SCA Sentinel 分布式系统的流量防卫兵(1)

可以看到已经可以监控查看啦。说明我们部署成功了。

Sentinel 关键概念

---

资源:

它可以是 Java 应⽤程序中的任何内容，例如，由应⽤程序提供的服务，或由应⽤程序调⽤的其它应⽤提供的服务，甚⾄可以是⼀段代码。我们请求的 API 接⼝就是资源

规则:

围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以动态实时调整

Sentinel 流量规则模块

系统并发能⼒有限，⽐如系统A的QPS⽀持1个，如果太多请求过来，那么A就应该进⾏流量控制了，⽐如其他请求直接拒绝

资源名：默认请求路径

针对来源：Sentinel可以针对调⽤者进⾏限流，填写微服务名称，默认default（不区分来源）阈值类型/单机阈值

QPS：（每秒钟请求数量）当调⽤该资源的QPS达到阈值时进⾏限流

线程数：当调⽤该资源的线程数达到阈值的时候进⾏限流（线程处理请求的时候，如果说业务逻辑执⾏时间很⻓，流量洪峰来临时，会耗费很多线程资源，这些线程资源会堆积，最终可能造成服务不可⽤，进⼀步上游服务不可⽤，最终可能服务雪崩）

是否集群：是否集群限流

流控模式：

直接：资源调⽤达到限流条件时，直接限流

关联：关联的资源调⽤达到阈值时候限流⾃⼰

链路：只记录指定链路上的流量

流控效果：

快速失败：直接失败，抛出异常

Warm Up：根据冷加载因⼦（默认3）的值，从阈值/冷加载因⼦，经过预热时⻓，才达到设置的QPS阈 值

排队等待：匀速排队，让请求匀速通过，阈值类型必须设置为QPS，否则⽆效

流控模式之关联限流:

关联的资源调⽤达到阈值时候限流⾃⼰，⽐如⽤户注册接⼝，需要调⽤身份证校验接⼝（往往身份证校验接⼝），如果身份证校验接⼝请求达到阈值，使⽤关联，可以对⽤户注册接⼝进⾏限流。

流控模式之链路限流:

链路模式下会控制该资源所在的调⽤链路⼊⼝的流量。需要在规则中配置⼊⼝资源，即该调⽤链路⼊⼝的上下⽂名称。

⼀棵典型的调⽤树如下图所示：（阿⾥云提供）

上图中来⾃⼊⼝ Entrance1 和 Entrance2 的请求都调⽤到了资源 NodeA ，Sentinel 允许只根据某个调⽤⼊⼝的统计信息对资源限流。⽐如链路模式下设置⼊⼝资源为 Entrance1 来表示只有从⼊⼝ Entrance1 的调⽤才会记录到 NodeA 的限流统计当中，⽽不关⼼经 Entrance2 到来的调⽤。

流控效果之 Warm up:

当系统⻓期处于空闲的情况下，当流量突然增加时，直接把系统拉升到⾼⽔位可能瞬间把系统压垮，⽐如电商⽹站的秒杀模块。

通过 Warm Up 模式（预热模式），让通过的流量缓慢增加，经过设置的预热时间以后，到达系统处理请求速率的设定值。

Warm Up 模式默认会从设置的 QPS 阈值的 1/3 开始慢慢往上增加⾄ QPS 设置值。

流控效果之排队等待:

排队等待模式下会严格控制请求通过的间隔时间，即请求会匀速通过，允许部分请求排队等待，通常⽤于消息队列削峰填⾕等场景。需设置具体的超时时间，当计算的等待时间超过超时时间时请求就会被拒绝。

很多流量过来了，并不是直接拒绝请求，⽽是请求进⾏排队，⼀个⼀个匀速通过（处理），请求能等就等着被处理，不能等（等待时间>超时时间）就会被拒绝.

例如，QPS 配置为 5，则代表请求每 200 ms 才能通过⼀个，多出的请求将排队等待通过。超时时间代表最⼤排队时间，超出最⼤排队时间的请求将会直接被拒绝。排队等待模式下，QPS 设置值不要超过 1000（请求间隔 1 ms）。

Sentinel 降级规则模块

流控是对外部来的⼤流量进⾏控制，熔断降级的视⻆是对内部问题进⾏处理。

Sentinel 降级会在调⽤链路中某个资源出现不稳定状态时（例如调⽤超时或异常⽐例升⾼），对这个资源的调⽤进⾏限制，让请求快速失败，避免影响到其它的资源⽽导致级联错误。当资源被降级后，在接下来的降级时间窗⼝之内，对该资源的调⽤都⾃动熔断. 这⾥的降级其实是Hystrix中的熔断,还记得当时Hystrix的⼯作流程么

