09.2.2.1 熔断器状态机与触发策略
所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.2 流量治理 / 09.2.2 熔断降级与削峰异步化
09.2.2.1-001 熔断器解决什么问题?与限流有什么区别?
一句话结论
熔断器在下游依赖故障或持续慢响应时快速切断调用,避免线程/连接被无效等待占满导致级联雪崩;限流控制进入速率,熔断在依赖异常时开路保护,两者入口与对象不同。
概念解释
- 熔断对象:某个下游依赖/接口的调用链。
- 触发依据:错误率、慢调用比例、异常数。
- 对比:限流管“进来多少”,熔断管“坏依赖要不要继续打”。
原理流程
下游持续异常 → 熔断器打开
→ 后续调用直接失败/走兜底
→ 探测恢复后再放行
常见误区
- 误区:熔断就是限流。限流在入口控速率,熔断在调用侧按健康度切断,触发条件与位置不同。
- 误区:熔断打开后系统就不管下游了。熔断期间仍定时探测,恢复后自动闭合。
追问
- 问:没有熔断会怎样?答:线程持续等待故障下游,池占满后正常请求也无法执行,形成级联雪崩。
- 问:熔断保护的是谁?答:首先保护本实例线程/连接资源,其次避免继续压垮已故障的下游。
09.2.2.1-002 熔断器三态:Closed / Open / Half-Open 是什么?
一句话结论
Closed(闭合)正常放行并统计;Open(打开)直接拒绝调用,不再打下游;Half-Open(半开)放行少量探测请求,验证下游是否恢复;三态构成闭合—打开—半开的循环。
概念解释
- Closed:关闭状态,流量正常通过。
- Open:熔断状态,快速失败。
- Half-Open:试探状态,少量请求放行。
原理流程
Closed:统计调用结果
→ 异常超阈值 → Open
Open:快速失败,等待休眠期
→ 休眠结束 → Half-Open
Half-Open:探测请求
→ 成功 → Closed;失败 → Open
常见误区
- 误区:Open 状态会一直保持。经过休眠超时进入 Half-Open 探测,不是永久熔断。
- 误区:Half-Open 全量放行。只放少量探测,避免下游刚恢复就被全量冲击。
追问
- 问:Half-Open 失败为什么回到 Open?答:说明下游仍未恢复,继续保护并重新计时休眠。
- 问:三态分别统计什么?答:Closed 统计失败率;Open 不记录下游结果;Half-Open 按探测结果决定去向。
09.2.2.1-003 状态如何流转?画出状态机。
一句话结论
Closed 在统计窗口内错误率/慢调用超阈值转 Open;Open 经过配置休眠时长转 Half-Open;Half-Open 探测成功转 Closed,探测失败转回 Open;转换条件都绑定配置阈值。
概念解释
- 转换条件:阈值、窗口、最小请求数、休眠时长、探测数。
- 方向:闭合→打开→半开→闭合/打开。
- 状态转换有记录,便于排查与观测。
原理流程
错误率/慢调用超阈值
Closed ───────────────────────► Open
▲ │
│ 探测成功 │ 休眠超时
│ ▼
└──────────── Half-Open ◄──────┘
│
│ 探测失败
▼
Open
常见误区
- 误区:Open 到期直接回 Closed。必须先经 Half-Open 探测,确认恢复再全量放行。
- 误区:状态可以任意来回跳。流转路径由状态机约束,避免抖动期反复全量冲击下游。
追问
- 问:状态转换需要持久化吗?答:单机内存状态即可,重启回到 Closed;跨实例状态各自独立,不强制共享。
- 问:如何观察状态流转?答:暴露当前状态、转换次数与时间,配合告警发现频繁熔断。
09.2.2.1-004 触发熔断的统计指标有哪些?
一句话结论
常见触发指标:错误率(异常请求占比)、慢调用比例(超阈值 RT 的请求占比)、异常绝对数(短窗口内失败次数);可单独或组合配置,按依赖类型选择主指标。
概念解释
- 错误率:失败请求 / 总请求。
- 慢调用比例:RT 超过慢调用阈值的占比。
- 异常数:窗口内失败绝对次数,低流量场景补充比例指标。
原理流程
窗口内统计:
失败数 / 总数 ≥ 错误率阈值 → 熔断
慢调用数 / 总数 ≥ 慢比例阈值 → 熔断
失败绝对数 ≥ 阈值 → 熔断(低流量兜底)
常见误区
- 误区:只看错误率。下游变慢但未报错时,错误率正常,慢调用比例指标才能发现。
- 误区:低流量只算比例。请求数很少时比例波动剧烈,需要最小请求数与绝对异常数兜底。
追问
- 问:超时算错误吗?答:算失败/异常调用,计入熔断统计;被熔断拒绝的请求不应再计入下游错误率。
- 问:业务校验失败算熔断异常吗?答:通常不算;熔断统计系统异常、超时、下游错误,业务拒绝单独归类。
09.2.2.1-005 统计窗口怎么选?滑动窗口还是固定窗口?
