微服务保护 ~ 流量保护 ~ Sentinel。
文章目录
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。
https://github.com/Netflix/Hystrix/wiki/
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。
但是,依赖服务 I 的业务请求被阻塞,用户不会得到响应,则 tomcat 的这个线程不会释放,于是越来越多的用户请求到来,越来越多的线程会阻塞。
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。
解决雪崩问题的常见方式有四种。
-
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。
-
舱壁模式: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。
-
熔断降级: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。
-
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。
1.1.2. 超时处理。
解决雪崩问题的常见方式有四种。
- 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。
方案 2:仓壁模式。
仓壁模式来源于船舱的设计。
船舱都会被隔板分离为多个独立空间,当船体破损时,只会导致部分空间进入,将故障控制在一定范围内,避免整个船体都被淹没。
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。
当发现访问服务 D 的请求异常比例过高时,认为服务 D 有导致雪崩的风险,会拦截访问服务 D 的一切请求,形成熔断。
1.1.5. 限流。
流量控制:限制业务访问的 QPS(Queries-per-second),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。
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 |
常见框架的适配 | 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/zh-cn/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.username | sentinel | 默认用户名。 |
sentinel.dashboard.auth.password | 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 页面,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。
1.4. 微服务整合 Sentinel。
我们在 order-service 中整合 sentinel,并连接 sentinel 的控制台,步骤如下。
1)引入 sentinel 依赖。
<!-- sentinel。-->
<!-- https://mvnrepository.com/artifact/com.alibaba.cloud/spring-cloud-starter-alibaba-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。
server:
port: 8088
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:8088/order/101,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。
例如,我们刚才访问的 order-service 中的 OrderController 中的端点:/order/{orderId}。
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. 快速入门。
2.1.1. 示例。
点击资源 /order/{orderId} 后面的流控按钮,就可以弹出表单。
表单中可以填写限流规则,如下。
其含义是限制 /order/{orderId} 这个资源的单机 QPS 为 1,即每秒只允许 1 次请求,超出的请求会被拦截并报错。
2.1.2. 练习。
需求:给 /order/{orderId} 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。
Jmeter 测试样例。
打开 jmeter,导入测试样例。
选择。
20 个用户,2 秒内运行完,QPS 是 10,超过了 5。
选中 流控入门,QPS<5
右键运行。
注意,不要点击菜单中的执行按钮来运行。
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。
快速入门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。
@RequestMapping("/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("/update")
public String updateOrder() {
return "更新订单成功";
}
重启服务,查看 sentinel 控制台的簇点链路。
重新访问
localhost:8081/order/query
localhost:8081/order/update
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。
在表单中填写流控规则。
4)在 Jmeter 测试。
选择《流控模式-关联》。
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。
查看 http 请求。
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。
5)总结。
满足下面条件可以使用关联模式。
-
两个有竞争关系的资源。
-
一个优先级较高,一个优先级较低。
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。
-
在 OrderService 中添加一个 queryGoods 方法,不用实现业务。
-
在 OrderController 中,改造 /order/query 端点,调用 OrderService 中的 queryGoods 方法。
-
在 OrderController 中添加一个 /order/save 的端点,调用 OrderService 的 queryGoods 方法。
-
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 order-service 服务中,给 OrderService 类添加一个 queryGoods 方法。
@Override
public void queryGoods() {
System.err.println(" ~ OrderServiceImpl ~ queryGoods; ~ 查询商品。");
}
2)查询订单时,查询商品。
在 order-service 的 OrderController 中,修改 /order/query 端点的业务逻辑。
@RequestMapping("/query")
public String queryOrder() {
// return "查询订单成功";
// 查询商品。
this.orderService.queryGoods();
// 查询订单。
System.out.println(" ~ /order/query ~ 查询订单。");
return "查询订单成功。";
}
3)新增订单,查询商品。
在 order-service 的 OrderController 中,修改 /order/save 端点,模拟新增订单。
@GetMapping("/save")
public String saveOrder() {
// 查询商品。
this.orderService.queryGoods();
// 查询订单。
System.err.println(" ~ /order/save ~ 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")
@Override
public void queryGoods() {
System.err.println(" ~ OrderServiceImpl ~ queryGoods; ~ 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:
transport:
dashboard: localhost:8080
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。
选择《流控模式-链路》。
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。
另一个是访问 /order/query。
运行结果。
每次只有 2 个通过。
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长。
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,持续指定时长后,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 秒后逐渐增长到 10。
案例。
需求:给 /order/{orderId} 这个资源设置限流,最大 QPS 为 10,利用 warm up 效果,预热时长为 5 秒。
1)配置流控规则。
2)Jmeter 测试。
选择《流控效果,warm up》。
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。
一段时间后。
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长,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,意味着预期等待时长超过 2000ms 的请求会被拒绝并抛出异常。
那什么叫做预期等待时长呢?
