EMA算法本身是多用于金融行业的,是一种基于增加期望的模型。算法的主要思想是综合利用历史上积累到的数据,预测下一个周期内的期望。我们参考了标准的EMA算法,得到了符合互联网业务特点的用于超时控制的EMA算法。具体的思想主要是引入“平均效应”的概念,用平均响应时间代替固定超时时间,只要平均响应时间没有超时即可,而不是要求每次都不能超时。主要几点:总体情况不能超标;平均情况表现越好,弹性越大;平均情况表现越差,弹性越小。这里的弹性指的是允许毛刺情况的最大响应时间。
$ npm i ema-timeout --save
const ema = require('ema-timeout');
// 因为每个cgi有可能不一样,根据自身业务需求考虑是否要为每个接口create不同的ema计算
const options = {
Tavg: 55, // 最低响应时间, 一般用平均响应时间替代
Thwm: 300, // 超时时间限制, 确保最坏的时候,所有请求能处理。正常时正确处理的成功率满足需求。
Tmax: 500, // 最大弹性时间
N: 90 // 平滑指数,越小表示平均值越受最近值的影响,太大则对异常响应较慢
};
const emaObj = ema.create(options);
const start = Date.now();
let tdto = emaObj.get(); // 获取当前超时设置时间
// 请求接口指定超时时间
// 这里是你业务请求逻辑
try {
const result = await request({
timeout: tdto
});// 请求接口
emaObj.update(Date.now() - start); // 这里是更新当前接口延时时间,以备计算后续超时
}
catch(e) {
// 把异常指定为最大超时,这样更好的反应接口健康情况
emaObj.update(Math.max(Date.now() - start, options.Tmax));
}
固定业务逻辑,循环执行,如FastCGI/S++。
程序大部分时间在等待响应,而不是CPU计算或处理I/O中断。
服务是串行处理模式,容易受异常、慢请求阻塞。
响应时间不宜波动过大。
可以接受有损服务。