一句话结论
熔断器常用滑动窗口统计近一段时间的调用结果,避免固定窗口边界突刺误判;窗口长度覆盖足够样本,过短对抖动敏感,过长则反应迟缓;窗口内再分桶细化统计。
概念解释
- 滑动窗口:随时间滚动统计近期结果。
- 桶划分:窗口内分若干小槽,过期槽移出。
- 权衡:灵敏度 vs 稳定性。
原理流程
窗口 W 内分 N 个槽
→ 新结果写入当前槽
→ 滑出旧槽
→ 汇总活跃槽计算比例
常见误区
- 误区:窗口越长越稳定。长窗口会把早已恢复的旧失败样本计入,熔断恢复变慢。
- 误区:窗口内任意几个请求就触发熔断。需达到最小请求数后比例指标才生效。
追问
- 问:窗口长度依据什么定?答:下游故障恢复节奏与调用频率,按压测与历史故障表现调整。
- 问:窗口内数据何时清空?答:熔断打开后可重置统计,进入新的观察周期。
09.2.2.1-006 最小请求数为什么必要?
一句话结论
最小请求数保证统计样本足够:窗口内请求数低于该值时,比例指标不参与熔断判定,避免偶发一两次失败在低流量下误触发熔断。
概念解释
- 样本门槛:请求数达到 N 后才计算错误率/慢比例。
- 低流量:用绝对异常数规则补充保护。
- 目的:降低误判。
原理流程
if 窗口请求数 < 最小请求数:
不按比例熔断
else:
计算错误率/慢比例
常见误区
- 误区:设了最小请求数就不会误熔断。低流量下绝对异常数规则仍可能触发,阈值要一起评估。
- 误区:最小请求数越大越安全。过大让真实故障在样本积累期得不到保护。
追问
- 问:最小请求数取多少?答:按接口调用频率与可容忍误判程度定,没有通用固定值,需结合流量画像。
- 问:低频依赖怎么保护?答:用超时、绝对失败次数与隔离池兜底,不依赖比例阈值。
09.2.2.1-007 慢调用比例阈值怎么定?
一句话结论
先从下游正常 RT 分布取慢调用分界(如 P99 附近),再设定可接受的慢调用占比;阈值参考下游 SLA 与本链路超时预算,按压测观察调整,避免把正常抖动判为故障。
概念解释
- 慢调用分界:单请求 RT 超过该值视为慢调用。
- 比例阈值:慢调用占总请求的上限。
- 依据:下游正常分布 vs 故障表现。
原理流程
慢调用判定:RT > slowRtThreshold
熔断条件:慢调用数 / 总请求 ≥ slowRatioThreshold
常见误区
- 误区:慢调用阈值取平均 RT。平均值偏低,正常长尾也会被判慢;应参考分位数。
- 误区:慢比例阈值设得很低。正常抖动被频繁熔断,影响可用性。
追问
- 问:慢调用但最终成功要不要计入?答:计入慢调用比例,因为它占用槽位时间,是资源风险信号。
- 问:慢调用与超时什么关系?答:慢调用尚未超时但已接近;超时是慢调用的极端结果,两者都应监控。
09.2.2.1-008 Open 状态下请求如何处理?
一句话结论
Open 状态下熔断器不再调用下游,请求直接走快速失败:返回错误、执行兜底逻辑或抛出熔断异常;不占下游连接,也不等待下游响应,由上层降级处理。
概念解释
- 快速失败:立即返回,不发起远程调用。
- 兜底:缓存/默认值/简化功能。
- 记录:标记为熔断拒绝,区别于下游真实错误。
原理流程
请求到达熔断器
→ Open:不调用下游
→ 返回兜底 / 熔断异常
常见误区
- 误区:Open 状态仍定时尝试调用下游验证。探测只在 Half-Open 阶段进行,Open 期间保持切断。
- 误区:熔断拒绝要计入下游错误率。它是本侧保护动作,计入会污染下游健康统计。
追问
- 问:Open 期间线程会阻塞吗?答:不会,直接返回;阻塞等待就失去了熔断保护意义。
- 问:上层如何识别熔断拒绝?答:专门异常类型/错误码,区别于业务异常与下游超时。
09.2.2.1-009 Half-Open 放多少探测请求?成功/失败如何流转?
