1. 课程导论：熔断器与限流器在分布式系统中的核心作用，性能压测的必要性，QPS拐点与资源开销的定义
1.1 分布式系统中的两大稳定器
在微服务与分布式架构中，单个服务的故障或过载极易通过调用链扩散，引发“雪崩效应”。熔断器与限流器是保障系统韧性的两大核心组件：
- 熔断器（Circuit Breaker）：当下游服务错误率达到阈值时，快速切断调用，避免线程阻塞与资源耗尽；经过冷却时间后尝试半开恢复。
- 限流器（Rate Limiter）：控制单位时间内的请求量，防止突发流量冲垮服务；常见算法包括令牌桶、漏桶、滑动窗口。
核心观点：熔断器解决“依赖故障扩散”，限流器解决“流量过载冲击”。两者互补，缺一不可。
1.2 性能压测的必要性
生产环境中，熔断器与限流器的参数配置（如限流阈值、熔断窗口、错误率百分比）直接影响系统吞吐与稳定性。未经压测验证的配置可能导致：
- 过度保守：限流阈值过低，浪费硬件资源，QPS 上不去。
- 过度激进：熔断阈值过高，故障扩散后恢复缓慢。
- 资源竞争：限流器本身的计数器、令牌桶维护引入额外 CPU 与内存开销。
| 压测目标 | 验证内容 | 典型发现 |
|---|---|---|
| 限流准确性 | 实际通过 QPS 是否接近配置阈值 | 滑动窗口精度不足导致突发超限 |
| 熔断恢复时效 | 半开探测间隔与恢复成功率 | 冷却时间过短导致反复熔断 |
| 资源开销 | CPU、内存、GC 压力随 QPS 变化 | 令牌桶高频 CAS 导致 CPU 飙升 |
| QPS 拐点 | 系统吞吐从线性增长转为平缓或下降的临界点 | 限流器成为瓶颈，QPS 不升反降 |
实践建议：性能压测应覆盖“正常负载”、“临界负载”和“过载”三个区间，才能准确找到 QPS 拐点。
1.3 QPS 拐点与资源开销的定义
本课程的两个核心量化指标：
- QPS 拐点（Throughput Knee）：随着并发压力增加，系统吞吐量（QPS）从近似线性增长转变为增长趋缓、甚至下降的临界压力点。拐点之前，系统处于健康工作区；拐点之后，排队延迟、线程阻塞、资源竞争加剧，吞吐恶化。
- 资源开销（Resource Overhead）：熔断器与限流器自身消耗的 CPU 时间、内存分配、GC 压力、锁竞争等。资源开销随 QPS 增长通常呈非线性上升，直接影响拐点位置。
1.4 课程核心问题
本课程将围绕以下三个关键问题展开压测设计与分析：
- 限流器与熔断器在不同 QPS 区间下的资源开销曲线是怎样的？（CPU、内存、锁竞争）
- QPS 拐点出现在什么位置？拐点与限流算法、熔断窗口大小、硬件配置的关系是什么？
- 如何通过压测数据指导生产配置？找到最优的限流阈值与熔断参数，平衡吞吐与稳定性。
注意：本课程所有压测数据均基于特定硬件与 JVM 参数，实际生产环境需结合自身业务场景复测。拐点位置不是固定值，而是系统、组件、配置三者的函数。