一、Hystrix解决了什么问题？
在简单的分布式应用中有着许多的依赖，各个依赖都有不免在某个时刻失败，如果利用不隔离各个依赖，升高内部的危险，那容易拖垮整个利用。
举个电商场景中常见的例子，比方订单服务调用了库存服务、商品服务、积分服务、领取服务，零碎均失常状况下，订单模块失常运行。
然而当积分服务产生异样时且会阻塞30s时，订单服务就有有局部申请失败，且工作线程阻塞在调用积分服务上。
流量顶峰时，问题会更加重大，订单服务的所有申请都会阻塞在调用积分服务上，工作线程全副挂起，导致机器资源耗尽，订单服务也不可用，造成级联影响，整个集群宕机，这种称为雪崩效应。
所以须要一种机制，使得单个服务呈现故障时，整个集群可用性不受到影响。Hystrix就是实现这种机制的框架，上面咱们剖析一下Hystrix整体的工作机制。
二、整体机制
【入口】Hystrix的执行入口是HystrixCommand或HystrixObservableCommand对象，通常在Spring利用中会通过注解和AOP来实现对象的结构，以升高对业务代码的侵入性；
【缓存】HystrixCommand对象理论开始执行后，首先是否开启缓存，若开启缓存且命中，则间接返回；
【熔断】若熔断器关上，则执行短路，间接走降级逻辑；若熔断器敞开，持续下一步，进入隔离逻辑。熔断器的状态次要基于窗口期内执行失败率，若失败率过高，则熔断器主动关上；
【隔离】用户可配置走线程池隔离或信号量隔离，判断线程池工作已满（或信号量），则进入降级逻辑；否则持续下一步，理论由线程池工作线程执行业务调用；
【执行】理论开始执行业务调用，若执行失败或异样，则进入降级逻辑；若执行胜利，则失常返回；
【超时】通过定时器延时工作检测业务调用执行是否超时，若超时则勾销业务执行的线程，进入降级逻辑；若未超时，则失常返回。线程池、信号量两种策略均隔离形式反对超时配置（信号量策略存在缺点）；
【降级】进入降级逻辑后，当业务实现了HystrixCommand.getFallback() 办法，则返回降级解决的数据；当未实现时，则返回异样；
【统计】业务调用执行后果胜利、失败、超时等均会进入统计模块，通过衰弱统计后果来决定熔断器关上或敞开。
都说源码里没有机密，上面咱们来剖析下外围性能源码，看看Hystrix如何实现整体的工作机制。
三、熔断
家用电路中都有保险丝，保险丝的作用场景是，当电路产生故障或异样时，随同着电流一直升高，并且升高的电流有可能损坏电路中的某些重要器件或贵重器件，也有可能烧毁电路甚至造成火灾。
若电路中正确地安置了保险丝，那么保险丝就会在电流异样升高到肯定的高度和肯定的时候，本身熔断切断电流，从而起到爱护电路平安运行的作用。Hystrix提供的熔断器就有相似性能，利用调用某个服务提供者，当肯定工夫内申请总数超过配置的阈值，且窗口期内错误率过高，那Hystrix就会对调用申请熔断，后续的申请间接短路，间接进入降级逻辑，执行本地的降级策略。
Hystrix具备自我调节的能力，熔断器关上在肯定工夫后，会尝试通过一个申请，并依据执行后果调整熔断器状态，让熔断器在closed,open,half-open三种状态之间主动切换。
【HystrixCircuitBreaker】boolean attemptExecution()：每次HystrixCommand执行，都要调用这个办法，判断是否能够继续执行，若熔断器状态为关上且超过休眠窗口，更新熔断器状态为half-open；通过CAS原子变更熔断器状态来保障只放过一条业务申请理论调用提供方，并依据执行后果调整状态。
public boolean attemptExecution() { //判断配置是否强制关上熔断器 if (properties.circuitBreakerForceOpen().get()) { return false; } //判断配置是否强制敞开熔断器 if (properties.circuitBreakerForceClosed().get()) { return true; } //判断熔断器开关是否敞开 if (circuitOpened.get() == -1) { return true; } else { //判断申请是否在休眠窗口后 if (isAfterSleepWindow()) { //更新开关为半开，并容许本次申请通过 if (status.compareAndSet(Status.OPEN, Status.HALF_OPEN)) { return true; } else { return false; } } else { //拒绝请求 return false; } }}【HystrixCircuitBreaker】void markSuccess()：HystrixCommand执行胜利后调用，当熔断器状态为half-open，更新熔断器状态为closed。此种状况为熔断器本来为open，放过单条申请理论调用服务提供者，并且后续执行胜利，Hystrix主动调节熔断器为closed。
public void markSuccess() { //更新熔断器开关为敞开 if (status.compareAndSet(Status.HALF_OPEN, Status.CLOSED)) { //重置订阅衰弱统计 metrics.resetStream(); Subscription previousSubscription = activeSubscription.get(); if (previousSubscription != null) { previousSubscription.unsubscribe(); } Subscription newSubscription = subscribeToStream(); activeSubscription.set(newSubscription); //更新熔断器开关为敞开 circuitOpened.set(-1L); }}【HystrixCircuitBreaker】void markNonSuccess()：HystrixCommand执行胜利后调用，若熔断器状态为half-open，更新熔断器状态为open。此种状况为熔断器本来为open，放过单条申请理论调用服务提供者，并且后续执行失败，Hystrix持续放弃熔断器关上，并把此次申请作为休眠窗口期开始工夫。
