订单详情页调库存、优惠券、物流三个下游,客户端超时统一写 30 秒。大促时这三个接口 P99 分别是 80 毫秒、400 毫秒、2 秒,线程池 200 个线程十分钟内全占满,接口排队超过 40 秒。乍看像缓存或者权限的锅,追下去往往不是。
# Feign 按 client 单独配超时 feign.client.config.inventory.readTimeout=300 feign.client.config.coupon.readTimeout=800 feign.client.config.logistics.readTimeout=2500
追下去是这么回事:三个下游的耗时差了两个数量级,却共用同一个超时值,慢的那个直接决定线程占用时间。线程池容量按 QPS 乘平均耗时算,卡在上游 P99 时许可数就不够了。超时值没有按各自分位定,最快的接口也被拖进同一个池子。
「超时分级配置」这个问题文档写得含糊,实际行为以当前版本为准,别照旧版本的结论套。
具体做法是,按每个下游近七天的 P99 单独定超时 留一倍余量就够;把调用拆到不同线程池 慢下游不要和主链路共用;超时值放配置中心 大促前单独调小;加一条排队时长监控 超过 500 毫秒就报警。
验收就看一点,压测时三个下游的线程占用分别落在 300 毫秒、800 毫秒、2.5 秒以内,线程池活跃数不再打满。
