微服务保护 ~ 流量保护 ~ Sentinel。

微服务保护 ~ 流量保护 ~ Sentinel。

---

---

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。

• 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。

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 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