Spring Cloud Alibaba Sentinel实现熔断和限流
简介
官网
Github：https://github.com/alibaba/Sentinel
Sentinel：分布式系统的流量防卫兵，相当于Hystrix
Hystrix存在的问题
- 需要我们自己手工搭建监控平台
- 没有一套web界面可以给我们进行更加细粒度化的配置，流量控制，速率控制，服务熔断，服务降级。
这个时候Sentinel运营而生
- 单独一个组件，可以独立出来
- 直接界面化的细粒度统一配置
约定 > 配置 >编码，都可以写在代码里，但是尽量使用注解和配置代替编码
是什么
随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度保护服务的稳定性。
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。
主要特征
生态圈
下载
Github：https://github.com/alibaba/Sentinel/releases/tag/1.7.0
选择sentinel-dashboard-1.7.0.jar
安装Sentinel控制台
sentinel组件由两部分组成，后台和前台8080
Sentinel分为两部分
- 核心库（Java客户端）不依赖任何框架/库，能够运行在所有Java运行时环境，同时对Dubbo、SpringCloud等框架也有较好的支持。
- 控制台（Dashboard）基于SpringBoot开发，打包后可以直接运行，不需要额外的Tomcat等应用容器
控制台先切换到sentinel的所在目录
然后使用 java -jar sentinel-dashboard-1.7.0.jar 启动，Sentinel默认的端口号是8080，不能被占用
用户名、密码都是sentinel，登录成功。
初始化演示工程
创建cloudalibaba-sentinel-service8401
pom
<!--sentinel-datasource-nacos 持久化会用到-->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>
<!--sentinel-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
<!--nacos-discovery-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<!--openfeign-->
<!--自定义的api工具包，可以使用Payment支付Entity-->
<!--web + actuator-->
<!--通用配置-->
yml
server:
port: 8401
spring:
application:
name: cloudalibaba-sentinel-service
cloud:
nacos:
discovery:
server-addr: localhost:8848 #Nacos服务注册中心地址
sentinel:
transport:
dashboard: localhost:8080 #配置Sentinel dashboard地址
port: 8719
# 图形化的监控
management:
endpoints:
web:
exposure:
include: '*'
main
@EnableDiscoveryClient
@SpringBootApplication
public class MainApp8401 {
public static void main(String[] args) {
SpringApplication.run(MainApp8401.class, args);
}
}
controller
@RestController
@Slf4j
public class FlowLimitController
{
@GetMapping("/testA")
public String testA()
{
return "------testA";
}
@GetMapping("/testB")
public String testB()
{
log.info(Thread.currentThread().getName()+"\t"+"...testB");
return "------testB";
}
}
测试
启动8401微服务，查看Sentinel控制台
我们会发现Sentinel里面什么也没有，这是因为Sentinel采用的懒加载机制
执行一下准备好的请求：
再回到Sentinel控制台，刷新一下即可查看到信息
流控规则
基本介绍
字段说明
- 资源名：唯一名称，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，默认default（不区分来源）
- 阈值类型 / 单机阈值
- QPS：（每秒钟的请求数量）：但调用该API的QPS达到阈值的时候，进行限流
- 线程数：当调用该API的线程数达到阈值的时候，进行限流
- 是否集群：不需要集群
- 流控模式
- 直接：api都达到限流条件时，直接限流
- 关联：当关联的资源达到阈值，就限流自己
- 链路：只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阈值，就进行限流）【API级别的针对来源】
- 流控效果
- 快速失败：直接失败，抛异常
- Warm UP：根据codeFactory（冷加载因子，默认3），从阈值/CodeFactor，经过预热时长，才达到设置的QPS阈值
- 排队等待：匀速排队，让请求以匀速的速度通过，阈值类型必须设置QPS，否则无效
流控模式
直接（默认）
我们给testA增加流控
QPS
然后我们请求 http://localhost:8401/testA，就会出现失败，被限流，快速失败
思考：