public void markNonSuccess() { //更新熔断器开关，从半开变为关上 if (status.compareAndSet(Status.HALF_OPEN, Status.OPEN)) { //记录失败工夫，作为休眠窗口开始工夫 circuitOpened.set(System.currentTimeMillis()); } }【HystrixCircuitBreaker】void subscribeToStream()：熔断器订阅衰弱统计后果，若以后申请数据大于肯定值且错误率大于阈值，自动更新熔断器状态为opened，后续申请短路，不再理论调用服务提供者，间接进入降级逻辑。
private Subscription subscribeToStream() { //订阅监控统计信息 return metrics.getHealthCountsStream() .observe() .subscribe(new Subscriber<HealthCounts>() { @Override public void onCompleted() {} @Override public void onError(Throwable e) {} @Override public void onNext(HealthCounts hc) { // 判断总申请数量是否超过配置阈值，若未超过，则不扭转熔断器状态 if (hc.getTotalRequests() < properties.circuitBreakerRequestVolumeThreshold().get()) { } else { //判断申请错误率是否超过配置错误率阈值，若未超过，则不扭转熔断器状态；若超过，则错误率过高，更新熔断器状态未关上，回绝后续申请 if (hc.getErrorPercentage() < properties.circuitBreakerErrorThresholdPercentage().get()) { } else { if (status.compareAndSet(Status.CLOSED, Status.OPEN)) { circuitOpened.set(System.currentTimeMillis()); } } } } });}四、资源隔离
在货船中，为了避免漏水和火灾的扩散，个别会将货仓进行宰割，防止了一个货仓出事导致整艘船沉没的喜剧。同样的，在Hystrix中，也采纳了这样的舱壁模式，将零碎中的服务提供者隔离起来，一个服务提供者提早升高或者失败，并不会导致整个零碎的失败，同时也可能管制调用这些服务的并发度。如下图，订单服务调用上游积分、库存等服务应用不同的线程池，当积分服务故障时，只会把对应线程池打满，而不会影响到其余服务的调用。Hystrix隔离模式反对线程池和信号量两种形式。
4.1 信号量模式
信号量模式管制单个服务提供者执行并发度，比方单个CommondKey下正在申请数为N，若N小于maxConcurrentRequests，则继续执行；若大于等于maxConcurrentRequests，则间接回绝，进入降级逻辑。信号量模式应用申请线程自身执行，没有线程上下文切换，开销较小，但超时机制生效。
【AbstractCommand】Observable<R>applyHystrixSemantics(finalAbstractCommand<R> _cmd)：尝试获取信号量，若能获取到，则持续调用服务提供者；若不能获取到，则进入降级策略。
private Observable<R> applyHystrixSemantics(final AbstractCommand<R> _cmd) { executionHook.onStart(_cmd); //判断熔断器是否通过 if (circuitBreaker.attemptExecution()) { //获取信号量 final TryableSemaphore executionSemaphore = getExecutionSemaphore(); final AtomicBoolean semaphoreHasBeenReleased = new AtomicBoolean(false); final Action0 singleSemaphoreRelease = new Action0() { @Override public void call() { if (semaphoreHasBeenReleased.compareAndSet(false, true)) { executionSemaphore.release(); } } }; final Action1<Throwable> markExceptionThrown = new Action1<Throwable>() { @Override public void call(Throwable t) { eventNotifier.markEvent(HystrixEventType.EXCEPTION_THROWN, commandKey); } }; //尝试获取信号量 if (executionSemaphore.tryAcquire()) { try { //记录业务执行开始工夫 executionResult = executionResult.setInvocationStartTime(System.currentTimeMillis()); //继续执行业务 return executeCommandAndObserve(_cmd) .doOnError(markExceptionThrown) .doOnTerminate(singleSemaphoreRelease) .doOnUnsubscribe(singleSemaphoreRelease); } catch (RuntimeException e) { return Observable.error(e); } } else { //信号量回绝，进入降级逻辑 return handleSemaphoreRejectionViaFallback(); } } else { //熔断器回绝，间接短路，进入降级逻辑 return handleShortCircuitViaFallback(); }}【AbstractCommand】TryableSemaphore getExecutionSemaphore()：获取信号量实例，若以后隔离模式为信号量，则依据commandKey获取信号量，不存在时初始化并缓存；若以后隔离模式为线程池，则应用默认信号量TryableSemaphoreNoOp.DEFAULT，全副申请可通过。
