微服务保护

1.初识Sentinel

1.1.雪崩问题及解决⽅案

1.1.1.雪崩问题

微服务中，服务间调⽤关系错综复杂，⼀个微服务往往依赖于多个其它微服务。

如图，如果服务提供者I发⽣了故障，当前的应⽤的部分业务因为依赖于服务I，因此也会被阻塞。此时， 其它不依赖于服务I的业务似乎不受影响。

服务器⽀持的线程和并发数有限，请求⼀直阻塞，会导致服务器资源耗尽，从⽽导致所有其它服务都不 可⽤，那么当前服务也就不可⽤了。

那么，依赖于当前服务的其它服务随着时间的推移，最终也都会变的不可⽤，形成级联失败，雪崩就发 ⽣了：

1.1.2.超时处理

解决雪崩问题的常⻅⽅式有四种：

•超时处理：设定超时时间，请求超过⼀定时间没有响应就返回错误信息，不会⽆休⽌等待

1.1.3.仓壁模式

仓壁模式来源于船舱的设计：

于此类似，我们可以限定每个业务能使⽤的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。

1.1.4.断路器

断路器模式：由断路器统计业务执⾏的异常⽐例，如果超出阈值则会熔断该业务，拦截访问该业务的⼀ 切请求。 断路器会统计访问某个服务的请求数量，异常⽐例：

1.1.5.限流

流量控制：限制业务访问的QPS，避免服务因流量的突增⽽故障。

1.1.6.总结

什么是雪崩问题？

• 微服务之间相互调⽤，因为调⽤链中的⼀个服务故障，引起整个链路都⽆法访问的情况。 可以认为：

限流是对服务的保护，避免因瞬间⾼并发流量⽽导致服务故障，进⽽避免雪崩是⼀种预防措施。

超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在⼀定范围，避免雪崩。是⼀种补救 措施。

1.2.服务保护技术对⽐

在SpringCloud当中⽀持多种服务保护技术：

• Netfix Hystrix
• Sentinel
• Resilience4J

早期⽐较流⾏的是Hystrix框架，但⽬前国内实⽤最⼴泛的还是阿⾥巴巴的Sentinel框架，这⾥我们做下 对⽐：

	Sentinel	Hystrix
隔离策略	信号量隔离	线程池隔离/信号量隔离
熔断降级策略	基于慢调⽤⽐例或异常⽐例	基于失败⽐率
实时指标实现	滑动窗⼝	滑动窗⼝（基于 RxJava）
规则配置	⽀持多种数据源	⽀持多种数据源
扩展性	多个扩展点	插件的形式
基于注解的⽀持	⽀持	⽀持
限流	基于 QPS，⽀持基于调⽤关系 的限流	有限的⽀持
流量整形	⽀持慢启动、匀速排队模式	不⽀持
系统⾃适应保护	⽀持	不⽀持
控制台	开箱即⽤，可配置规则、查看秒 级监控、机器发现等	不完善
常⻅框架的适配	Servlet、Spring Cloud、 Dubbo、gRPC 等	Servlet、Spring Cloud Netflix

1.3.Sentinel介绍和安装

1.3.1.初识Sentinel

Sentinel是阿⾥巴巴开源的⼀款微服务流量控制组件。官⽹地址：https://sentinelguard.io/zhcn/index.html

Sentinel 具有以下特征:

• 丰富的应⽤场景：Sentinel 承接了阿⾥巴巴近 10 年的双⼗⼀⼤促流量的核⼼场景，例如秒杀（即突发 流量控制在系统容量可以承受的范围）、消息削峰填⾕、集群流量控制、实时熔断下游不可⽤应⽤等。
• 完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接⼊应⽤的单台机器秒级 数据，甚⾄ 500 台以下规模的集群的汇总运⾏情况。
• ⼴泛的开源⽣态：Sentinel 提供开箱即⽤的与其它开源框架/库的整合模块，例如与 Spring Cloud、 Dubbo、gRPC 的整合。您只需要引⼊相应的依赖并进⾏简单的配置即可快速地接⼊ Sentinel。
• 完善的 SPI 扩展点：Sentinel 提供简单易⽤、完善的 SPI 扩展接⼝。您可以通过实现扩展接⼝来快速 地定制逻辑。例如定制规则管理、适配动态数据源等。

