全面解析微服务保护（二、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

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：

在shop-order服务中，给OrderService类添加⼀个queryGoods⽅法：

在shop-order的OrderController中，修改/order/query端点的业务逻辑：

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";
}

3）新增订单，查询商品

在shop-order的OrderController中，修改/order/save端点，模拟新增订单：

@GetMapping("/order/save")
public String saveOrder() {
 // 查询商品
 orderService.queryGoods();
 // 查询订单
 System.err.println("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")
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:
 cloud:
     sentinel:
         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

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：

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

2.4.4.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" )

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