滴滴如何做服务精壮性的？

滴滴服务精壮性与流量高峰

930滴滴订单量达到了新高，但技术平台因高流量导致事故，影响了订单处理。滴滴内部对930技术进行了复盘，并在内网发了一篇关于系统稳定性和精壮性的文章。今天春哥基于美团外卖解决流量高峰和曹乐的文章做一些评论。

高峰流量下的服务崩溃

930事故中，多个服务因高峰流量而倒下。表面上看是预估不准确或资源不足，但根本原因是服务本身不够健壮。当服务节点在短时间内过载后发生雪崩，并引发重试风暴。如果这些服务是主流程服务，核心服务将全系统崩溃。

例如：

红色的横向线是整个服务的可靠负载边界，但由于网络抖动导致客户端重试，引发了一波重试流量高峰。小小的流量高峰可能就是压垮骆驼的最后一根稻草，一个服务挂掉后，正常节点流量增加，最终全部节点宕机。

外卖的应对策略

外卖这两年也因流量洪峰出现严重事故。逻辑类似，重试流量打倒整个集群，只能限流后续流量。限流是有损的，这个case是必然的，损失程度要看最后的结果。但外卖有一个好的方面：这两年做了单元化，这样不会因为一个集群宕机导致全部服务不可用，可以保证3/4的流量不受影响。

多机房容灾

多机房容灾确实是一个方案，但实现远比提出问题复杂。这是系统层面的事情，涉及到精密的服务治理。