1.3.2.安装Sentinel

1）下载

sentinel官⽅提供了UI控制台，⽅便我们对系统做限流设置。⼤家可以在GitHub下载。

2）运⾏

将jar包放到任意⾮中⽂⽬录，执⾏命令：

java -jar sentinel-dashboard-1.8.1.jar

如果要修改Sentinel的默认端⼝、账户、密码，可以通过下列配置：

配置项	默认值	说明
server.port	8080	服务端⼝
sentinel.dashboard.auth.usern ame	sentinel	默认⽤户名
sentinel.dashboard.auth.pass word	sentinel	默认密码

例如，修改端⼝：

java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar

3）访问

访问http://localhost:8080⻚⾯，就可以看到sentinel的控制台了：

需要输⼊账号和密码，默认都是：sentinel

登录后，发现⼀⽚空⽩，什么都没有：

这是因为我们还没有与微服务整合；懒加载

1.4.微服务整合Sentinel

我们在shop-order中整合sentinel，并连接sentinel的控制台，步骤如下：

1）引⼊sentinel依赖

<!--sentinel-->
<dependency>
 <groupId>com.alibaba.cloud</groupId> 
 <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

2）配置控制台

修改application.yaml⽂件，添加下⾯内容：

spring:
 cloud: 
   sentinel:
     transport:
       dashboard: localhost:8080

3）访问order-service的任意端点

打开浏览器，访问http://localhost:8091/order/prod/19，这样才能触发sentinel的监控。

然后再访问sentinel的控制台，查看效果

2.流量控制

雪崩问题虽然有四种⽅案，但是限流是避免服务因突发的流量⽽发⽣故障，是对微服务雪崩问题的预 防。我们先学习这种模式。

2.1.簇点链路

当请求进⼊微服务时，⾸先会访问DispatcherServlet，然后进⼊Controller、Service、Mapper，这样的 ⼀个调⽤链就叫做簇点链路。簇点链路中被监控的每⼀个接⼝就是⼀个资源。

默认情况下sentinel会监控SpringMVC的每⼀个端点（Endpoint，也就是controller中的⽅法），因此 SpringMVC的每⼀个端点（Endpoint）就是调⽤链路中的⼀个资源。

流控、熔断等都是针对簇点链路中的资源来设置的，因此我们可以点击对应资源后⾯的按钮来设置规 则：

• 流控：流量控制
• 降级：降级熔断
• 热点：热点参数限流，是限流的⼀种
• 授权：请求的权限控制

2.1.快速⼊⻔

2.1.1.示例

点击资源/order/prod/{pid}后⾯的流控按钮，就可以弹出表单。

QPS即每秒查询率，QPS = req/sec = 请求数/秒，即每秒的响应请求数，也即是最⼤吞吐能⼒

2.1.2.练习：

需求：给 /order/prod/{pid}这个资源设置流控规则，QPS不能超过5，然后测试。

1）⾸先在sentinel控制台添加限流规则

2）利⽤jmeter测试

20个⽤户，2秒内运⾏完，QPS是10，超过了5.

选中 流控⼊⻔，QPS<5 右键运⾏：

结果：

可以看到，成功的请求每次只有5个

2.2.流控模式

在添加限流规则时，点击⾼级选项，可以选择三种流控模式：

• 直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
• 关联：统计与当前资源相关的另⼀个资源，触发阈值时，对当前资源限流
• 链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流

快速⼊⻔测试的就是直接模式

2.2.1.关联模式

关联模式：统计与当前资源相关的另⼀个资源，触发阈值时，对当前资源限流

配置规则：

语法说明：当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源

使⽤场景：⽐如⽤户⽀付时需要修改订单状态，同时⽤户要查询订单。查询和修改操作会争抢数据库锁，产⽣竞争。业务需求是优先⽀付和更新订单的业务，因此当修改订单业务触发阈值时，需要对查询 订单业务限流。

需求说明：

• 在OrderController新建两个端点：/order/query和/order/update，⽆需实现业务
• 配置流控规则，当/order/ update资源被访问的QPS超过5时，对/order/query请求限流

