介绍服务容错的背景、方案及sentinel的流控和熔断

服务容错的背景：
随着服务数量的增加，整个架构出现故障的概率提高了，所以服务容错的需求增加了。

在复的分布式架构的应用程序有很多的依赖，都会不可避免地在某些时候失败。高并发的依赖失败时如果没有隔离措施，当前应用服务就有被拖垮的风险。

1. 例如:一个依赖30个SOA服务的系统,每个服务99.99%可用。

2. 99.99%的30次方 ≈ 99.7% 0.3%不可用

3. 0.3% 意味着一亿次请求 会有 3,000,00次失败

4. 换算成时间大约每月有2个小时服务不稳定

5. 随着服务依赖数量的变多，服务不稳定的概率会成指数性提高

sentinel的流控和熔断
流控

资源名： 请求路径
针对来源： 来源系统
阈值类型：
● QPS 每秒通过请求数
● 线程数 处理请求所使用到的线程数量
单机阈值： 具体配置值
流控模式：
● 直接 ： 针对A的请求达到阈值，则对进入A的请求的流量进行限制
● 关联 ： A 关联B资源，对B发起请求，造成对A限流

collection Runner 跑 B ，浏览器访问A，看到A被限流
● 链路： 以调用链路为单位做限流处理，例如：A->B->C 这个链路的总体流量只按入口A的请求量来计算

流控效果：
● 快速失败：直接拒绝（RuleConstant.CONTROL_BEHAVIOR_DEFAULT）方式。该方式是默认的流量控制方式，当QPS超过任意规则的阈值后，新的请求就会被立即拒绝，拒绝方式为抛出FlowException。这种方式适用于对系统处理能力确切已知的情况下，比如通过压测确定了系统的准确水位时。具体的例子参见 FlowqpsDemo。 源码：com.alibaba.csp.sentinel.slots.block.flow.controller.DefaultController
● warm up（预热）：冷启动（RuleConstant.CONTROL_BEHAVIOR_WARM_UP）方式。该方式主要用于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上限，给冷系统一个预热的时间，避免冷系统被压垮的情况。
比如设置的阈值为100，预热时间10s，冷加载因子是3,那最初的阈值时100/3,逐步加大阈值，10s后达到100。阈值大小决定了流量大小，也就是逐步释放请求流量进入系统，让系统“冷启动”。参考官方wiki 限流—冷启动
● 排队等待：匀速器（RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER）方式。需要设置将阈值模式设置为QPS才能生效。这种方式严格控制了请求通过的间隔时间，也即是让请求以均匀的速度通过，对应的是漏桶算法。参考官方wiki 流量控制-匀速排队模式

熔断

1. 熔断器默认关闭的
2. 请求进入时，若失败低于开关阈值时保持关闭
3. 达到开关阈值时，熔断器打开，熔断一个时间窗口（30s）
4. 一个时间窗口过后，将会发一个探测请求，根据结果继续处理
   a. 若失败，则保持熔断器打开状态
   b. 若成功，则关闭熔断器
   开关阈值：
   ● 失败到达一定程度
   ● 在一定的时间范围 5s内失败30次 熔断