Spring Cloud中的Hystrix是Netflix开源的一款针对分布式系统延迟和容错的库，其目的是通过添加延迟容忍和容错逻辑，从而控制分布式服务之间的交互。

对于一个复杂的分布式系统，包含的应用可能多达数十个，这些应用有许多依赖项目，每个依赖项目在某个时刻不可避免会失败导致故障，如果不对这些故障进行隔离，整个分布式系统都可能会崩溃。

借助官网的一个例子来说明，假设某个应用程序依赖30多个服务，每个服务正常运行的概率是99.99%，那么系统可用的概率是99.9930=99.7%，也就是说，每个服务出现故障的概率是0.3%，十亿个请求的故障就是3000000个，即使所有依赖具有出色的正常运行时间，每个月至少会有2小时以上的服务是不可用的，现实情况中，情况可能会更糟糕。

当一切正常时，请求情况如下图所示。

当其中有一个系统有延迟时，它可能阻塞整个用户请求，具体如下图所示。

在高流量情况下，一个后端的依赖延迟可能会导致所有服务的资源在数秒内变的饱和，这也就意味着，后续如果再有请求将无法提供服务，应用会出现故障。比故障更糟糕的是，这些应用程序还可能导致服务之间的延迟增加，从而备份队列、线程和其他资源，从而导致整个系统出现更多级联故障，如下图所示。

Hystrix的出现就是为了解决上述问题的，它封装了每个依赖项，每个依赖项彼此隔离，当延迟发生时，它会被限制在资源中，并包含回退逻辑，该逻辑决定在依赖发生任何类型故障时应作出何种响应。

使用Hystrix包装依赖项后，前面图中的架构会发生变化，如下图所示。

在上图中，Hystrix被设计的目标是阻止级联故障，对通过第三方客户端访问的依赖项的延迟和故障进行保护和控制。Hystrix实现这一目标的大致思路具体如下：

(1) 将外部依赖的访问请求封装在独立的线程中，进行资源隔离。

(2) 对于超出设定阈值的服务调用，直接进行超时，不允许其耗费过长时间阻塞线程。

(3) 每个依赖服务维护一个独立的线程池，一旦线程池满了，直接拒绝服务的调用。

(4) 统计依赖服务调用的成功次数、失败次数、拒绝次数、超时次数等结果。

(5) 在一段时间内，如果服务调用的异常次数超过一定阈值，就会触发熔断停止对特定服务的所有请求，在一定时间内对服务调用直接降级，一段时间后再次进行自动尝试恢复。

(6) 如果某个服务出现调用失败、被拒绝、超时等异常情况，自动调用fallback降级机制。

(7) 实时监控指标和配置变化。

关于Hystrix工作机制的深入分析将在后面小节详解，这里大家对Hystrix熔断机制有个大致了解即可。

Java最新课程：

Java零基础视频教程(2022最新Java入门，含斯坦福大学练习题+力扣算法题

Java基础入门：

java零基础自学首Java入门教程（含Java项目和Java真题）

Javaweb核心基础

JavaWeb基础教程，Java web从入门到企业实战完整版

Spring Cloud最全微服务架构：

史上最全面的springcloud微服务技术栈

SSM框架教程：

SSM框架教程_Spring+SpringMVC+Maven高级+Spring