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。
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。
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:
1.1.2.超时处理
解决雪崩问题的常⻅⽅式有四种:
•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
仓壁模式来源于船舱的设计:
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:
1.1.5.限流
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。
1.1.6.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:
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.usern ame | sentinel | 默认⽤户名 |
sentinel.dashboard.auth.pass word | 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⻚⾯,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;懒加载
1.4.微服务整合Sentinel
我们在shop-order中整合sentinel,并连接sentinel的控制台,步骤如下:
1)引⼊sentinel依赖
<!--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: 8091
spring:
application:
name: service-order
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://localhost:3307/testdb?serverTimezone=GMT
username: root
password: 123456
cloud:
nacos:
discovery:
server-addr: 127.0.0.1:8848
sentinel:
transport:
dashboard: localhost:8090
web-context-unify: false
logging:
level:
com.apesource: debug
feign:
client:
config:
default: # 这里用default就是全局配置,如果是写服务名称,则是针对某个微服务的配置
loggerLevel: FULL # 日志级别
httpclient:
enabled: true # 开启feign对HttpClient的支持
max-connections: 200 # 最大的连接数
max-connections-per-route: 50 # 每个路径的最大连接数
3)访问order-service的任意端点
打开浏览器,访问http://localhost:8091/order/prod/19,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。
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.快速⼊⻔
2.1.1.示例
点击资源/order/prod/{pid}后⾯的流控按钮,就可以弹出表单。
QPS即每秒查询率,QPS = req/sec = 请求数/秒,即每秒的响应请求数,也即是最⼤吞吐能⼒
2.1.2.练习:
需求:给 /order/prod/{pid}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
20个⽤户,2秒内运⾏完,QPS是10,超过了5. 选中 流控⼊⻔,QPS<5 右键运⾏:
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
快速⼊⻔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
@GetMapping("/order/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("/order/update")
public String updateOrder() {
return "更新订单成功";
}
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:
4)在Jmeter测试
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
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
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
public void queryGoods(){
System.err.println("查询商品");
}
2)查询订单时,查询商品
在shop-order的OrderController中,修改/order/query端点的业务逻辑:
@GetMapping("/order/query")
public String queryOrder() {
// 查询商品
orderService.queryGoods();
// 查询订单
System.out.println("查询订单");
return "查询订单成功";
}
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")
public void queryGoods(){
System.err.println("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:
application:
name: service-order
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://localhost:3307/testdb?serverTimezone=GMT
username: root
password: 123456
cloud:
nacos:
discovery:
server-addr: 127.0.0.1:8848
sentinel:
transport:
dashboard: localhost:8090
web-context-unify: false
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
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。
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⻓
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,持续指定时⻓后,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秒后逐渐增⻓到10.
案例
需求:给/order/prod/{pid}这个资源设置限流,最⼤QPS为10,利⽤warm up效果,预热时⻓为5秒
1)配置流控规则:
2)Jmeter测试 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:
观察结果会发现刚开始QPS被限定在3:随着时间推移,成功⽐例越来越⾼
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⻓,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,意味着预期等待时⻓超过 2000ms的请求会被拒绝并抛出异常。
那什么叫做预期等待时⻓呢?
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⻓ = 200 * (6 - 1) = 1000ms
- 第12个请求的预期等待时⻓ = 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/prod/{pid}这个资源设置限流,最⼤QPS为10,利⽤排队的流控效果,超时时⻓设置为 5s
1)添加流控规则
2)Jmeter测试
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
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⻓⼤于 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5
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:
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4
- 如果参数值是2,则每1秒允许的QPS为10
2.4.3.案例
案例需求:给/order/prod/{pid}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19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shop-order中的OrderController中的/order/prod/{pId}资源添加注解:
@SentinelResource("hot")
给shop-order-中的OrderController中的/order/prod/{pid}资源添加注解: @SentinelResource("hot")
@SentinelResource("hot")
@RequestMapping("/order/prod/{pid}")
public String order(@PathVariable("pid") Integer pid) {
orderService.createOrder(pid,1);
return "下单成功";
}
重启项目:
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,⻚⾯有BUG 点击左侧菜单中热点规则菜单:
3)Jmeter测试
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:每次成功2个请求
例外项,QPS阈值为4
运⾏结果:每次成功4个请求
例外项,QPS阈值为10
运⾏结果:每次成功所有请求
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shop-Order的application.yml⽂件,开启Feign的Sentinel功能:
feign:
sentinel:
enabled: true # 开启feign对sentinel的⽀持
server:
port: 8091
spring:
application:
name: service-order
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://localhost:3307/testdb?serverTimezone=GMT
username: root
password: 123456
cloud:
nacos:
discovery:
server-addr: 127.0.0.1:8848
logging:
level:
com.apesource: debug
feign:
client:
config:
default: # 这里用default就是全局配置,如果是写服务名称,则是针对某个微服务的配置
loggerLevel: FULL # 日志级别
httpclient:
enabled: true # 开启feign对HttpClient的支持
max-connections: 200 # 最大的连接数
max-connections-per-route: 50 # 每个路径的最大连接数
sentinel:
enabled: true
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
⽅式1:
步骤⼀:配置yml⽂件开启⽀持
feign:
sentinel:
enabled: true
步骤⼆:创建ProductServiceFallBack类实现降级⽅案编辑
package com.apesource.service.impl;
import com.apesource.domain.Product;
import com.apesource.service.IProductService;
import org.springframework.stereotype.Component;
/**
* @author 甜甜
* @version 1.0
* @since 2024/8/22
*/
@Component
public class ProductServiceFallBack implements IProductService{
@Override
public Product findByPid(Integer pid) {
Product product = new Product();
product.setPid(-1);
product.setPname("暂无商品");
return product;
}
}
步骤三:配置属性
@FeignClient(value="service-product", fallback = ProductServiceFallBack.cla
ss)
package com.apesource.service;
import com.apesource.domain.Product;
import com.apesource.service.impl.ProductServiceFallBack;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
@FeignClient(name = "service-product",fallback = ProductServiceFallBack.class)
public interface IProductService {
//指定调用提供者的哪个方法
// @FeignClient+@GetMapping 就是一个完整的请求路径 http://service-product/product/{pid}
@GetMapping(value = "/product/{pid}")
Product findByPid(@PathVariable("pid") Integer pid);
}
测试结果:
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
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,在快速⼊⻔中已经演示过
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:
2)Jmeter测试
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。
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