Neveikiančių laiškų eilės ir pakartotiniai bandymai atmintyje yra du iš esmės skirtingi būdai, kaip tvarkyti pranešimų apdorojimo gedimus paskirstytose sistemose: DLQ užtikrina ilgalaikę probleminių pranešimų izoliaciją, o pakartotiniai bandymai atmintyje siūlo lengvą, mažo delsos laiko atkūrimą be nuolatinių išlaidų.
Nuolatinės pranešimų eilės, kurios fiksuoja nepavykusius pranešimus, kad juos vėliau būtų galima patikrinti ir pakartotinai apdoroti.
Nedelsiant bandant pakartotinai, logika vykdoma tame pačiame procese be išorinio pranešimo išsaugojimo.
| Funkcija | Negyvų laiškų eilės | Pakartotiniai bandymai atmintyje |
|---|---|---|
| Atkaklumas | Patvari pranešimų saugykla atskiroje eilėje | Efemeriškas, gyvena tik programos atmintyje |
| Gedimų atkūrimas | Išgyvena programos gedimus ir paleidimą iš naujo | Prarandama, jei procesas nutrūksta pakartotinio bandymo metu |
| Infrastruktūros kaina | Papildomos eilės saugojimo ir perkėlimo išlaidos | Jokios papildomos infrastruktūros, išskyrus taikymą |
| Veiklos matomumas | Integruoti rodikliai, signalizacijos ir pakartojimo galimybės | Reikalingas pasirinktinis registravimas ir stebėjimas |
| Vėlavimo poveikis | Didesnis delsos laikas dėl eilės operacijų | Minimalus delsos laikas, neatidėliotinas pakartotinis vykdymas |
| Naudokite dėklą | Svarbios darbo eigos, kurioms reikalingas garantuotas apdorojimas | Nekritinės operacijos su trumpalaikiais gedimais |
| Pranešimų tvarka | Gali išsaugoti arba sutrikdyti pradinį užsakymą | Natūraliai išlaiko proceso seką |
| Komandos bendradarbiavimas | Įgalina atskirą komandos nuosavybę taisymams ir pakartojimams | Glaudžiai susietas su programų diegimu |
Neveikiančių laiškų eilės puikiai tinka, kai visiškai neįmanoma prarasti pranešimų. Kai pranešimas patenka į DLQ, jis ten lieka, kol kas nors jį tiesiogiai apdoroja, net jei visa jūsų paslauga paleidžiama iš naujo. Priešingai, pakartotiniai bandymai atmintyje išgaruoja, jei jūsų modulis sugenda arba procesas nutraukiamas diegimo metu. Dėl to DLQ yra akivaizdus pasirinkimas finansinėms operacijoms, atsargų atnaujinimams ar bet kam, kas susiję su atitiktimi.
Pakartotiniai bandymai atmintyje neabejotinai laimi greičio požiūriu. Nėra tinklo šuolio, eilės API iškvietimo, serializavimo pridėtinių išlaidų, tik greitas miego režimas ir bandymas dar kartą. Didelio našumo sistemose, apdorojančiose tūkstančius pranešimų per sekundę, šis skirtumas susisumuoja. DLQ sukelia išmatuojamą delsą, ypač kai pranešimai turi kirsti tinklo ribas, kad pasiektų atskirą eilės paslaugą. Kai kurios komandos naudoja hibridinius metodus, naudodamos pakartotinius bandymus atmintyje greitam trumpalaikiam problemų sprendimui ir DLQ kaip galutinį saugos tinklą.
DLQ sukuria aiškią veiklos ribą. Jūsų budintis inžinierius yra iškviečiamas, peržiūri neveikiančių laiškų eilę, ištaiso pagrindinę klaidą ir pakartoja pranešimus. Tai gerai suprantamas darbo eigas. Pakartotiniai bandymai atmintyje išsaugo gedimus programų žurnaluose, todėl dažnai reikia agreguoti žurnalus ir naudoti pritaikytas ataskaitų suvestines, kad būtų galima žinoti apie pakartotinius bandymus. Kai pakartotinių bandymų skaičius išsenka, tai tampa gedimų sprendėjo košmaru, ypač mikropaslaugose, kur gedimas gali būti kaskadinis, kol kas nors jo nepastebi.
Debesijos eilių paslaugos ima mokestį už kiekvieną užklausą ir saugomą pranešimą. Užimtas debesies eilių srautas su milijonais pranešimų gali nežymiai paveikti jūsų sąskaitą, ypač jei saugojimo politika yra dosni. Pakartotiniai bandymai atmintyje iš esmės yra nemokami infrastruktūros požiūriu, tačiau jie eikvoja atmintį ir gali apkrauti kitas gijas, jei pakartotinių bandymų audroms netaikomos ribos. Išlaidoms jautrioms pradedančiosioms įmonėms tai dažnai lemia atminties naudojimo metodų naudojimą, kol pajamos pateisina patikimumo priedą.
Įvykiais pagrįstos architektūros ir serverių neturinčios funkcijos padarė DLQ aktualesnius nei bet kada anksčiau. „AWS Lambda“, „Azure Functions“ ir „Google Cloud Functions“ iš esmės palaiko neveikiančių raidžių konfigūracijas. Pakartotiniai bandymai atmintyje natūraliau dera prie tradicinių programų serverių ir ilgai veikiančių procesų. „Kubernetes“ ir trumpalaikių skaičiavimų atsiradimas iš tikrųjų apsunkino atminties strategijas, konteinerius galima nutraukti be jokio įspėjimo, todėl DLQ tampa vis patrauklesni net ir toms komandoms, kurios anksčiau jų vengė.
