino. È come il banco di triage di emergenza di un ospedale, dove le risorse vengono utilizzate dove sono più necessarie.

- e probabilmente la cosa più importante - deve avere una memoria. Può registrare schemi di eventi anomali: accade sempre alle tre del mattino tutti i giorni? Viene visualizzato ogni volta che viene aggiunta una nuova funzionalità? Questi modelli sono più preziosi dei singoli errori.

kpowerHo un'idea leggermente diversa su questo argomento

Abbiamo parlato con molti team e abbiamo scoperto che la cosa più dolorosa per loro spesso non è l'implementazione tecnica, ma "come far funzionare davvero questo meccanismo". Molte soluzioni sono perfettamente progettate, ma la configurazione è così complessa che nessuno vuole mantenerle e vengono gradualmente abbandonate.

COSÌkpowerL'idea è: lascia che sia lui ad adattarsi al tuo sistema, invece di adattarti tu ad esso.

Ad esempio, il nostro modulo di elaborazione apprenderà automaticamente i collegamenti delle chiamate tra i servizi. Quando il servizio d'ordine non riesce a chiamare il servizio di pagamento, non solo registra l'"eccezione del servizio di pagamento", ma la associa anche all'ID ordine, all'ID utente e persino alla cronologia delle operazioni dei passaggi precedenti. Durante la risoluzione dei problemi in questo modo, non viene visualizzato un errore isolato, ma una storia con contesto.

Un altro dettaglio: non adottiamo una strategia di ripetizione "taglia unica". Riprovare per alcuni errori è inutile (come gli errori di autorizzazione) e tentativi ripetuti faranno arrestare il sistema.kpowerIl motore decisionale deciderà dinamicamente se riprovare, interrompere il circuito o degradare in base al tipo di eccezione, alla frequenza in cui si verifica e persino al carico del sistema in quel momento. È come avere un autista esperto che ti aiuta a dare giudizi.

Qualcuno ha chiesto: "Ciò renderà il servizio dipendente da questo centro di elaborazione?"

Bella domanda. In effetti, la gestione globale delle eccezioni non dovrebbe rappresentare un singolo punto di errore. Nella progettazione di Kpower, ogni servizio ha ancora capacità di autoprotezione di base, come rilevatori di fumo in ogni stanza e un sistema di allarme centrale per l'intero edificio. Se il sistema centrale fallisce, il sistema locale può ancora funzionare; se il sistema locale non riesce a rilevarlo, il sistema centrale compenserà. I due sono collaborativi, non dipendenti.

Abbiamo anche scoperto che molti team dedicano troppo tempo a "fare ruote" nella gestione delle eccezioni: definizione di codici di errore, progettazione di formati di registro, scrittura di regole di allarme... Queste attività ripetitive possono effettivamente essere standardizzate. Kpower fornisce una serie di modelli che funzionano immediatamente, ma, cosa ancora più importante, questi modelli possono essere adattati man mano che la tua azienda cresce. Quando si passa da una dozzina di servizi a centinaia, le regole di elaborazione possono evolversi automaticamente invece di dover reinventare la ruota.

Nel mondo dei microservizi, la stabilità non significa non commettere errori, ma essere in grado di riprendersi con garbo quando vengono commessi errori.

Dopotutto, qualsiasi sistema avrà delle eccezioni. Non è realistico perseguire "zero errori", ma è del tutto fattibile perseguire "gli errori non si diffondono, non influenzano l'esperienza dell'utente e possono essere individuati rapidamente". La gestione globale delle eccezioni ti aiuta a sviluppare questa resilienza.

È un po' come acquistare un'assicurazione per la tua architettura di microservizi: non ne senti l'esistenza in momenti normali, ma sai quanto sia importante solo quando qualcosa va storto. E questa assicurazione si aggiornerà: più il sistema è complesso, più esperienza accumula e più sofisticato diventa nel gestirlo.

Un cliente ha condiviso con noi una storia: dopo aver lanciato una nuova funzionalità, ha ricevuto improvvisamente una serie di allarmi al mattino presto. Secondo la pratica precedente, la squadra doveva alzarsi e controllare i registri uno per uno. Ma quel giorno l'e-mail di allarme allegava direttamente un'analisi: "La chiamata al servizio consigliato appena lanciata è scaduta perché il pool di thread del servizio dipendente era pieno, il che si sospettava fosse causato da un improvviso aumento del traffico. Si consiglia di espandere temporaneamente il servizio e verificare se l'impostazione del timeout della chiamata del servizio consigliato è troppo breve." La squadra ha seguito le istruzioni e ha risolto la battaglia in venti minuti. Successivamente hanno detto: "Sembrava che ci fosse un compagno di squadra invisibile in servizio".

Quindi, torniamo all'inizio della notte in cui la linea di produzione è stata chiusa

Se esiste una gestione globale delle eccezioni, la storia potrebbe diventare questa: il monitoraggio identifica immediatamente l'origine del problema: l'errore di configurazione della cache di un determinato microservizio. Il sistema tenta automaticamente di riavviare il servizio con la vecchia configurazione e avvisa il responsabile. La linea di produzione si è fermata solo per tre minuti e l'intero processo è stato registrato con una sequenza temporale completa. Il team ha completato facilmente la revisione e la riparazione la mattina successiva.

Lo scopo della tecnologia non è forse quello di liberare la manodopera dal lavoro antincendio ripetitivo e meccanico e consentire alle persone di fare cose più utili? La gestione delle eccezioni sembra essere una funzione in background, ma determina direttamente se il tuo sistema è "fragile e delicato" o "robusto e affidabile". Nel mondo di oggi, in cui i microservizi vengono suddivisi in parti più piccole, questa resilienza può essere più importante di qualsiasi nuova funzionalità.

Dopotutto, gli utenti non ti loderanno mai per la tecnologia avanzata che usi, ma se ne andranno sicuramente perché il sistema si blocca improvvisamente.

Fondata nel 2005, Kpower si dedica a un produttore professionale di unità di movimento compatte, con sede a Dongguan, nella provincia del Guangdong, in Cina. Sfruttando le innovazioni nella tecnologia di azionamento modulare, Kpower integra motori ad alte prestazioni, riduttori di precisione e sistemi di controllo multiprotocollo per fornire soluzioni di sistemi di azionamento intelligenti efficienti e personalizzate. Kpower ha fornito soluzioni di sistemi di azionamento professionali a oltre 500 clienti aziendali in tutto il mondo con prodotti che coprono vari campi come sistemi domestici intelligenti, elettronica automatica, robotica, agricoltura di precisione, droni e automazione industriale.