protected TryableSemaphore getExecutionSemaphore() { //判断隔离模式是否为信号量 if (properties.executionIsolationStrategy().get() == ExecutionIsolationStrategy.SEMAPHORE) { if (executionSemaphoreOverride == null) { //获取信号量 TryableSemaphore _s = executionSemaphorePerCircuit.get(commandKey.name()); if (_s == null) { //初始化信号量并缓存 executionSemaphorePerCircuit.putIfAbsent(commandKey.name(), new TryableSemaphoreActual(properties.executionIsolationSemaphoreMaxConcurrentRequests())); //返回信号量 return executionSemaphorePerCircuit.get(commandKey.name()); } else { return _s; } } else { return executionSemaphoreOverride; } } else { //返回默认信号量，任何申请均可通过 return TryableSemaphoreNoOp.DEFAULT; }}4.2 线程池模式
线程池模式管制单个服务提供者执行并发度，代码上都会先走获取信号量，只是应用默认信号量，全副申请可通过，而后理论调用线程池逻辑。线程池模式下，比方单个CommondKey下正在申请数为N，若N小于maximumPoolSize，会先从 Hystrix 治理的线程池外面取得一个线程，而后将参数传递给工作线程去执行真正调用，如果并发申请数多于线程池线程个数，就有工作须要进入队列排队，但排队队列也有下限，如果排队队列也满，则进去降级逻辑。线程池模式能够反对异步调用，反对超时调用，存在线程切换，开销大。
【AbstractCommand】Observable<R>executeCommandWithSpecifiedIsolation(final AbstractCommand<R> _cmd)：从线程池中获取线程，并执行，过程中记录线程状态。
private Observable<R> executeCommandWithSpecifiedIsolation(final AbstractCommand<R> _cmd) { //判断是否为线程池隔离模式 if (properties.executionIsolationStrategy().get() == ExecutionIsolationStrategy.THREAD) { return Observable.defer(new Func0<Observable<R>>() { @Override public Observable<R> call() { executionResult = executionResult.setExecutionOccurred(); if (!commandState.compareAndSet(CommandState.OBSERVABLE_CHAIN_CREATED, CommandState.USER_CODE_EXECUTED)) { return Observable.error(new IllegalStateException("execution attempted while in state : " + commandState.get().name())); } //统计信息 metrics.markCommandStart(commandKey, threadPoolKey, ExecutionIsolationStrategy.THREAD); //判断是否超时，若超时，间接抛出异样 if (isCommandTimedOut.get() == TimedOutStatus.TIMED_OUT) { return Observable.error(new RuntimeException("timed out before executing run()")); } //更新线程状态为已开始 if (threadState.compareAndSet(ThreadState.NOT_USING_THREAD, ThreadState.STARTED)) { HystrixCounters.incrementGlobalConcurrentThreads(); threadPool.markThreadExecution(); endCurrentThreadExecutingCommand = Hystrix.startCurrentThreadExecutingCommand(getCommandKey()); executionResult = executionResult.setExecutedInThread(); //执行hook，若异样，则间接抛出异样 try { executionHook.onThreadStart(_cmd); executionHook.onRunStart(_cmd); executionHook.onExecutionStart(_cmd); return getUserExecutionObservable(_cmd); } catch (Throwable ex) { return Observable.error(ex); } } else { //空返回 return Observable.empty(); } } }).doOnTerminate(new Action0() { @Override public void call() { //完结逻辑，省略 } }).doOnUnsubscribe(new Action0() { @Override public void call() { //勾销订阅逻辑，省略 } //从线程池中获取业务执行线程 }).subscribeOn(threadPool.getScheduler(new Func0<Boolean>() { @Override public Boolean call() { //判断是否超时 return properties.executionIsolationThreadInterruptOnTimeout().get() && _cmd.isCommandTimedOut.get() == TimedOutStatus.TIMED_OUT; } })); } else { //信号量模式 //省略 } }【HystrixThreadPool】Subscription schedule(final Action0 action)：HystrixContextScheduler是Hystrix对rx中Scheduler调度器的重写，次要为了实现在Observable未被订阅时，不执行命令，以及反对在命令执行过程中可能打断运行。在rx中，Scheduler将生成对应的Worker给Observable用于执行命令，由Worker具体负责相干执行线程的调度，ThreadPoolWorker是Hystrix自行实现的Worker，执行调度的外围办法。
public Subscription schedule(final Action0 action) { //若无订阅，则不执行间接返回 if (subscription.isUnsubscribed()) { return Subscriptions.unsubscribed(); } ScheduledAction sa = new ScheduledAction(action); subscription.add(sa); sa.addParent(subscription); //获取线程池 ThreadPoolExecutor executor = (ThreadPoolExecutor) threadPool.getExecutor(); //提交执行工作 FutureTask<?> f = (FutureTask<?>) executor.submit(sa); sa.add(new FutureCompleterWithConfigurableInterrupt(f, shouldInterruptThread, executor)); return sa;}五、超时检测
Hystrix超时机制升高了第三方依赖项提早过高对调用方的影响，使申请疾速失败。次要通过提早工作机制实现，包含注册延时工作过程和执行延时工作过程。
当隔离策略为线程池时，主线程订阅执行后果，线程池中工作线程调用提供者服务端，同时会有定时器线程在肯定工夫后检测工作是否实现，若未实现则示意工作超时，抛出超时异样，并且后续工作线程的执行后果也会跳过不再公布；若已实现则示意工作在超时工夫内实现执行实现，定时器检测工作完结。
当隔离策略为信号量时，主线程订阅执行后果并理论调用提供者服务端（没有工作线程），当超出指定工夫，主线程依然会执行完业务调用，而后抛出超时异样。信号量模式下超时配置有肯定缺点，不能取消在执行的调用，并不能限度主线程返回工夫。
【AbstractCommand】Observable<R>executeCommandAndObserve(finalAbstractCommand<R> \_cmd)：超时检测入口，执行lift(new HystrixObservableTimeoutOperator<R>(\_cmd))关联超时检测工作。
private Observable<R> executeCommandAndObserve(final AbstractCommand<R> _cmd) { //省略 Observable<R> execution; //判断是否开启超时检测 if (properties.executionTimeoutEnabled().get()) { execution = executeCommandWithSpecifiedIsolation(_cmd) //减少超时检测操作 .lift(new HystrixObservableTimeoutOperator<R>(_cmd)); } else { //失常执行 execution = executeCommandWithSpecifiedIsolation(_cmd); } return execution.doOnNext(markEmits) .doOnCompleted(markOnCompleted) .onErrorResumeNext(handleFallback) .doOnEach(setRequestContext);}【HystrixObservableTimeoutOperator】Subscriber<? super R> call(final Subscriber<? super R> child)：创立检测工作，并关联提早工作；若检测工作执行时仍未执行实现，则抛出超时异样；若已执行实现或异样，则革除检测工作。
public Subscriber<? super R> call(final Subscriber<? super R> child) { final CompositeSubscription s = new CompositeSubscription(); child.add(s); final HystrixRequestContext hystrixRequestContext = HystrixRequestContext.getContextForCurrentThread(); //实列化监听器 TimerListener listener = new TimerListener() { @Override public void tick() { //若工作未执行实现，则更新为超时 if (originalCommand.isCommandTimedOut.compareAndSet(TimedOutStatus.NOT_EXECUTED, TimedOutStatus.TIMED_OUT)) { // 