策略

Sentinel不会像Hystrix那样放过⼀个请求尝试⾃我修复，就是明明确确按照时间窗⼝来，熔断触发后，时间窗⼝内拒绝请求，时间窗⼝后就恢复。

• RT（平均响应时间 ）

当 1s 内持续进⼊ >=5 个请求，平均响应时间超过阈值（以 ms 为单位），那么在接下的时间窗⼝（以 s 为单位）之内，对这个⽅法的调⽤都会⾃动地熔断（抛出 DegradeException）。注意 Sentinel 默认统计的 RT 上限是 4900 ms，超出此阈值的都会算作 4900 ms，若需要变更此上限可以通过启动配置项 -Dcsp.sentinel.statistic.max.rt=xxx 来配置。

• 异常⽐例

当资源的每秒请求量 >= 5，并且每秒异常总数占通过量的⽐值超过阈值之后，资源进⼊降级状态，即在接下的时间窗⼝（以 s 为单位）之内，对这个⽅法的调⽤都会⾃动地返回。异常⽐率的阈值范围是 [0.0, 1.0] ，代表 0% - 100%。

• 异常数

当资源近 1 分钟的异常数⽬超过阈值之后会进⾏熔断。注意由于统计时间窗⼝是分钟级别的，若 timeWindow ⼩于 60s，则结束熔断状态后仍可能再进⼊熔断状态。时间窗⼝ >= 60s

Nacos 实现 Sentinel 规则持久化

---

⽬前，Sentinel Dashboard 中添加的规则数据存储在内存，微服务停掉规则数据就消失，在⽣产环境下不合适。我们可以将 Sentinel 规则数据持久化到 Nacos 配置中⼼，让微服务从 Nacos 获取规则数据。

依赖

首先我们需要在项目中增加依赖

com.alibaba.csp

sentinel-datasource-nacos

增加配置

sentinel:

transport:

dashboard: 127.0.0.1:8080

port: 8719

Sentinel Nacos数据源配置，Nacos中的规则会自动同步到sentinel流控规则中

datasource:

自定义的流控规则数据源名称

flow:

nacos:

server-addr: ${spring.cloud.nacos.discovery.server-addr}

data-id: ${spring.application.name}-flow-rules

groupId: DEFAULT_GROUP

data-type: json

rule-type: flow # 类型来自RuleType类

自定义的降级规则数据源名称

degrade:

nacos:

server-addr: ${spring.cloud.nacos.discovery.server-addr}

data-id: ${spring.application.name}-degrade-rules

groupId: DEFAULT_GROUP

data-type: json

rule-type: degrade # 类型来自RuleType类

Nacos Server 中配置

接下来需要我们在 Nacos Server 中添加对应规则配置集（public命名空间—>DEFAULT_GROUP中添加）

流控规则配置

[{

“resource”:“/user/login/1186154608@qq.com/123”,

“limitApp”:“default”,

“grade”:1,

“count”:1,

“strategy”:0,

“controlBehavior”:0,

“clusterMode”:false

}]

所有属性来⾃源码 FlowRule 类

• resource：资源名称

• limitApp：来源应⽤

• grade：阈值类型 0 线程数 1 QPS

• count：单机阈值

• strategy：流控模式，0 直接 1 关联 2 链路

• controlBehavior：流控效果，0 快速失败 1 Warm Up 2 排队等待

• clusterMode：true/false 是否集群

降级规则配置

[{

“resource”:“/user/login/1186154608@qq.com/123”,

“grade”:2,

“count”:1,

“timeWindow”:5

}]

所有属性来⾃源码 DegradeRule 类

• resource：资源名称

• grade：降级策略 0 RT 1 异常⽐例 2 异常数

• count：阈值

写在最后

可能有人会问我为什么愿意去花时间帮助大家实现求职梦想，因为我一直坚信时间是可以复制的。我牺牲了自己的大概十个小时写了这片文章，换来的是成千上万的求职者节约几天甚至几周时间浪费在无用的资源上。

上面的这些（算法与数据结构）+（Java多线程学习手册）+（计算机网络顶级教程）等学习资源

n/1186154608@qq.com/123",

“grade”:2,

“count”:1,

“timeWindow”:5

}]

所有属性来⾃源码 DegradeRule 类

• resource：资源名称

• grade：降级策略 0 RT 1 异常⽐例 2 异常数

• count：阈值

写在最后

可能有人会问我为什么愿意去花时间帮助大家实现求职梦想，因为我一直坚信时间是可以复制的。我牺牲了自己的大概十个小时写了这片文章，换来的是成千上万的求职者节约几天甚至几周时间浪费在无用的资源上。

[外链图片转存中…(img-HF4klkp3-1714444773079)]

[外链图片转存中…(img-HwgYewmI-1714444773079)]

上面的这些（算法与数据结构）+（Java多线程学习手册）+（计算机网络顶级教程）等学习资源

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录