1）定义/order/query端点，模拟订单查询

@GetMapping("/order/query")
public String queryOrder() {
 return "查询订单成功";
}

2）定义/order/update端点，模拟订单更新

@GetMapping("/order/update")
public String updateOrder() {
 return "更新订单成功";
}

3）配置流控规则

对哪个端点限流，就点击哪个端点后⾯的按钮。我们是对订单查询/order/query限流，因此点击它后⾯ 的按钮：

4）在Jmeter测试

可以看到1000个⽤户，100秒，因此QPS为10，超过了我们设定的阈值：5

请求的⽬标是/order/update，这样这个断点就会触发阈值

但限流的⽬标是/order/query，我们在浏览器访问，可以发现：确实被限流了

2.2.2.链路模式

链路模式：只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。

配置示例： 例如有两条请求链路：

• /test1 --> /common
• /test2 --> /common

如果只希望统计从/test2进⼊到/common的请求，则可以这样配置：

实战案例

需求：有查询订单和创建订单业务，两者都需要查询商品。针对从查询订单进⼊到查询商品的请求统
计，并设置限流。
步骤：

1. 在OrderService中添加⼀个queryGoods⽅法，不⽤实现业务
2. 在OrderController中，改造/order/query端点，调⽤OrderService中的queryGoods⽅法
3. 在OrderController中添加⼀个/order/save的端点，调⽤OrderService的queryGoods⽅法
4. 给queryGoods设置限流规则，从/order/query进⼊queryGoods的⽅法限制QPS必须⼩于2

实现：

1）添加查询商品⽅法

在shop-order服务中，给OrderService类添加⼀个queryGoods⽅法：

public void queryGoods(){
 System.err.println("查询商品");
}

2）查询订单时，查询商品

在shop-order的OrderController中，修改/order/query端点的业务逻辑：

@GetMapping("/order/query")
public String queryOrder() {
 // 查询商品
 orderService.queryGoods();
 // 查询订单
 System.out.println("查询订单");
 return "查询订单成功";
}

3）新增订单，查询商品

在shop-order的OrderController中，修改/order/save端点，模拟新增订单：

@GetMapping("/order/save")
public String saveOrder() {
 // 查询商品
 orderService.queryGoods();
 // 查询订单
 System.err.println("新增订单");
 return "新增订单成功";
}

4）给查询商品添加资源标记

默认情况下，OrderService中的⽅法是不被Sentinel监控的，需要我们⾃⼰通过注解来标记要监控的⽅ 法。

给OrderService的queryGoods⽅法添加@SentinelResource注解：

@SentinelResource("goods")
public void queryGoods(){
 System.err.println("查询商品");
}

链路模式中，是对不同来源的两个链路做监控。但是sentinel默认会给进⼊SpringMVC的所有请求设置同 ⼀个root资源，会导致链路模式失效。

我们需要关闭这种对SpringMVC的资源聚合，修改order-service服务的application.yml⽂件：

spring:
 cloud:
   sentinel:
     web-context-unify: false # 关闭context整合

重启服务，访问/order/query和/order/save，可以查看到sentinel的簇点链路规则中，出现了新的资 源：

5）添加流控规则

点击goods资源后⾯的流控按钮，在弹出的表单中填写下⾯信息：

只统计从/order/query进⼊/goods的资源，QPS阈值为2，超出则被限流。

6）Jmeter测试

可以看到这⾥200个⽤户，50秒内发完，QPS为4，超过了我们设定的阈值2 ⼀个http请求是访问/order/save：运⾏的结果：完全不受影响。

2.2.3.总结

流控模式有哪些？

•直接：对当前资源限流

•关联：⾼优先级资源触发阈值，对低优先级资源限流。

•链路：阈值统计时，只统计从指定资源进⼊当前资源的请求，是对请求来源的限流

2.3.流控效果

在流控的⾼级选项中，还有⼀个流控效果选项：

流控效果是指请求达到流控阈值时应该采取的措施，包括三种：

● 快速失败：达到阈值后，新的请求会被⽴即拒绝并抛出FlowException异常。是默认的处理⽅式。

●warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从

⼀个较⼩值逐渐增加到最⼤阈值。

● 排队等待：让所有的请求按照先后次序排队执⾏，两个请求的间隔不能⼩于指定时⻓

2.3.1.warm up

阈值⼀般是⼀个微服务能承担的最⼤QPS，但是⼀个服务刚刚启动时，⼀切资源尚未初始化（冷启

动），如果直接将QPS跑到最⼤值，可能导致服务瞬间宕机

warm up也叫预热模式，是应对服务冷启动的⼀种⽅案。请求阈值初始值是 maxThreshold /

coldFactor，持续指定时⻓后，逐渐提⾼到maxThreshold值。⽽coldFactor的默认值是3.