直接调用的是默认报错信息，能否有我们的后续处理，比如更加友好的提示，类似有hystrix的fallback方法
线程数
这里的阈值表示只有一个线程处理业务请求，当突然遇到多个业务请求时，因为只有一个线程工作，所以最多处理一个请求，后续再请求的会直接报错，除非前面的请求处理完了。
例如，下面的代码中，在方法的内部增加了一个睡眠，如果后面一瞬间进来好几个线程的话，因为第一个线程刚进来还没处理完，那后面进来的请求就会失败，也就是说即使进来了也没用，
@GetMapping("/testA")
public String testA(){
try{
TimeUnit.MILLISECONDS.sleep(800);
}catch(InterruptedException e){
e.printStackTrace();
}
return "-----testA";
}
关联
当关联的资源达到阈值时，就限流自己
当与A关联的资源B达到阈值后，就限流A自己，B惹事，A挂了
场景：支付接口达到阈值后，就限流下订单的接口
设置：
当关联资源 /testB的QPS达到阈值，也就是超过1时，就限流/testA的Rest访问地址，当关联资源达到阈值后，限制配置好的资源名
这个使用我们利用postman模拟并发密集访问testB
首先我们需要使用postman，创建一个请求
测试，并将请求保存到集合中
进入运行界面
点击运行，大批量线程高并发访问B
同时我们点击访问
http://localhost:8401/testA，结果发现，A已经挂了，这就是关联限流
链路
多个请求调用了同一个微服务
流控效果
直接
快速失败，默认的流控处理
- 直接失败，抛出异常：Blocked by Sentinel（Flow limiting）
预热
系统最怕的就是出现，平时访问是0，然后突然一瞬间来了10W的QPS
公式：阈值 除以 clodFactor（默认值为3），经过预热时长后，才会达到阈值
Warm Up方式，即预热/冷启动方式，当系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能会瞬间把系统压垮。通过冷启动，让通过的流量缓慢增加，在一定时间内逐渐增加到阈值，给冷系统一个预热的时间，避免冷系统被压垮。通常冷启动的过程系统允许的QPS曲线如下图所示
默认coldFactor为3，即请求QPS从（threshold / 3）开始，经过多少预热时长才逐渐升至设定的QPS阈值。
案例：阀值为10+预热时长设置5秒，系统初始化的阀值为10 / 3约等于3，即阀值刚开始为3；然后过了5秒后阀值才慢慢恢复到10
应用场景：
秒杀系统在开启的瞬间，会有很多流量上来，很可能把系统打死，预热的方式就是为了保护系统，可能慢慢的把流量放进来，慢慢的把阈值增长到设置的阈值。
测试
http://localhost:8401/testB，发现前5秒，经常报错，过了5秒之后，系统恢复正常
排队等待
-
匀速排队，让请求以均匀的速度通过，阈值类型必须设置成QPS，否则无效。
-
匀速排队方式必须严格控制请求通过的间隔时间，也即让请求以匀速的速度通过，对应的是漏桶算法。
这种方式主要用于处理间隔性突发的流量，例如消息队列，想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒处于空闲状态，我们系统系统能够接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。
设置含义：/testA 每秒1次请求，超过的话，就排队等待，等待时间超过20000毫秒
测试
@GetMapping("/testB")
public String testB(){
log.info(Thread.currentThread().getName()+"...testB");
return "-----testB";
}
降级规则
名词介绍
-
RT（平均响应时间，秒级）
- 平均响应时间，超过阈值 且 时间窗口内通过的请求 >= 5，两个条件同时满足后出发降级
- 窗口期过后，关闭断路器
- RT最大4900（更大的需要通过 -Dcsp.sentinel.staticstic.max.rt=XXXXX才能生效）
-
异常比例（秒级）
- QPA >= 5 且异常比例（秒级）超过阈值时，触发降级；时间窗口结束后，关闭降级
-
异常数（分钟级）
- 异常数（分钟统计）超过阈值时，触发降级，时间窗口结束后，关闭降级
概念
Sentinel熔断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，对该资源的调用都进行自动熔断（默认行为是抛出DegradeException）
Sentinel的断路器是没有半开状态
半开的状态，系统自动去检测是否请求有异常，没有异常就关闭断路器恢复使用，有异常则继续打开断路器不可用，具体可以参考hystrix
降级策略实战
RT
平均响应时间 (DEGRADE_GRADE_RT)：当 1s 内持续进入 5 个请求，对应时刻的平均响应时间（秒级）均超过阈值（count，以 ms 为单位），那么在接下的时间窗口（DegradeRule 中的 timeWindow，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。
测试
@GetMapping("/testD")
public String testD(){
try{
TimeUnit.SECONDS.sleep(1);
}catch(InterruptedException e){
e.printStackTrace();
}
log.info("testD 测试RT");
return "-----testD";
}
然后使用Jmeter压力测试工具进行测试
左图，我们希望200毫秒内处理完本次任务，如果200毫秒没有处理完，在未来的1秒的时间窗口内，断路器打开，微服务不可用，
右图，1秒钟开启10个线程，一直循环，大于5个了，调用tesetD，