上报超时失败 originalCommand.eventNotifier.markEvent(HystrixEventType.TIMEOUT, originalCommand.commandKey); // 勾销订阅 s.unsubscribe(); final HystrixContextRunnable timeoutRunnable = new HystrixContextRunnable(originalCommand.concurrencyStrategy, hystrixRequestContext, new Runnable() { @Override public void run() { child.onError(new HystrixTimeoutException()); } }); //抛出超时异样 timeoutRunnable.run(); } } //超时工夫配置 @Override public int getIntervalTimeInMilliseconds() { return originalCommand.properties.executionTimeoutInMilliseconds().get(); } }; //注册监听器，关联检测工作 final Reference<TimerListener> tl = HystrixTimer.getInstance().addTimerListener(listener); originalCommand.timeoutTimer.set(tl); Subscriber<R> parent = new Subscriber<R>() { @Override public void onCompleted() { if (isNotTimedOut()) { // 未超时状况下，工作执行实现，革除超时检测工作 tl.clear(); child.onCompleted(); } } @Override public void onError(Throwable e) { if (isNotTimedOut()) { // 未超时状况下，工作执行异样，革除超时检测工作 tl.clear(); child.onError(e); } } @Override public void onNext(R v) { //未超时状况下，公布执行后果；超时时则间接跳过公布执行后果 if (isNotTimedOut()) { child.onNext(v); } } //判断是否超时 private boolean isNotTimedOut() { return originalCommand.isCommandTimedOut.get() == TimedOutStatus.COMPLETED || originalCommand.isCommandTimedOut.compareAndSet(TimedOutStatus.NOT_EXECUTED, TimedOutStatus.COMPLETED); } }; s.add(parent); return parent; }}【HystrixTimer】Reference<TimerListener>addTimerListener(finalTimerListener listener)：addTimerListener通过java的定时工作服务scheduleAtFixedRate在提早超时工夫后执行。
public Reference<TimerListener> addTimerListener(final TimerListener listener) {//初始化xianstartThreadIfNeeded();//结构检测工作Runnable r = new Runnable() {
public Reference<TimerListener> addTimerListener(final TimerListener listener) { //初始化xian startThreadIfNeeded(); //结构检测工作 Runnable r = new Runnable() { @Override public void run() { try { listener.tick(); } catch (Exception e) { logger.error("Failed while ticking TimerListener", e); } } }; //提早执行检测工作 ScheduledFuture<?> f = executor.get().getThreadPool().scheduleAtFixedRate(r, listener.getIntervalTimeInMilliseconds(), listener.getIntervalTimeInMilliseconds(), TimeUnit.MILLISECONDS); return new TimerReference(listener, f);}六、降级
Hystrix降级逻辑作为兜底的策略，当呈现业务执行异样、线程池或信号量已满、执行超时等状况时，会进入降级逻辑。降级逻辑中应从内存或动态逻辑获取通用返回，尽量不依赖依赖网络调用，如果未实现降级办法或降级办法中也出现异常，则业务线程中会引发异样。
【AbstractCommand】Observable<R> getFallbackOrThrowException(finalAbstractCommand<R> _cmd, final HystrixEventType eventType, final FailureType failureType, final String message, final Exception originalException)：首先判断是否为不可复原异样，若是则不走降级逻辑，间接异样返回；其次判断是否能获取到降级信号量，而后走降级逻辑；当降级逻辑中也产生异样或者没有降级办法实现时，则异样返回。