一句话结论
Half-Open 放行少量探测请求(如 1~N 个):探测成功且达到恢复条件则转 Closed 全量恢复;探测失败则立即转回 Open,继续休眠保护;探测数量要小,避免冲击刚恢复的下游。
概念解释
- 探测数:少量,验证可用性即可。
- 成功条件:探测请求正常完成且 RT 达标。
- 失败条件:任一探测失败或慢调用超标。
原理流程
Half-Open → 放行 K 个探测
全部成功 → Closed
任一失败/慢 → Open,重新计时
常见误区
- 误区:Half-Open 一次只放一个请求最稳妥。单个探测成功不代表容量恢复,可按配置放少量并统计成功率。
- 误区:探测失败后继续重试。应立即回 Open,避免在下游未恢复时反复冲击。
追问
- 问:探测成功后为什么不直接满负荷?答:刚恢复的下游可能容量脆弱,可逐级放量,或由 Closed 状态按正常流量进入。
- 问:探测期间其他请求怎么办?答:仍按 Open 快速失败/兜底,只有探测请求放行。
09.2.2.1-010 熔断恢复为什么不能直接全量放开?
一句话结论
下游可能只是短暂缓解,并未完全恢复容量;全量放开会再次冲击脆弱的下游,引发再次熔断(熔断震荡);先少量探测、确认稳定后再恢复,是保护下游与本侧的必要步骤。
概念解释
- 脆弱恢复:连接池、队列、缓存尚未恢复到正常水位。
- 震荡:反复熔断—放开—熔断,流量与日志抖动。
- 逐级放量:降低二次故障风险。
原理流程
下游刚缓解 → 全量冲击 → 再次饱和 → 再次熔断
正确:少量探测 → 确认稳定 → 逐步恢复流量
常见误区
- 误区:探测一个成功就说明恢复。单个请求成功不代表并发容量恢复,还要看探测结果分布。
- 误区:恢复速度越快越好。过快放量会把刚恢复的下游再次压垮。
追问
- 问:如何实现逐级恢复?答:Half-Open 小批量探测,必要时在 Closed 后观察短时间内的成功率与 RT 再放开配额。
- 问:反复熔断说明什么?答:下游容量不足或依赖本身不稳定,需要扩容、降级或治理依赖。
09.2.2.1-011 熔断器有哪些关键参数?
一句话结论
关键参数:统计窗口、最小请求数、错误率/慢调用比例阈值、Open 休眠时长、Half-Open 探测请求数、慢调用 RT 分界;参数分别控制灵敏度、保护强度与恢复节奏。
概念解释
- 窗口/样本:统计口径。
- 阈值:触发条件。
- 休眠/探测:恢复节奏。
原理流程
窗口 W,最小请求 N
错误率阈值 E,慢比例阈值 S,慢 RT 分界 T
Open 休眠 D,探测数 K
常见误区
- 误区:所有依赖用同一套参数。核心依赖与非核心依赖的容忍度、恢复节奏不同,应分别配置。
- 误区:休眠时长越短恢复越快。过短会在下游未恢复时反复探测冲击。
追问
- 问:休眠时长怎么定?答:参考下游恢复预期与故障演练结果,给下游留出恢复时间。
- 问:参数如何观测调优?答:结合熔断触发频率、误判记录与下游故障恢复时间复盘调整。
09.2.2.1-012 熔断粒度:按接口、依赖还是服务实例?
一句话结论
常见按下游依赖/接口维度配置熔断器;粒度越细保护越精确,过细则熔断器数量与状态管理膨胀;实例级健康可通过负载均衡摘除配合,熔断器主要保护调用关系。
概念解释
- 依赖维度:某下游服务整体熔断。
- 接口维度:同一服务内不同接口分别判定。
- 实例维度:结合负载均衡健康检查,摘除异常实例。
原理流程
粗粒度:按下游服务熔断
细粒度:按接口/方法熔断
实例异常:健康检查剔除,不依赖熔断器做实例摘除
常见误区
- 误区:一个熔断器覆盖所有下游。一个依赖故障会被误判为整体问题,或漏判局部接口异常。
- 误区:熔断器负责摘除坏实例。实例健康由注册发现/负载均衡检查,熔断器管调用决策。
追问
- 问:粒度怎么选?答:接口成本与故障影响差异大则细分;同质性高的接口可合并到依赖级。
- 问:熔断器数量过多有什么成本?答:每处状态统计内存与配置维护成本上升,需在精确性和复杂度间平衡。
09.2.2.1-013 为什么错误率统计要排除被熔断拒绝的请求?