开始测试
在使用jmeter压测期间，我们去请求testD，根本就请求不到
后续我们停止使用jmeter，没有那么大的访问量了，断路器关闭（保险丝恢复），微服务恢复正常
异常比例
异常比例 (DEGRADE_GRADE_EXCEPTION_RATIO)：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（DegradeRule 中的 count）之后，资源进入降级状态，即在接下的时间窗口（DegradeRule 中的 timeWindow，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%。
测试
@GetMapping("/testD")
public String testD() {
log.info("testD 异常比例");
int age = 10 / 0;
return "-----testD";
}
当资源的每秒请求量 >= 5，这是先决条件，并且3秒内，请求出错的几率大于50%，这是我们设置的条件，那么就会熔断
单独访问一次，必然来一次报错一次，因为没有达到资源的每秒请求量
用jmeter每秒发送10次请求，与RT测试一样
此时调用 localhost:8401/testD 出现服务降级，因为开启jmeter之后，直接高并发发送请求，达到配置条件了，断路器开启，导致微服务不可用。
异常数
异常数 (DEGRADE_GRADE_EXCEPTION_COUNT)：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
时间窗口一定要大于等于60秒
异常数是按分钟来统计的
测试
@GetMapping("/testE")
public String testE() {
log.info("testE 异常数");
int age = 10 / 0;
return "-----testE";
}
下面设置是，70秒内出现5次异常，触发熔断
首先我们再次访问 http://localhost:8401/testE，第一次访问绝对报错，因为除数不能为0，我们看到error窗口，
接着继续测试，连续报错5次之后，进入熔断后的降级
热点规则
什么是热点数据
何为热点？热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。比如：
- 商品 ID 为参数，统计一段时间内最常购买的商品 ID 并进行限制
- 用户 ID 为参数，针对一段时间内频繁访问的用户 ID 进行限制
热点参数限流会统计传入参数中的热点参数，并根据配置的限流阈值与模式，对包含热点参数的资源调用进行限流。热点参数限流可以看做是一种特殊的流量控制，仅对包含热点参数的资源调用生效。
Sentinel 利用 LRU 策略统计最近最常访问的热点参数，结合令牌桶算法来进行参数级别的流控。热点参数限流支持集群模式。
兜底的方法
分为系统默认的和客户自定义的，两种，之前的case中，限流出现问题了，都用sentinel系统默认的提示：Blocked By Sentinel，我们能不能自定义，类似于hystrix，某个方法出现问题了，就找到对应的兜底降级方法。
从 @HystrixCommand 到 @SentinelResource
配置
@SentinelResource的value，就是我们的资源名，也就是对哪个方法配置热点规则，通常格式会写成去掉“/”的方法名
@SentinelResource的blockHandler，则指出现异常之后调用哪个方法
@GetMapping("/testHotKey")
// 这是标准的配置方式，当然也可以不带后面的blockHandler，那样的话出现一次异常还会调用回调方法，
// 但是出现多了之后，异常会直接返回到前台，不会按照我们的设置来，所以要配就配全了。
@SentinelResource(value = "testHotKey",blockHandler = "deal_testHotKey")
public String testHotKey(@RequestParam(value = "p1", required = false) String p1,
@RequestParam(value = "p2", required = false) String p2) {
//int age = 10 / 0;
return "-----testHotKey";
}
public String deal_testHotKey(String p1, String p2, BlockException exception){
return "-----deal_testHotKey";
}
假设我们对参数0，也就是上面的p1，设置热点key进行限流
配置完成后
http://localhost:8401/testHotKey?p1=a
当我们发送多次请求之后，一旦违反了我们设置的热点限流规则，就会调用我们设置好的异常回调
假设我们的请求中没有参数0，而是携带的参数1，http://localhost:8401/testHotKey?p2=a，我们会发现没有问题
参数例外项
上述案例演示了第一个参数p1，当QPS超过1秒1次点击 ，马上被限流
- 普通：超过一秒1个后，达到阈值1后马上被限流
- 我们期望p1参数当它达到某个特殊值时，它的限流值和平时不一样
- 特例：假设当p1的值等于5时，它的阈值可以达到200
- 一句话说：当key为特殊值的时候，不被限制
测试
平时的时候，参数0的阈值是1，超过的时候被限流，但是有特殊值的话，比如参数0的值是5，那么它的阈值就是200
我们通过 http://localhost:8401/testHotKey?p1=5一直刷新，发现不会触发兜底的方法，这就是参数例外项
热点参数的注意点，参数必须是基本类型或者String
结语
@SentinelResource ：处理的是Sentinel控制台配置的违规情况，有blockHandler方法配置的兜底处理