例如，我设置QPS的maxThreshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增⻓到10

案例

需求：给/order/prod/{pid}这个资源设置限流，最⼤QPS为10，利⽤warm up效果，预热时⻓为5秒

1）配置流控规则：

2）Jmeter测试QPS为10

刚刚启动时，⼤部分请求失败，成功的只有3个，说明QPS被限定在3：随着时间推移，成功⽐例越来越⾼：

到Sentinel控制台查看实时监控：

2.3.2.排队等待

当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。

⽽排队等待则是让所有请求进⼊⼀个队列中，然后按照阈值允许的时间间隔依次执⾏。后来的请求必须

等待前⾯执⾏完成，如果请求预期的等待时间超出最⼤时⻓，则会被拒绝。

⼯作原理

例如：QPS = 5，意味着每200ms处理⼀个队列中的请求；timeout = 2000，意味着预期等待时⻓超过

2000ms的请求会被拒绝并抛出异常。

那什么叫做预期等待时⻓呢？

⽐如现在⼀下⼦来了12 个请求，因为每200ms执⾏⼀个请求，那么：

● 第6个请求的预期等待时⻓ = 200 * （6 - 1） = 1000ms

● 第12个请求的预期等待时⻓ = 200 * （12-1） = 2200ms

现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：

如果使⽤队列模式做流控，所有进⼊的请求都要排队，以固定的200ms的间隔执⾏，QPS会变的很平滑：

平滑的QPS曲线，对于服务器来说是更友好的。

案例

需求：给/order/prod/{pid}这个资源设置限流，最⼤QPS为10，利⽤排队的流控效果，超时时⻓设置为5s

1）添加流控规则

2）Jmeter测试

QPS为15，已经超过了我们设定的10

如果是之前的 快速失败、warmup模式，超出的请求应该会直接报错。

但是我们看看队列模式的运⾏结果：全部都通过了

再去sentinel查看实时监控的QPS曲线：

QPS⾮常平滑，⼀致保持在10，但是超出的请求没有被拒绝，⽽是放⼊队列。

2.3.3.总结

流控效果有哪些？

● 快速失败：QPS超过阈值时，拒绝新的请求

● warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时⾼并发导致服务宕机。

● 排队等待：请求会进⼊队列，按照阈值允许的时间间隔依次执⾏请求；如果请求预期等待时⻓⼤于超时时间，直接拒绝

2.4.热点参数限流

之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。⽽热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。

2.4.1.全局参数限流

例如，⼀个根据id查询商品的接⼝：

访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：

当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。

配置示例：

代表的含义是：对hot这个资源的0号参数（第⼀个参数）做统计，每1秒相同参数值的请求数不能超过5

2.4.2.热点参数限流

刚才的配置中，对查询商品这个接⼝的所有商品⼀视同仁，QPS都限定为5.

⽽在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商

品不⼀样，⾼⼀些。那就需要配置热点参数限流的⾼级选项了：

结合上⼀个配置，这⾥的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例

外：

•如果参数值是1，则每1秒允许的QPS为4

•如果参数值是2，则每1秒允许的QPS为10

2.4.4.案例

案例需求：给/order/prod/{pid}这个资源添加热点参数限流，规则如下：

默认的热点参数规则是每1秒请求量不超过2

给1这个参数设置例外：每1秒请求量不超过4

给19这个参数设置例外：每1秒请求量不超过10

注意事项：热点参数限流对默认的SpringMVC资源⽆效，需要利⽤@SentinelResource注解标记资源

1）标记资源

给shop-order中的OrderController中的/order/prod/{pId}资源添加注解：

@ SentinelResource ( "hot" )