一句话结论
熔断拒绝是本侧保护动作,不是下游返回的结果;把它计入下游错误率会让统计失真,甚至维持错误率高位导致无法恢复;统计口径只包含实际发往下游并拿到结果的调用。
概念解释
- 计入统计:真正调用下游并得到响应/超时的请求。
- 不计入:Open 状态直接拒绝、本地降级产生的结果。
- 目的:准确反映下游健康度。
原理流程
实际调用 → 记录成功/失败/慢
熔断拒绝 → 单独计数,不进下游错误率
常见误区
- 误区:拒绝请求也算失败。口径混淆会让 Half-Open 后的健康判断一直被“失败”样本拉低。
- 误区:业务降级返回算下游失败。兜底结果是本侧动作,不计入依赖健康统计。
追问
- 问:超时请求计入哪一类?答:实际发起到下游并超时,计入失败/慢调用统计。
- 问:统计口径在哪里核对?答:检查熔断器实现的计数埋点,确认排除短路请求。
09.2.2.1-014 熔断与线程池隔离如何配合?
一句话结论
线程池隔离为依赖分配独立资源,熔断器在该依赖异常时快速开路;隔离池限制慢依赖占用的资源上限,熔断停止继续向该依赖提交任务,两者分别控制资源占用与调用决策。
概念解释
- 隔离:依赖独占线程池/信号量。
- 熔断:异常时切断调用,不再占用隔离池。
- 配合:先隔离防扩散,再熔断止血。
原理流程
依赖异常 → 隔离池变慢占用上升
→ 熔断打开 → 不再提交新任务
→ 隔离池释放给其他依赖
常见误区
- 误区:有了熔断就不需要隔离。熔断触发前的慢调用仍会占满公共池,隔离是前置防线。
- 误区:隔离池可以无限大。池大小仍要按下游能力与整机资源约束配置。
追问
- 问:熔断打开后隔离池里的在途任务怎么办?答:等待已有任务超时结束,新任务直接拒绝。
- 问:信号量隔离能配合熔断吗?答:可以,信号量限制并发,熔断控制是否继续放行。
09.2.2.1-015 雪崩场景下熔断器的保护链路是什么?
一句话结论
下游故障 → 熔断器快速切断依赖调用 → 本侧线程/连接不被占满 → 其他依赖与核心链路继续可用;配合隔离池、限流与降级,阻断故障沿调用链逐级传染。
概念解释
- 传染路径:慢下游占线程 → 池满 → 上游也超时 → 逐级瘫痪。
- 熔断切断:在故障依赖处止血。
- 组合:隔离 + 熔断 + 限流 + 降级。
原理流程
下游异常
→ 熔断切断,快速失败
→ 本侧资源保留给健康依赖
→ 核心链路降级兜底,不发生级联雪崩
常见误区
- 误区:单靠熔断器就能防雪崩。没有隔离与限流,熔断触发前公共池可能已经被慢调用占满。
- 误区:熔断打开后上游无需动作。上游仍要有降级兜底,返回可用结果而不是错误页。
追问
- 问:雪崩最先表现为什么?答:线程池/连接池占满、在途请求堆积、RT 长尾暴涨。
- 问:熔断在保护链路中的位置?答:调用下游前的决策点,与隔离池、降级兜底相邻配置。
09.2.2.1-016 熔断器自身会失效吗?
一句话结论
会:状态存储异常、时钟问题、统计埋点缺失、配置错误或实现缺陷都可能让熔断器误判或不触发;需要监控状态转换与触发次数,并依赖隔离、限流等多层防线兜底。
概念解释
- 存储:内存状态丢失或并发统计错误。
- 时钟:窗口与休眠判断依赖时间。
- 配置:阈值过松/过紧。
原理流程
熔断器失效场景:统计口径错误、状态卡死、配置缺失
→ 多层防线(隔离/限流/超时)兜底
常见误区
- 误区:熔断器装上就永久可靠。组件自身需要健康监控与配置审计。
- 误区:熔断器能覆盖所有故障类型。本地计算死循环、内存耗尽等不经过远程调用的故障,熔断器管不到。
追问
- 问:如何发现熔断器没生效?答:故障演练中观察是否按阈值打开、快速失败是否发生。
- 问:状态卡死怎么处理?答:定期监控当前状态与停留时长,异常时可手动重置或强制策略介入。
09.2.2.1-017 手动熔断 / 强制打开用于什么场景?