private Observable<R> getFallbackOrThrowException(final AbstractCommand<R> _cmd, final HystrixEventType eventType, final FailureType failureType, final String message, final Exception originalException) { final HystrixRequestContext requestContext = HystrixRequestContext.getContextForCurrentThread(); long latency = System.currentTimeMillis() - executionResult.getStartTimestamp(); executionResult = executionResult.addEvent((int) latency, eventType); //判断是否为不可复原异样，如栈溢出、OOM等 if (isUnrecoverable(originalException)) { logger.error("Unrecoverable Error for HystrixCommand so will throw HystrixRuntimeException and not apply fallback. ", originalException); Exception e = wrapWithOnErrorHook(failureType, originalException); //间接返回异样 return Observable.error(new HystrixRuntimeException(failureType, this.getClass(), getLogMessagePrefix() + " " + message + " and encountered unrecoverable error.", e, null)); } else { //判断为是否可复原谬误 if (isRecoverableError(originalException)) { logger.warn("Recovered from java.lang.Error by serving Hystrix fallback", originalException); } //判断降级配置是否关上 if (properties.fallbackEnabled().get()) { /** * 省略 */ final Func1<Throwable, Observable<R>> handleFallbackError = new Func1<Throwable, Observable<R>>() { @Override public Observable<R> call(Throwable t) { Exception e = wrapWithOnErrorHook(failureType, originalException); Exception fe = getExceptionFromThrowable(t); long latency = System.currentTimeMillis() - executionResult.getStartTimestamp(); Exception toEmit; //是否是不反对操作异样，当业务中没有覆写getFallBack办法时，会抛出此异样 if (fe instanceof UnsupportedOperationException) { logger.debug("No fallback for HystrixCommand. ", fe); eventNotifier.markEvent(HystrixEventType.FALLBACK_MISSING, commandKey); executionResult = executionResult.addEvent((int) latency, HystrixEventType.FALLBACK_MISSING); toEmit = new HystrixRuntimeException(failureType, _cmd.getClass(), getLogMessagePrefix() + " " + message + " and no fallback available.", e, fe); } else { //执行降级逻辑时产生异样 logger.debug("HystrixCommand execution " + failureType.name() + " and fallback failed.", fe); eventNotifier.markEvent(HystrixEventType.FALLBACK_FAILURE, commandKey); executionResult = executionResult.addEvent((int) latency, HystrixEventType.FALLBACK_FAILURE); toEmit = new HystrixRuntimeException(failureType, _cmd.getClass(), getLogMessagePrefix() + " " + message + " and fallback failed.", e, fe); } //判断异样是否包装 if (shouldNotBeWrapped(originalException)) { //抛出异样 return Observable.error(e); } //抛出异样 return Observable.error(toEmit); } }; //获取降级信号量 final TryableSemaphore fallbackSemaphore = getFallbackSemaphore(); final AtomicBoolean semaphoreHasBeenReleased = new AtomicBoolean(false); final Action0 singleSemaphoreRelease = new Action0() { @Override public void call() { if (semaphoreHasBeenReleased.compareAndSet(false, true)) { fallbackSemaphore.release(); } } }; Observable<R> fallbackExecutionChain; // 尝试获取降级信号量 if (fallbackSemaphore.tryAcquire()) { try { //判断是否定义了fallback办法 if (isFallbackUserDefined()) { executionHook.onFallbackStart(this); //执行降级逻辑 fallbackExecutionChain = getFallbackObservable(); } else { //执行降级逻辑 fallbackExecutionChain = getFallbackObservable(); } } catch (Throwable ex) { fallbackExecutionChain = Observable.error(ex); } return fallbackExecutionChain .doOnEach(setRequestContext) .lift(new FallbackHookApplication(_cmd)) .lift(new DeprecatedOnFallbackHookApplication(_cmd)) .doOnNext(markFallbackEmit) .doOnCompleted(markFallbackCompleted) .onErrorResumeNext(handleFallbackError) .doOnTerminate(singleSemaphoreRelease) .doOnUnsubscribe(singleSemaphoreRelease); } else { //解决降级信号量回绝异样 return handleFallbackRejectionByEmittingError(); } } else { //解决降级配置敞开时异样 return handleFallbackDisabledByEmittingError(originalException, failureType, message); } }}【HystrixCommand】R getFallback()：HystrixCommand默认抛出操作不反对异样，须要子类覆写getFalBack办法实现降级逻辑。
protected R getFallback() { throw new UnsupportedOperationException("No fallback available.");}七、衰弱统计
Hystrix基于通过滑动窗口的数据统计断定服务失败占比选择性熔断，可能实现疾速失败并走降级逻辑。步骤如下：
- AbstractCommand执行实现后调⽤ handleCommandEnd⽅法将执行后果HystrixCommandCompletion事件公布到事件流中；
- 事件流通过 Observable.window()⽅法将事件按工夫分组，并通过 flatMap()⽅法将事件按类型（胜利、失败等）聚合成桶，造成桶流；
- 再将各个桶使⽤Observable.window()按窗口内桶数量聚合成滑动窗⼝数据；
- 将滑动窗口数据聚合成数据对象（如衰弱数据流、累计数据等）；
- 熔断器CircuitBreaker初始化时订阅衰弱数据流，依据衰弱状况批改熔断器的开关。
【AbstractCommand】void handleCommandEnd(boolean commandExecutionStarted)：在业务执行结束后，会调用handleCommandEnd办法，在此办法中，上报执行后果executionResult，这也是衰弱统计的入口。
private void handleCommandEnd(boolean commandExecutionStarted) { Reference<TimerListener> tl = timeoutTimer.get(); if (tl != null) { tl.clear(); } long userThreadLatency = System.currentTimeMillis() - commandStartTimestamp; executionResult = executionResult.markUserThreadCompletion((int) userThreadLatency); //执行后果上报衰弱统计 if (executionResultAtTimeOfCancellation == null) { metrics.markCommandDone(executionResult, commandKey, threadPoolKey, commandExecutionStarted); } else { metrics.markCommandDone(executionResultAtTimeOfCancellation, commandKey, threadPoolKey, commandExecutionStarted); } if (endCurrentThreadExecutingCommand != null) { endCurrentThreadExecutingCommand.call(); }}【BucketedRollingCounterStream】BucketedRollingCounterStream(HystrixEventStream<Event> stream, final int numBuckets, int bucketSizeInMs,final Func2<Bucket, Event, Bucket> appendRawEventToBucket,final Func2<Output, Bucket, Output> re-duceBucket)
衰弱统计类HealthCountsStream的滑动窗口实现次要是在父类BucketedRollingCounterStream，首先父类BucketedCounterStream将事件流解决成桶流，BucketedRollingCounterStream解决成滑动窗口，而后由HealthCountsStream传入的reduceBucket函数解决成衰弱统计信息.