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长 = 200 * (6 - 1) = 1000ms。
-
第 12 个请求的预期等待时长 = 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/{orderId} 这个资源设置限流,最大 QPS 为 10,利用排队的流控效果,超时时长设置为 5s。
1)添加流控规则。
2)Jmeter 测试。
选择《流控效果,队列》。
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。因此响应时间(等待时间)会越来越长。
当队列满了以后,才会有部分请求失败。
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长大于超时时间,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 2。
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。
@SentinelResource("hot")
@RequestMapping("/{orderId}")
public Order getById(@PathVariable("orderId") Long orderId) {
// 查订单。
Order order = this.orderService.getById(orderId);
return order;
}
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 10。
-
如果参数值是 2,则每 1 秒允许的 QPS 为 15。
2.4.4. 案例。
案例需求:给 /order/{orderId} 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 2 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 order-service 中的 OrderController 中的 /order/{orderId}资源添加注解。
@SentinelResource("hot")
@RequestMapping("/{orderId}")
public Order getById(@PathVariable("orderId") Long orderId) {
// 查订单。
Order order = this.orderService.getById(orderId);
return order;
}
2)热点参数限流规则。
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,页面有 BUG。
点击左侧菜单中热点规则菜单。
点击新增,填写表单。
3)Jmeter 测试。
选择《热点参数限流 QPS1》。
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。
例外项,QPS 阈值为 4。
运行结果。
例外项,QPS 阈值为 10。
运行结果。
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 order-service 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,我们选择这种。
这里我们演示方式二的失败降级处理。
步骤一:在 feign-api 项目中定义类,实现 FallbackFactory。
package com.geek.feign.client.fallback;
import com.geek.feign.client.IUserClient;
import com.geek.feign.pojo.User;
import feign.hystrix.FallbackFactory;
import lombok.extern.slf4j.Slf4j;
/**
* @author geek
*/
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<IUserClient> {
/**
* @param throwable
* @return
*/
@Override
public IUserClient create(Throwable throwable) {
return id -> {
log.error(" ~ UserClientFallbackFactory ~ create; ~ 查询用户异常。 ~ {}", throwable, throwable);
return new User();
};
// return new IUserClient() {
// @Override
// public User getById(Long id) {
// log.error(" ~ UserClientFallbackFactory ~ create; ~ 查询用户异常。", throwable, throwable);
// return new User();
// }
// };
}
}
步骤二:在 feing-api 项目中的 DefaultFeignConfiguration 类中将 UserClientFallbackFactory 注册为一个 Bean。
package com.geek.feign.config;
import com.geek.feign.client.fallback.UserClientFallbackFactory;
import feign.Logger;
import org.springframework.context.annotation.Bean;
/**
* @author geek
*/
public class MyDefaultFeignConfiguration {
@Bean
public Logger.Level feignLogLevel() {
// 日志级别为 BASIC。
return Logger.Level.BASIC;
// NONE,
// BASIC,
// HEADERS,
// FULL;
}
@Bean
public UserClientFallbackFactory userClientFallbackFactory() {
return new UserClientFallbackFactory();
}
}
步骤三:在 feing-api 项目中的 IUserClient 接口中使用 UserClientFallbackFactory。
package com.geek.feign.client;
import com.geek.feign.client.fallback.UserClientFallbackFactory;
import com.geek.feign.config.MyDefaultFeignConfiguration;
import com.geek.feign.pojo.User;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
/**
* @author geek
*/
@FeignClient(value = "user-service",
configuration = MyDefaultFeignConfiguration.class,
fallbackFactory = UserClientFallbackFactory.class)
public interface IUserClient {
@GetMapping("/user/{id}")
User getById(@PathVariable("id") Long id);
}
重启后,访问一次订单查询业务,然后查看 sentinel 控制台,可以看到新的簇点链路。
3.1.3. 总结。
Sentinel 支持的雪崩解决方案。
-
线程隔离(仓壁模式)。
-
降级熔断。