RuntimeException：如 int a = 10/0 ; 这个是java运行时抛出的异常，@RentinelResource不管
@GetMapping("/testHotKey")
@SentinelResource(value = "testHotKey",blockHandler = "deal_testHotKey", fallback = "fallBack")
public String testHotKey(@RequestParam(value = "p1",required = false) String p1,
@RequestParam(value = "p2",required = false) String p2)
{
//int age = 10/0;
return "------testHotKey";
}
系统规则
Sentinel 系统自适应限流从整体维度对应用入口流量进行控制，结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS 和并发线程数等几个维度的监控指标，通过自适应的流控策略，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。
系统保护规则是从应用级别的入口流量进行控制，从单台机器的 load、CPU 使用率、平均 RT、入口 QPS 和并发线程数等几个维度监控应用指标，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。
系统保护规则是应用整体维度的，而不是资源维度的，并且仅对入口流量生效。入口流量指的是进入应用的流量（EntryType.IN），比如 Web 服务或 Dubbo 服务端接收的请求，都属于入口流量。
系统规则支持以下的模式：
- Load 自适应（仅对 Linux/Unix-like 机器生效）：系统的 load1 作为启发指标，进行自适应系统保护。当系统 load1 超过设定的启发值，且系统当前的并发线程数超过估算的系统容量时才会触发系统保护（BBR 阶段）。系统容量由系统的
maxQps * minRt估算得出。设定参考值一般是CPU cores * 2.5。 - CPU usage（1.5.0+ 版本）：当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0），比较灵敏。
- 平均 RT：当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒。
- 并发线程数：当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。
- 入口 QPS：当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。
这样相当于设置了全局的QPS过滤，所有的请求都会要遵守这个规则，违反的将触发sentinel默认提示。
@SentinelResource注解
public class RateLimitController {
@GetMapping("/byResource")
@SentinelResource(value = "byResource", blockHandler = "handleException")
public CommonResult byResource() {
return new CommonResult(200, "按资源名称限流测试OK", new Payment(2020L, "serial1001"));
}
public CommonResult handleException(BlockException e) {
return new CommonResult(200, e.getClass().getCanonicalName() + " 服务不可用");
}
@GetMapping("/rateLimit/byUrl")
//添加完限流规则之后，不配置blockHandler，访问的多了直接报sentinel的异常
@SentinelResource(value = "byUrl")
public CommonResult byUrl() {
return new CommonResult(200, "按url限流测试OK", new Payment(2020L, "serial1001"));
}
}
问题
- 系统默认的，没有体现我们自己的业务要求
- 依照现有条件，我们自定义的处理方法又和业务代码耦合在一块，不直观
- 每个业务方法都添加一个兜底方法，那代码膨胀加剧
- 全局统一的处理方法没有体现
- 关闭8401，发现流控规则已经消失，说明这个是没有持久化
客户自定义限流处理逻辑
CustomerBlockHandler.java自定义限流处理逻辑
package com.indi.springcloud.alibaba.myhandler;
public class CustomerBlockHandler {
public static CommonResult handlerException(BlockException e) {
return new CommonResult(4444, "按客户自定义, global handler Exception-----1");
}
public static CommonResult handlerException2(BlockException e) {
return new CommonResult(4444, "按客户自定义, global handler Exception-----2");
}
}
那么我们在使用的时候，就可以首先指定是哪个类，哪个方法
RateLimitController.java
@GetMapping("/rateLimit/customerBlockHandler")
//添加完限流规则之后，不配置blockHandler，访问的多了直接报sentinel的异常
@SentinelResource(value = "customerBlockHandler",
blockHandlerClass = CustomerBlockHandler.class,
blockHandler = "handlerException2")
public CommonResult customerBlockHandler() {
return new CommonResult(200, "按客户自定义", new Payment(2020L, "serial1001"));
}
测试
正常情况下，一秒点一次，不报错
请求达到阈值之后，就会调用我们自定义的处理逻辑
更多注解属性说明
所有的代码都要用try - catch - finally 进行处理
sentinel主要有三个核心API
- Sphu定义资源
- Tracer定义统计
- ContextUtil定义了上下文
服务熔断
Ribbon系列
搭建环境
服务提供者
cloudalibaba-provider-payment9003
cloudalibaba-provider-payment9004
参考9001创建即可
服务消费者
cloudalibaba-consumer-nacos-order84
pom
同8401
yml
server:
port: 84
spring:
application:
name: nacos-order-consumer
cloud:
nacos:
discovery:
server-addr: localhost:8848 # 配置Nacos地址
sentinel:
transport:
dashboard: localhost:8080
# 默认8719端口，假如被占用会自动从8719开始依次+1扫描，直至找到未被占用的接口
port: 8719
# 消费者将要去访问的微服务名称（注册成功进nacos的微服务提供者）
service-url:
nacos-user-service: http://nacos-payment-provider
main
同8401
config
/**
* 实现负载均衡
*/
@Configuration
public class ApplicationContextConfig {
@Bean
@LoadBalanced
public RestTemplate getRestTemplate(){
return new RestTemplate();
}
}
测试
以下测试均在84消费端测试，只修改注解的话，如果项目里面有热更新的功能，最好改完之后手动重启，热更新在注解这方面不是很好用。
CircleBreakerController.java
不设置任何参数
当我们只使用 @SentinelResource注解时，不添加任何参数，如果出错的话，是直接返回一个error页面，对前端用户非常不友好，因此我们需要配置一个出错之后的回调方法
@RestController
@Slf4j
public class CircleBreakerController{
public static final String SERVICE_URL = "http://nacos-payment-provider";
@Resource
private RestTemplate restTemplate;
@GetMapping("/consumer/fallback/{id}")
@SentinelResource(value = "fallback")
public CommonResult<Payment> fallback(@PathVariable("id") Long id){
CommonResult result = restTemplate.getForObject(SERVICE_URL + "/paymentSQL/" + id , CommonResult.class, id);
if(id == 4){
throw new IllegalArgumentException("IllegalArgumentException：参数错误");
}else if(result.getData() == null){
throw new NullPointerException("NullPointerException：查询此id无信息，空指针异常");
}
return result;
}
}
参数1、2、3都很正常
4、5则直接返回Error页面
只配置fallback
public CommonResult handlerFallback(@PathVariable("id") Long id, Throwable e){
Payment payment = new Payment(id,"null");
return new CommonResult(444,"fallback的异常回调："+e.getMessage(),payment);
}
加入fallback后，当我们程序运行出错时，会调用我们的回调方法handlerFallback()，不会直接返回Error页面
只配置blockHandler
public CommonResult blockHandler(@PathVariable("id") Long id, BlockException e){
Payment payment = new Payment(id,"null");
return new CommonResult(445,"blockHandler异常回调，查无此流水"+e.getMessage() , payment);
}
请求一次的时候直接走fallback()，返回Error页面
而访问的多了之后，违反了设置好的降级规则，则会调用blockHandler()回调
blockHandler和fallback一起配置