一句话结论
手动强制打开用于:已知下游维护/故障、大促前切流、压测演练、临时屏蔽问题接口;可绕过自动统计直接开路,配合降级预案,恢复后手动或自动闭合。
概念解释
- 强制 Open:不看错误率直接切断。
- 场景:计划性维护、故障预案、演练。
- 控制:可配置开关,操作留审计记录。
原理流程
人工触发强制熔断
→ 所有调用走兜底
→ 维护结束 → 关闭强制开关
常见误区
- 误区:手动熔断长期不恢复。强制状态需要明确责任人与恢复时点,避免遗留配置。
- 误区:自动熔断能替代手动预案。计划性切换与演练必须有手动开关配合。
追问
- 问:强制打开时 Half-Open 探测还跑吗?答:强制策略优先,保持开路直到手动解除。
- 问:手动熔断记录什么?答:操作人、原因、时间、影响范围,便于复盘。
09.2.2.1-018 常见框架实现(Resilience4j / Sentinel / Hystrix)概念上怎么对比?
一句话结论
Hystrix 已停止维护,以线程池隔离 + 熔断为代表;Resilience4j 提供熔断器、限流、舱壁、重试等轻量组件;Sentinel 融合流控、熔断降级与系统自适应,规则可动态推送;具体能力与参数以各框架官方文档为准。
概念解释
- Hystrix:早期隔离 + 熔断范式,停止维护。
- Resilience4j:库式组件,函数式接入。
- Sentinel:流量控制 + 熔断降级 + 系统保护一体。
原理流程
依赖调用前 → 框架熔断器判定状态
→ Closed 放行 / Open 降级 / Half-Open 探测
常见误区
- 误区:名字都叫 CircuitBreaker,状态机实现完全一致。阈值统计、半开策略与指标口径存在差异。
- 误区:Hystrix 模式仍适合新项目。其维护状态与生态已被 Resilience4j/Sentinel 等替代。
追问
- 问:选型看哪些点?答:隔离方式、规则动态性、指标暴露、与现有框架集成、社区维护状态。
- 问:框架熔断默认配置能直接用吗?答:默认值只作起点,生产阈值必须按依赖压测与故障特征调整。
09.2.2.1-019 熔断器的指标如何暴露与告警?
一句话结论
暴露当前状态、状态转换次数、通过/拒绝/探测请求数、错误率与慢调用比例、休眠停留时长;按依赖维度聚合,熔断打开、频繁转换、探测失败时告警,便于定位是哪个依赖异常。
概念解释
- 状态指标:Closed/Open/Half-Open 计数。
- 结果指标:成功、失败、慢调用、拒绝数。
- 告警:打开事件、震荡频率、持续 Open 时长。
原理流程
按依赖 × 状态 上报指标
→ Open 事件告警
→ 频繁转换 / 长时间 Open 升级告警
常见误区
- 误区:只记录熔断发生次数。不看状态停留与探测结果,无法判断是短暂抖动还是持续故障。
- 误区:所有熔断同一级别告警。非核心依赖抖动与核心链路熔断应分级。
追问
- 问:熔断指标和下游监控如何关联?答:熔断打开时间线对齐下游 RT、错误率与资源水位,确认根因。
- 问:告警应通知谁?答:对应依赖负责人与值班人员,附带熔断维度、阈值与当前状态。
09.2.2.1-020 常见误熔断原因有哪些?如何规避?
一句话结论
误熔断常见原因:样本不足导致比例波动、慢调用分界过低、窗口过短、临时网络抖动、下游偶发慢请求;规避手段:最小请求数、合理慢阈值与窗口、绝对异常数兜底、结合隔离与超时,故障演练验证阈值。
概念解释
- 样本问题:低流量比例失真。
- 阈值问题:过紧把抖动当故障。
- 外部抖动:网络、GC、瞬时负载。
原理流程
误判来源 → 样本/阈值/窗口/抖动
→ 对应参数校准 + 演练验证
常见误区
- 误区:熔断越灵敏越好。过灵敏感知到正常抖动就开路,损害可用性。
- 误区:误熔断只调松阈值。还要排查下游真实慢调用与本侧 GC/锁等待,避免掩盖真实问题。
追问
- 问:如何验证阈值合理?答:故障演练模拟下游变慢/错误,观察是否在预期时点打开;正常压测下不应误触发。
- 问:误熔断后怎么复盘?答:看触发时样本量、慢调用分布与下游实际表现,调整窗口、最小请求数与阈值。