Feign 整合 Sentinel 的步骤。
-
在 application.yml 中配置:feign.sentienl.enable=true。
-
给 FeignClient 编写 FallbackFactory 并注册为 Bean。
-
将 FallbackFactory 配置到 FeignClient。
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。
-
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。
两者的优缺点。
优点 | 缺点 | 场景 | |
---|---|---|---|
信号量隔离 | 轻量级,无额外开销。 | 不支持主动超时。 不支持异步调用。 | 高频调用。 高扇出。 |
线程池隔离 | 支持主动超时。 支持异步调用。 | 线程的额外开销比较大。 | 扇出低。 |
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,在快速入门中已经演示过。
-
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。
填写表单。
2)Jmeter 测试。
选择《Thread Group ~ 阈值类型 ~ 线程数 < 2。》。
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。
查看运行结果。
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。
3.3. 熔断降级。
熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例,如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求;而当服务恢复时,断路器会放行访问该服务的请求。
断路器控制熔断和放行是通过状态机来完成的。
状态机包括三个状态。
- closed:关闭状态,断路器放行所有请求,并开始统计异常比例、慢请求比例。超过阈值则切换到 open 状态。
- open:打开状态,服务调用被熔断,访问被熔断服务的请求会被拒绝,快速失败,直接走降级逻辑。Open 状态 5 秒后会进入 half-open 状态。
- half-open:半开状态,放行一次请求,根据执行结果来判断接下来的操作。
- 请求成功:则切换到 closed 状态。
- 请求失败:则切换到 open 状态。
断路器熔断策略有三种:慢调用、异常比例、异常数。
3.3.1. 慢调用。
慢调用:业务的响应时长(RT)大于指定时长的请求认定为慢调用请求。在指定时间内,如果请求数量超过设定的最小数量,慢调用比例大于设定的阈值,则触发熔断。
例如。
解读:RT 超过 500ms 的调用是慢调用,统计最近 10000ms 内的请求,如果请求量超过 10 次,并且慢调用比例不低于 0.5,则触发熔断,熔断时长为 5 秒。然后进入 half-open 状态,放行一次请求做测试。
案例。
需求:给 IUserClient 的查询用户接口设置降级规则,慢调用的 RT 阈值为 50ms,统计时间为 1 秒,最小请求数量为 5,失败阈值比例为 0.4,熔断时长为 5。
1)设置慢调用。
修改 user-service 中的 /user/{id} 这个接口的业务。通过休眠模拟一个延迟时间。
@RequestMapping("/{userId}")
public User getById(@PathVariable("userId") Long userId) {
if (userId == 1) {
// id 为 1 时,触发慢调用。
try {
Thread.sleep(60);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
return this.userService.getById(userId);
}
此时,orderId=1 的订单,关联的是 id 为 1 的用户,调用时长为 22ms。
orderId=2 的订单,关联的是 id 为 2 的用户,调用时长为非常短。
2)设置熔断规则。
下面,给 feign 接口设置降级规则。
超过 50ms 的请求都会被认为是慢请求。
3)测试。
在浏览器访问:http://localhost:8081/order/1,快速刷新 5 次,可以发现。
触发了熔断,请求时长缩短至 5ms,快速失败了,并且走降级逻辑,返回的 null。
在浏览器访问:http://localhost:8081/order/2,竟然也被熔断了。
3.3.2.异常比例、异常数。
异常比例或异常数:统计指定时间内的调用,如果调用次数超过指定请求数,并且出现异常的比例达到设定的比例阈值(或超过指定异常数),则触发熔断。
例如,一个异常比例设置。
解读:统计最近 1000ms 内的请求,如果请求量超过 5 次,并且异常比例不低于 0.4,则触发熔断。
一个异常数设置。
解读:统计最近 1000ms 内的请求,如果请求量超过 5 次,并且异常比例不低于 2 次,则触发熔断。
案例
需求:给 UserClient 的查询用户接口设置降级规则,统计时间为 1 秒,最小请求数量为 5,失败阈值比例为 0.4,熔断时长为 5s。
1)设置异常请求。
首先,修改 user-service 中的 /user/{id} 这个接口的业务。手动抛出异常,以触发异常比例的熔断。
@RequestMapping("/{userId}")
public User getById(@PathVariable("userId") Long userId) {
if (userId == 1) {
// id 为 1 时,触发慢调用。
try {
Thread.sleep(60);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
} else if (userId == 2) {
throw new RuntimeException("故意抛出异常,触发异常比例熔断。");
}
return this.userService.getById(userId);
}
也就是说,id 为 2 时,就会触发异常。
2)设置熔断规则。
下面,给 feign 接口设置降级规则。
规则。
在 5 次请求中,只要异常比例超过 0.4,也就是有 2 次以上的异常,就会触发熔断。
3)测试。
在浏览器快速访问:http://localhost:8088/order/2,快速刷新 5 次,触发熔断。
此时,我们去访问本来应该正常的 1。
4. 授权规则。
授权规则可以对请求方来源做判断和控制。
4.1. 授权规则。
4.1.1. 基本规则。
授权规则可以对调用方的来源做控制,有白名单和黑名单两种方式。
-
白名单:来源(origin)在白名单内的调用者允许访问。
-
黑名单:来源(origin)在黑名单内的调用者不允许访问。
点击左侧菜单的授权,可以看到授权规则。
-
资源名:就是受保护的资源,例如 /order/{orderId}。
-
流控应用:是来源者的名单,
- 如果是勾选白名单,则名单中的来源被许可访问。
- 如果是勾选黑名单,则名单中的来源被禁止访问。
比如。
我们允许请求从 gateway 到 order-service,不允许浏览器访问 order-service,那么白名单中就要填写网关的来源名称(origin)。
4.1.2. 如何获取 origin。
Sentinel 是通过 RequestOriginParser 这个接口的 parseOrigin 来获取请求的来源的。
从请求 request 对象中获取 origin,获取方式自定义。
package com.alibaba.csp.sentinel.adapter.spring.webmvc.callback;
import javax.servlet.http.HttpServletRequest;
/**
* The origin parser parses request origin (e.g. IP, user, appName) from HTTP request.