同时配置之后，我们测试参数4，发现1秒1秒的测，会调用我们设置好的handlerFallback()回调
一旦请求的多了之后，违反了流控规则，则会触发blockHandler()回调
异常忽略
添加了这个选项之后，一旦遇到该异常，则不再调用我们写好的handlerFallback()回调，而是直接返回Error页面，sentinel规则不受影响。
Feign系列
修改cloudalibaba-consumer-nacos-order84
pom
引入Feign
<!--openfeign-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
yml
main
service
PaymentService.java
@FeignClient(value = "nacos-payment-provider" , fallback = PaymentFallbackService.class)
public interface PaymentService{
@GetMapping("/paymentSQL/{id}")
CommonResult<Payment> paymentSQL(@PathVariable("id") Long id);
}
PaymentFallbackService.java
@Component
public class PaymentFallbackService implements PaymentService{
@Override
public CommonResult<Payment> paymentSQL(Long id){
return new CommonResult<>(44444, "服务降级返回-----PaymentFallbackService", new Payment(id,"errorInfo"));
}
}
controller
CircleBreakerController.java
@Resource
private PaymentService paymentService;
@GetMapping("/consumer/paymentSQL/{id}")
public CommonResult<Payment> paymentSQL(@PathVariable("id") Long id){
return paymentService.paymentSQL(id);
}
测试
启动9003、84
请求接口：http://localhost:84/consumer/paymentSQL/1
正常请求没问题
故意关闭9003微服务提供者，84消费者则会触发PaymentFallbackService.java的回调
熔断框架对比
Sentinel规则持久化
简介
一旦我们重启应用，sentinel规则将会消失，生产环境需要将规则进行持久化
原理
将限流配置规则持久化进Nacos保存，只要刷新8401某个rest地址，sentinel控制台的流控规则就能看到，只要Nacos里面的配置不删除，针对8401上的流控规则一直有效
解决方法
使用nacos持久化保存
修改cloudalibaba-sentinel-service8401
pom
<!--SpringCloud ailibaba sentinel-datasource-nacos 后续做持久化用到-->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>
yml
server:
port: 8401
spring:
application:
name: cloudalibaba-sentinel-service
cloud:
nacos:
discovery:
server-addr: localhost:8848 #Nacos服务注册中心地址
sentinel:
transport:
dashboard: localhost:8080 #配置Sentinel dashboard地址
port: 8719
datasource:
ds1:
nacos:
server-addr: localhost:8848
dataId: cloudalibaba-sentinel-service
groupId: DEFAULT_GROUP
data-type: json
rule-type: flow
management:
endpoints:
web:
exposure:
include: '*'
feign:
sentinel:
enabled: true # 激活Sentinel对Feign的支持
添加nacos配置
[
{
"resource": "/rateLimit/byUrl",
"limitApp": "default",
"grade": 1,
"count": 1,
"strategy": 0,
"controlBehavior": 0,
"clusterMode": false
}
]
配置解析
| 字段 | 含义 |
|---|---|
| resource | 资源名称 |
| limitApp | 来源应用 |
| grade | 阈值类型，0表示线程数，1表示QPS |
| count | 单机阈值 |
| strategy | 流控模式，0表示直接，1表示关联，2表示链路 |
| controlBehavior | 流控效果，0表示快速失败，1表示Warm，2表示排队等待 |
| clusterMode | 是否集群 |
测试
启动8401，先请求一次
访问sentinel控制台，发现流控规则已经添加进来了，成功！
快速访问测试接口，触发流控规则，成功！
停止8401再看sentinel，发现流控规则已经没有了
重新启动8401，再访问一次测试接口，发现又出来了
再次测试请求，发现规则依旧生效
扫一扫
774
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
