微服务之SpringCloud（八）

7.4 Sentinel的功能

sentinel熔断器，主要的作用就是2个：1.流量控制 2.熔断降级

流量控制：根据测试的服务可处理请求上限，设置最大请求数

熔断降级：服务一旦不可用（超时、数据库、网络抖动、死锁、服务资源（CPU 内存）等等），可以立即执行降级方法

服务容错的三个核心思想是：

1. 不被外界环境影响
2. 不被上游请求压垮
3. 不被下游响应拖垮

7.5 Sentinel安装

Sentinel控制台提供一个轻量级的控制台，它提供机器发现、单机资源实时监控、集群资源汇总，以及规则管理的功能. Sentinel DashBoard

使用步骤：

1.下载

下载地址：Releases · alibaba/Sentinel · GitHub

2.启动

java -jar sentinel-dashboard-1.8.1.jar

注意：需要切换到jar所在文件夹

3.访问控制台
http://localhost:8080

默认账号和密码：sentinel/sentinel

ps：默认没有任何监控，需要访问对应的服务才会有监控
7.6 Sentinel使用
将Sentinel配置在上游中，比如服务消费者上。

1.依赖jar

<dependency>
  <groupId>com.alibaba.cloud</groupId>
  <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
  <version>2.2.1.RELEASE</version>
</dependency>

2.配置

server:
  port: 9091
spring:
  application:
    name: LxVoteApi #项目名，服务名
  cloud:
    nacos:
      discovery: #注册中心
        server-addr: 127.0.0.1:8848
    sentinel:
      transport:
        port: 8719   #信息采集的通信端口
        dashboard: 127.0.0.1:8080

3.开关类

4.接口降级

@RestController
@RequestMapping("/api/vote/")
public class VoteController {
    @Autowired
    private VoteService service;
    //文件上传
    @PostMapping("uploadimg.do")
    @SentinelResource(value = "uploadimg.do",fallback = "uploadError")//实现服务降级
    public R upload(@RequestParam MultipartFile file){
        return service.upload(file);
    }
    //降级方法-和受保护的方法具有一样的参数和返回值
    //一旦upload出现了错误，就会自动执行降级方法
    public R uploadError(MultipartFile file){
        return R.fail("亲，请检查网络");
    }
}

5.运行测试

5.运行测试

八、SpringCloud之链路跟踪

8.1 Sleuth概述

Spring Cloud Sleuth为Spring Cloud实现了分布式跟踪解决方案.其实是一个工具,它在整个分布式系统中能跟踪一个用户请求的过程(包括数据采集，数据传输，数据存储，数据分析，数据可视化)，捕获这些跟踪数据，就能构建微服务的整个调用链的视图，这是调试和监控微服务的关键工具。服务链路跟踪技术框架

8.2 Sleuth核心

Span：基本工作单元，发送一个远程调度任务 就会产生一个Span，Span是一个64位ID唯一标识的，Trace是用另一个64位ID唯一标识的，Span还有其他数据信息，比如摘要、时间戳事件、Span的ID、以及进度ID。

迹线：一组spans，形成树状结构

注释：用于及时记录事件的存在，一些核心注解用来定义一个请求的开始和结束，这些注解包括以下：

cs：客户端已发送。客户提出了要求。此注释指示跨度的开始。

sr：服务器收到数据：服务器端收到了请求并开始处理它。从此时间戳中减去 cs 时间戳可显示网络延迟。

ss：服务器已发送。在请求处理完成时进行注释（当响应被发送回客户端时）。从此时间戳中减去 sr

时间戳将显示服务器端处理请求所需的时间。

cr：客户端收到数据。表示跨度结束。客户端已成功收到服务器端的响应。从此时间戳中减去 cs 时间

戳将显示客户端从服务器接收响应所需的整个时间。

8.3 Sleuth的功能

8.4 Zipkin

Zipkin是一个分布式跟踪系统。它有助于收集解决服务体系结构中的延迟问题所需的时序数据。功能包括该数据的收集和查找。

Zipkin 是 Twitter 的一个开源项目，它基于 Google Dapper 实现，它致力于收集服务的定时数据，以解决微服务架构中的延迟问题，包括数据的收集、存储、查找和展现。 我们可以使用它来收集各个服务器上请求链路

的跟踪数据，并通过它提供的 REST API 接口来辅助我们查询跟踪数据以实现对分布式系统的监控程序，从而

及时地发现系统中出现的延迟升高问题并找出系统性能瓶颈的根源。除了面向开发的 API 接口之外，它也提

供了方便的 UI 组件来帮助我们直观的搜索跟踪信息和分析请求链路明细，比如：可以查询某段时间内各用户

请求的处理时间等。 Zipkin 提供了可插拔数据存储方式：In-Memory、MySql、Cassandra 以及 Elasticsearch。

接下来的测试为方便直接采用 In-Memory 方式进行存储，生产推荐 Elasticsearch。

Zipkin的基础架构，它主要由4个核心组件构成：

Collector：收集器组件，它主要用于处理从外部系统发送过来的跟踪信息，将这些信息转换为 Zipkin 内部处理的 Span 格式，以支持后续的存储、分析、展示等功能。

Storage：存储组件，它主要对处理收集器接收到

的跟踪信息，默认会将这些信息存储在内存中，我们也可以修改此存储策略，通过使用其他存储组件将跟踪信息存储到数据库中。

RESTful API：API 组件，它主要用来提供外部访问接口。比如给客户端展示跟踪信息，或是外接系统访问以实现监控等。

Web UI：UI 组件，基于 API 组件实现的上层应用。通过 UI 组件用户可以方便而有直观地查询和分析跟踪信息。

如果日志文件中有跟踪ID，则可以直接跳至该跟踪ID。否则，您可以基于属性进行查询，例如服务，操作名称，标签和持续时间。将为您总结一些有趣的数据，例如在服务中花费的时间百分比以及操作是否失败。提供了有个可视化平台

8.5 Zpkin安装

1、下载

https://search.maven.org/remote_content?g=io.zipkin&a=zipkin-server&v=LATEST&c=exec

2、启动运行

java -jar zipkin-server-2.23.2-exec.jar

3、浏览器访问

http://localhost:9411

ps:默认没有数据，只有请求之后才有日志数据