*
* @author kaizi2009
*/
public interface RequestOriginParser {
/**
* Parse the origin from given HTTP request.
*
* @param request HTTP request
* @return parsed origin
*/
String parseOrigin(HttpServletRequest request);
}
这个方法的作用就是从 request 对象中,获取请求者的 origin 值并返回。
默认情况下,sentinel 不管请求者从哪里来,返回值永远是 default,也就是说一切请求的来源都被认为是一样的值 default。
因此,我们需要自定义这个接口的实现,让不同的请求,返回不同的 origin。
例如 order-service 服务中,我们定义一个 RequestOriginParser 的实现类。
package com.geek.order.sentinel;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;
import org.springframework.stereotype.Component;
import org.springframework.util.StringUtils;
import javax.servlet.http.HttpServletRequest;
/**
* @author geek
*/
@Component
public class HeaderOriginParser implements RequestOriginParser {
/**
* Parse the origin from given HTTP request.
*
* @param request HTTP request
* @return parsed origin
*/
@Override
public String parseOrigin(HttpServletRequest request) {
// 获取请求头。
String origin = request.getHeader("origin");
System.out.println(" ~ HeaderOriginParser ~ parseOrigin; ~ origin = " + origin);
// 非空判断。
if (StringUtils.isEmpty(origin)) {
origin = "blank";
}
return origin;
}
}
我们会尝试从 request-header 中获取 origin 值。
4.1.3. 给网关添加请求头。
既然获取请求 origin 的方式是从 reques-header 中获取 origin 值,我们必须让所有从 gateway 路由到微服务的请求都带上 origin 头。
这个需要利用之前学习的一个 GatewayFilter 来实现,AddRequestHeaderGatewayFilter。
修改 gateway 服务中的 application.yml,添加一个 defaultFilter。
spring:
cloud:
gateway:
default-filters: # 默认过滤器,对所有路由请求都生效。
- AddRequestHeader=Truth, geek is freaking awesome! # 添加请求头。
- AddRequestHeader=origin, geek_gateway # 添加请求头。
routes:
# ...略。
这样,从 gateway 路由的所有请求都会带上 origin 头,值为 geek_gateway。而从其它地方到达微服务的请求则没有这个头。
4.1.4. 配置授权规则。
接下来,我们添加一个授权规则,放行 origin 值为 geek_gateway 的请求。
现在,我们直接跳过网关,访问 order-service 服务。
通过网关访问。
4.2. 自定义异常结果。
默认情况下,发生限流、降级、授权拦截时,都会抛出异常到调用方。异常结果都是 flow limmiting(限流)。这样不够友好,无法得知是限流还是降级还是授权拦截。
4.2.1. 异常类型。
而如果要自定义异常时的返回结果,需要实现 BlockExceptionHandler 接口。
处理请求被限流、降级、授权拦截时抛出的异常:BlockException。
package com.alibaba.csp.sentinel.adapter.spring.webmvc.callback;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
/**
* Handler for the blocked request.
*
* @author kaizi2009
*/
public interface BlockExceptionHandler {
/**
* Handle the request when blocked.