访问该接⼝，可以看到我们标记的hot资源出现了：这⾥不要点击hot后⾯的按钮，⻚⾯有BUG

点击左侧菜单中热点规则菜单：

3）Jmeter测试

这⾥发起请求的QPS为5.包含3个http请求：

普通参数，QPS阈值为2

运⾏结果：每次成功2个请求

例外项，QPS阈值为4

运⾏结果：每次成功4个请求

例外项，QPS阈值为10

运⾏结果：每次成功所有请求

3.隔离和降级

限流是⼀种预防措施，虽然限流可以尽量避免因⾼并发⽽引起的服务故障，但服务还会因为其它原因⽽故障。

⽽要将这些故障控制在⼀定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级⼿段了。

线程隔离之前讲到过：调⽤者在调⽤服务提供者时，给每个调⽤的请求分配独⽴线程池，出现故障时， 最多消耗这个线程池内资源，避免把调⽤者的所有资源耗尽。

熔断降级：是在调⽤⽅这边加⼊断路器，统计对服务提供者的调⽤，如果调⽤的失败⽐例过⾼，则熔断 该业务，不允许访问该服务的提供者了。

可以看到，不管是线程隔离还是熔断降级，都是对客户端（调⽤⽅）的保护。需要在调⽤⽅ 发起远程调 ⽤时做线程隔离、或者服务熔断。

⽽我们的微服务远程调⽤都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign⾥⾯ 实现线程隔离和服务熔断。

3.1.FeignClient整合Sentinel

SpringCloud中，微服务调⽤都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。

3.1.1.修改配置，开启sentinel功能

修改shop-Order的application.yml⽂件，开启Feign的Sentinel功能：

feign:
 sentinel:
   enabled: true # 开启feign对sentinel的⽀持

3.1.2.编写失败降级逻辑

业务失败后，不能直接报错，⽽应该返回⽤户⼀个友好提示或者默认结果，这个就是失败降级逻辑。

给FeignClient编写失败后的降级逻辑

①⽅式⼀：FallbackClass，⽆法对远程调⽤的异常做处理

②⽅式⼆：FallbackFactory，可以对远程调⽤的异常做处理

⽅式1：

步骤⼀：配置yml⽂件开启⽀持

feign:
 sentinel:
   enabled: true

步骤⼆：创建ProductServiceFallBack类实现降级⽅案编辑

@Component
public class ProductServiceFallBack implements IProductService {
 @Override
 public Product findByPid(Integer pid) {
   Product product = new Product();
   product.setPid(-1);
   product.setPname("暂⽆商品");
   return product;
 }
}

步骤三：配置属性

@FeignClient(value="service-product", fallback = ProductServiceFallBack.cla
ss)

3.2.线程隔离（舱壁模式）

3.2.1.线程隔离的实现⽅式

线程隔离有两种⽅式实现： 4

• 线程池隔离
• 信号量隔离（Sentinel默认采⽤）

如图：

线程池隔离：给每个服务调⽤业务分配⼀个线程池，利⽤线程池本身实现隔离效果

信号量隔离：不创建线程池，⽽是计数器模式，记录业务使⽤的线程数量，达到信号量上限时，禁⽌新 的请求

3.2.2.sentinel的线程隔离

⽤法说明：

在添加限流规则时，可以选择两种阈值类型：

• QPS：就是每秒的请求数，在快速⼊⻔中已经演示过
• 线程数：是该资源能使⽤⽤的tomcat线程数的最⼤值。也就是通过限制线程数量，实现线程隔离 （舱壁模式）

案例需求：给 order-service服务中的UserClient的查询⽤户接⼝设置流控规则，线程数不能超过 2。然 后利⽤jemeter测试。

1）配置隔离规则

选择feign接⼝后⾯的流控按钮：

2）Jmeter测试

⼀次发⽣10个请求，有较⼤概率并发线程数超过2，⽽超出的请求会⾛之前定义的失败降级逻辑。

发现虽然结果都是通过了，不过部分请求得到的响应是降级返回的null信息。

3.2.3.总结

线程隔离的两种⼿段是？

• 信号量隔离
• 线程池隔离

信号量隔离的特点是？

• 基于计数器模式，简单，开销⼩

线程池隔离的特点是？

• 基于线程池模式，有额外开销，但隔离控制更强