protected BucketedRollingCounterStream(HystrixEventStream<Event> stream, final int numBuckets, int bucketSizeInMs, final Func2<Bucket, Event, Bucket> appendRawEventToBucket, final Func2<Output, Bucket, Output> reduceBucket) { //调用父类，数据处理成桶流 super(stream, numBuckets, bucketSizeInMs, appendRawEventToBucket); //依据传入的reduceBucket函数，解决滑动窗口内数据 Func1<Observable<Bucket>, Observable<Output>> reduceWindowToSummary = new Func1<Observable<Bucket>, Observable<Output>>() { @Override public Observable<Output> call(Observable<Bucket> window) { return window.scan(getEmptyOutputValue(), reduceBucket).skip(numBuckets); } }; //对父类桶流数据进行操作 this.sourceStream = bucketedStream //窗口内桶数量为numBuckets，每次挪动1个桶 .window(numBuckets, 1) //滑动窗口内数据处理 .flatMap(reduceWindowToSummary) .doOnSubscribe(new Action0() { @Override public void call() { isSourceCurrentlySubscribed.set(true); } }) .doOnUnsubscribe(new Action0() { @Override public void call() { isSourceCurrentlySubscribed.set(false); } }) .share() .onBackpressureDrop();}【HealthCounts】HealthCounts plus(long[] eventTypeCounts)：对桶内数据按事件类型累计，生成统计数据HealthCounts；
public HealthCounts plus(long[] eventTypeCounts) { long updatedTotalCount = totalCount; long updatedErrorCount = errorCount; long successCount = eventTypeCounts[HystrixEventType.SUCCESS.ordinal()]; long failureCount = eventTypeCounts[HystrixEventType.FAILURE.ordinal()]; long timeoutCount = eventTypeCounts[HystrixEventType.TIMEOUT.ordinal()]; long threadPoolRejectedCount = eventTypeCounts[HystrixEventType.THREAD_POOL_REJECTED.ordinal()]; long semaphoreRejectedCount = eventTypeCounts[HystrixEventType.SEMAPHORE_REJECTED.ordinal()]; //总数 updatedTotalCount += (successCount + failureCount + timeoutCount + threadPoolRejectedCount + semaphoreRejectedCount); //失败数 updatedErrorCount += (failureCount + timeoutCount + threadPoolRejectedCount + semaphoreRejectedCount); return new HealthCounts(updatedTotalCount, updatedErrorCount);}八、总结
在分布式环境中，不可避免地会有许多服务的依赖项中有的失败。Hystrix作为一个库，可通过增加熔断、隔离、降级等逻辑来帮忙用户管制分布式服务之间的交互，以进步零碎的整体弹性。次要性能如下：
- 爱护零碎，管制来自拜访第三方依赖项（通常是通过网络）的提早和失败
- 阻止简单分布式系统中的级联故障
- 疾速失败并疾速复原
- 平滑降级
- 近乎实时的监控，警报和管制
Hystrix应用过程中，有一些要留神的点：
- 覆写的getFallback()办法，尽量不要有网络依赖。如果有网络依赖，倡议采纳屡次降级，即在getFallback()内实例化 HystrixCommand，并执行Command。getFallback()尽量保障高性能返回，疾速降级。
- HystrixCommand 倡议采纳的是线程隔离策略。
- hystrix.threadpool.default.allowMaximumSizeToDivergeFromCoreSize设置为true时，hystrix.threadpool.default.maximumSize才会失效。最大线程数须要依据业务本身状况和性能测试后果来考量，尽量初始时设置小一些，反对动静调整大小，因为它是缩小负载并避免资源在提早产生时被阻塞的次要工具。
- 信号隔离策略下，执行业务逻辑时，应用的是应用服务的父级线程（如Tomcat容器线程）。所以，肯定要设置好并发量，有网络开销的调用，不倡议应用该策略，容易导致容器线程排队梗塞，从而影响整个应用服务。
- 另外Hystrix高度依赖RxJava这个响应式函数编程框架，简略理解RxJava的应用形式，有利于了解源码逻辑。
参考文档
Hystrix Github仓库：https://github.com/Netflix/Hystrix