Neveikiančių raidžių eilės panaikina bet kokios pakartotinio bandymo logikos poreikį programose.
DLQ yra paskirties vieta, kai išnaudojamas pakartotinių bandymų skaičius, o ne pakartotinio bandymo logikos pakaitalas. Daugelyje įdiegimų vis dar atliekami neatidėliotini arba uždelsti pakartotiniai bandymai, prieš tai, kai pranešimas laikomas dingusiu. Be tarpinių pakartotinių bandymų, kiekvienas trumpalaikis trikdis iš karto užtvindytų jūsų DLQ.
Pakartotiniai bandymai atmintyje visada yra greitesni ir todėl geresni našumo požiūriu.
Nors individualūs pakartotiniai bandymai yra greitesni, neriboti pakartotiniai bandymai atmintyje gali perkrauti gijų telkinius ir sumažinti bendrą sistemos pralaidumą. Našumo pranašumas greitai išnyksta, kai pakartotinių bandymų audrose suveikia grandinės pertraukikliai arba perkraunamos paslaugos.
Pranešimai, esantys negyvų laiškų eilėse, vėliau apdorojami automatiškai.
DLQ saugyklos yra pasyvios – su šiais pranešimais niekas nevyksta, kol neįvykdomas aiškus žmogaus ar automatinis veiksmas. Daugelis komandų DLQ saugyklose aptiko mėnesių senumo pranešimus, nes niekas nesukūrė atkūrimo kanalo.
Turite rinktis tik tarp DLQ ir pakartotinių bandymų atmintyje.
Šie modeliai puikiai vienas kitą papildo. Atspariausios sistemos naudoja atminties viduje esančius pakartotinius bandymus su eksponentiniu atsilikimu, kad greitai atsigautų, o tada, pasiekus pagrįstą ribą, pereina prie DLQ. Šis sluoksniuotas metodas apima tiek trumpalaikius, tiek nuolatinius gedimų režimus.
Pakartotiniai bandymai atmintyje netinka paskirstytoms sistemoms.
Nors pakartotiniai bandymai atmintyje yra mažiau patikimi nei DLQ, jie išlieka įprasti ir tinkami paskirstytose sistemose idempotentinėms, nekritinėms operacijoms. Svarbiausia yra suderinti pakartotinio bandymo strategiją su faktinėmis gedimo verslo pasekmėmis, o ne daryti prielaidą, kad vienas modelis tinka visiems.
Neveikiančių laiškų eilės apsaugo nuo pranešimų praradimo sistemos sutrikimų metu.
DLQ padeda tik tiems pranešimams, kuriuos eilių tvarkymo sistema jau priėmė. Jei pranešimas niekada nepasiekia pagrindinės eilės dėl tinklo skaidinio ar gamintojo gedimo, DLQ negali jo stebuklingai atkurti. Išsamiam patikimumui taip pat reikalingas gamintojo pusės patikimumas.
Rinkitės neveikiančių laiškų eiles, kai pranešimų praradimas yra nepriimtinas ir operacijų komandoms reikia aiškių gedimų ribų, kurias galėtų valdyti. Rinkitės pakartotinius bandymus atmintyje, kai svarbiausia yra greitis, vertinamas infrastruktūros paprastumas ir gedimai yra išties trumpalaikiai, o ne sisteminiai. Daugelyje brandžių sistemų iš tikrųjų derinami abu šie būdai, naudojant pakartotinius bandymus atmintyje, kad būtų galima nedelsiant atkurti duomenis, ir DLQ kaip pagrindinę atsarginę kopiją.
„Kafka“ ir „Flink“ sudaro paskirstytą srautinio apdorojimo ekosistemą realaus laiko duomenų srautams, o apdorojimas atmintyje pagreitina analizę, nes duomenys saugomi tik RAM atmintyje – kiekvienas iš jų tenkina iš esmės skirtingus architektūrinius greičio, mastelio ir tvarumo poreikius.
„Netflix“ vidinė mašininio mokymosi platforma siūlo glaudžiai integruotus, didelio masto įrankius, skirtus transliacijų suasmeninimui, o nepriklausomi mašininio mokymosi įrankiai suteikia mažesnėms komandoms lankstumo ir kontrolės. Pasirinkimas priklauso nuo masto, pritaikymo poreikių ir esamų investicijų į infrastruktūrą.
Adaptyvi infrastruktūra dinamiškai prisitaiko prie kintančių darbo krūvių, naudodama automatizavimą ir mastelio keitimą realiuoju laiku, o statinės infrastruktūros projektavimas remiasi fiksuotais, iš anksto sukonfigūruotais ištekliais. Pasirinkimas priklauso nuo darbo krūvio kintamumo, biudžeto nuspėjamumo ir veikimo brandos jūsų debesijos aplinkoje.
Apkrovos balansavimas mašininio mokymosi sistemose valdo GPU reikalaujančius išvadų ir mokymo darbo krūvius specializuotoje įrangoje, o paprastas API užklausų apdorojimas paskirsto nedidelį HTTP srautą bendrosios paskirties serveriuose. Jie labai skiriasi sudėtingumu, išteklių poreikiu ir maršruto parinkimo išmanumu.
Atsparumas gedimams proaktyviai perkelia darbo krūvius į sveikas sistemas, kol vartotojai nepastebi problemų, o sistemos gedimų atveju iš naujo paleidžiamos sistemos reaktyviai atkuria paslaugas po netikėtų gedimų. Abu metodai siekia palaikyti prieinamumą, tačiau iš esmės skiriasi laiku, architektūros sudėtingumu ir poveikiu vartotojams.