*
* @param request Servlet request
* @param response Servlet response
* @param e the block exception
* @throws Exception users may throw out the BlockException or other error occurs
*/
void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;
}
这个方法有三个参数。
-
HttpServletRequest request:request 对象。
-
HttpServletResponse response:response 对象。
-
BlockException e:被 sentinel 拦截时抛出的异常。
这里的 BlockException 包含多个不同的子类。
异常 | 说明 |
---|---|
FlowException | 限流异常 |
ParamFlowException | 热点参数限流的异常 |
DegradeException | 降级异常 |
AuthorityException | 授权规则异常 |
SystemBlockException | 系统规则异常 |
4.2.2. 自定义异常处理。
下面,我们就在 order-service 定义一个自定义异常处理类。
package com.geek.order.sentinel;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowException;
import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;
import com.alibaba.fastjson.JSONObject;
import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
/**
* @author geek
*/
@Component
public class SentinelExceptionHandler implements BlockExceptionHandler {
/**
* Handle the request when blocked.
*
* @param request Servlet request
* @param response Servlet response
* @param e the block exception
* @throws Exception users may throw out the BlockException or other error occurs
*/
@Override
public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
String msg = "未知异常";
int status = 429;
if (e instanceof FlowException) {
msg = "请求被限流。";
} else if (e instanceof ParamFlowException) {
msg = "请求被热点参数限流。";
} else if (e instanceof DegradeException) {
msg = "请求被降级。";
} else if (e instanceof AuthorityException) {
msg = "没有权限访问。";
status = 401;
}
response.setContentType("application/json;charset=utf-8");
response.setStatus(status);
JSONObject jsonObject = new JSONObject();
jsonObject.put("msg", msg);
jsonObject.put("status", status);
response.getWriter().println(jsonObject);
}
}
重启测试,在不同场景下,会返回不同的异常消息。
限流。
授权拦截时。
5. 规则持久化。
现在,sentinel 的所有规则都是内存存储,重启后所有规则都会丢失。在生产环境下,我们必须确保这些规则的持久化,避免丢失。
5.1. 规则管理模式。
规则是否能持久化,取决于规则管理模式,sentinel 支持三种规则管理模式。
-
原始模式:Sentinel 的默认模式,将规则保存在内存,重启服务会丢失。
-
pull 模式。
-
push 模式。
5.1.1.pull 模式。
pull 模式:控制台将配置的规则推送到 Sentinel 客户端,而客户端会将配置规则保存在本地文件或数据库中。以后会定时去本地文件或数据库中查询,更新本地规则。时效性不好。
5.1.2.push 模式。
push 模式:控制台将配置规则推送到远程配置中心,例如 Nacos。Sentinel 客户端监听 Nacos,获取配置变更的推送消息,完成本地配置更新。
5.2. 实现 push 模式。
修改 order-service 服务。
修改OrderService,让其监听 Nacos 中的 sentinel 规则配置。
具体步骤如下。
1、引入依赖。
在 order-service 中引入 sentinel 监听 nacos 的依赖。
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>
配置 nacos 地址。
在 order-service 中的 application.yml 文件配置 nacos 地址及监听的配置信息。
spring:
cloud:
sentinel:
datasource:
flow:
nacos:
server-addr: localhost:8848 # nacos 地址。
dataId: orderservice-flow-rules
groupId: SENTINEL_GROUP
rule-type: flow # 还可以是:degrade、authority、param-flow。
修改 sentinel-dashboard 源码。
SentinelDashboard 默认不支持 nacos 的持久化,需要修改源码。
https://github.com/alibaba/Sentinel.git
解压。
用 IDEA 打开这个项目,结构如下。
修改 nacos 依赖。
在 sentinel-dashboard 源码的 pom 文件中,nacos 的依赖默认的 scope 是 test,只能在测试时使用,这里要去除。
将 sentinel-datasource-nacos 依赖的 scope 去掉。
添加 nacos 支持。
在 sentinel-dashboard 的 test 包下,已经编写了对 nacos 的支持,我们需要将其拷贝到 main 下。
修改 nacos 地址。
然后,还需要修改测试代码中的 NacosConfig 类。
修改其中的 nacos 地址,让其读取 application.properties 中的配置。
在 sentinel-dashboard 的 application.properties 中添加 nacos 地址配置。
nacos.addr=localhost:8848
配置 nacos 数据源。
另外,还需要修改 com.alibaba.csp.sentinel.dashboard.controller.v2 包下的 FlowControllerV2 类。
让我们添加的 Nacos 数据源生效。
修改前端页面。
接下来,还要修改前端页面,添加一个支持 nacos 的菜单。
修改 src/main/webapp/resources/app/scripts/directives/sidebar/ 目录下的 sidebar.html 文件。
将其中的这部分注释打开。
修改其中的文本。
重新编译、打包项目。
运行 IDEA 中的 maven 插件,编译和打包修改好的 Sentinel-Dashboard。
启动。
启动方式跟官方一样。
java -jar sentinel-dashboard.jar
如果要修改 nacos 地址,需要添加参数。
java -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar