Sentinel
想要学习Sentinel,首先要知道什么是雪崩
雪崩:
- 在微服务中,服务之间的调用错综复杂,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。
- 但是,随着请求的增加,时间的推移,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:
- 解决雪崩问题的常见方式有四种:
超时处理:
- 超时处理,顾名思义,请求超过一定时间没有响应,就会返回错误信息,不会无休止的等待
仓壁模式:
- 就如同船仓一样,被隔板分离成多个独立的空间,即使进水了也不会导致整个船舱都会进水,只有部分船舱进水,将故障控制在一定范围内,从而避免泰坦尼克号的发生。
- 仓壁模式就是如同上图船舱的模型一样,限定了每个业务的线程数,避免耗尽整个tomcat的资源,因此,也叫线程隔离。
断路器:
- 统计业务在执行过程中的异常比例,超过一定的比例,也叫超出阀值,就会熔断该业务,拦截访问该业务的一切请求
- 如同上图,访问服务d的请求比例1:2,显然服务d是有问题的,断路器这时就会认为服务d会导致雪崩问题,从而拦截访问服务d的一切请求,形成熔断。
限流:
- 流量控制,限制该业务的QPS,避免服务因为突然的流量增加而突发故障。
总结:
- 什么是雪崩
- 微服务之间相互调用,但是在调用链中,有一个服务出现异常,导致整个链路都会无法访问的情况
- 如何解决雪崩问题
- 超时处理
- 仓壁模式
- 断路器
- 限流
- 如何理解四种解决方案
- 限流,它是对服务的保护,从而避免因为瞬间的高并发导致服务的故障,进而避免雪崩,是一种预防措施
- 超时处理,仓壁模式,断路器,都是在部分服务发生故障的时候,将故障控制在一切范围,从而避免雪崩,是一种补救的措施
服务保护技术对比:
在springcloud中,有多种服务保护技术
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 |
Sentinel的介绍:
- 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
它有以下特征
-
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。
安装Sentinel:
-
第一步:下载好Sentinel的jar包
-
第二步:运行jar包
-
第三步:如果想要修改默认端口,账号密码等,可以使用以下配置
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 -
访问8080端口进入控制台
-
进入之后雪白一片,因为还没有与微服务整合
微服务整合Sentinel:
-
导入依赖
<!--sentinel--> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency>
-
配置控制台
server: port: 8088 spring: cloud: sentinel: transport: dashboard: localhost:8080
-
访问服务,才能触发Sentinel的监控,在访问Sentinel的控制台,就能看见效果了。
流量控制:
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。
簇点链路:
- 当请求微服务的时候,首先会访问DispatcherServlet,然后再进入Controller,Service,Mapper,这样的一个调用链就是簇点链路,它监控中的每一个接口,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),因此SpringMVC的每一个端点就是调用链的一个资源
- 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
流控模式:
直接流控模式:
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
- 点击资源后面的流控按钮,就会弹出一个表单
- 其中,限制这个资源的单机QPS为1,即每秒只允许一次请求,超出的部分会被拦截并且报错
关联流控模式:
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触发阀值的时候,就会对/read进行资源限流,避免影响/write的资源。
-
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。
-
小结:
当满足以下条件,就可以使用关联模式。
- 两个有竞争关系的资源
- 一个优先级高,一个优先级低
链路流控模式:
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
-
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:
-
- 语法说明:test1和test2都会请求common,但是Sentinel只统计/test2发出的请求。
总结:
- 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
流控效果:
-
在流控的高级选项中,还有一个流控效果选项:
- 快速失败
- Warm up
- 排队等待
-
流控效果是指达到流控阈值时,应该采用的措施
快速失败:
在之前的流控模式中,使用的就是快速失败的流控效果,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。
-
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.
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
-
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。
-
总结:
-
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
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。
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。
- 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。
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100,则每1秒允许的QPS为10
•如果参数值是101,则每1秒允许的QPS为15
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。
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。
-
修改配置,开启sentinel功能
-
修改OrderService的application.yml文件,开启Feign的Sentinel功能:
feign: sentinel: enabled: true # 开启feign对sentinel的支持
-
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
- 这里选择方法二
- 在feign项目中定义类,XXXXXXFallbackFactory
- 实现FallbackFactory接口,接口的泛型就是当前项目的XXXClent,实现接口的方法,重写接口的方法
- 将XXXXXXFallbackFactory注册为一个Bean
- 在feing-api项目中的UserClient接口中使用UserClientFallbackFactory:
- 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:
总结:
-
entinel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
线程隔离(舱壁模式):
线程隔离的实现方法:
- 线程池隔离
- 信号量隔离
- 线程池隔离:给每个服务调用业务分配一个线程池,利用线程池本身的特性来实现隔离效果
- 信号量隔离:不创建线程,而是用计数器模式,记录业务的使用线程数量,达到信号量上限,禁止新的请求。
两者的优缺点:
信号量隔离:
- 在直线设置流控模式的时候,使用的QPS就是信号量模式。
线程隔离:
- 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)。
总结:
- 线程隔离的手段:
- 信号量隔离
- 线程池隔离
- 信号量隔离的特点;
- 基于计数器模式
- 简单,开销小
- 线程池隔离的特点:
- 基于线程池模式
- 有额外开销
- 隔离控制更细
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
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。
- 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。
异常比例、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。
- 解读:统计最近1000ms内的请求,如果请求量超过10次,并且异常比例不低于2次,则触发熔断。
授权规则:
- 授权规则可以对请求方来源做判断和控制。
授权规则:
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)。
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。
public interface RequestOriginParser {
/**
* 从请求request对象中获取origin,获取方式自定义
*/
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。
@Override
public String parseOrigin(HttpServletRequest request) {
// 1.获取请求头
String origin = request.getHeader("origin");
// 2.非空判断
if (StringUtils.isEmpty(origin)) {//如果origin为空,这将origin的值设置为XXXXX
origin = "XXXXX";
}
return origin;
}
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。
- 使用AddRequestHeaderGatewayFilter配置来为gateway添加请求头
spring:
cloud:
gateway:
default-filters:
- AddRequestHeader=origin,gateway
routes:
# ...略
- 这样,从gateway路由的所有请求都会带上origin头,值为gateway。而从其它地方到达微服务的请求则没有这个头。
配置授权规则:
- 我们添加一个授权规则,放行origin值为gateway的请求。
- 配置如下
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。
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:
-
public interface BlockExceptionHandler { /** * 处理请求被限流、降级、授权拦截时抛出的异常:BlockException */ 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
-
自定义异常处理:
- 下面,就可以在被调用服务中添加自定义异常处理类,实现BlockExceptionHandler接口
@Component
public class SentinelExceptionHandler implements BlockExceptionHandler {
@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 = "请求被限流了";
} else if (e instanceof ParamFlowException) {
msg = "请求被热点参数限流";
} else if (e instanceof DegradeException) {
msg = "请求被降级了";
} else if (e instanceof AuthorityException) {
msg = "没有权限访问";
status = 401;
}
response.setContentType("application/json;charset=utf-8");
response.setStatus(status);
response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");
}
}
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。
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
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。
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。
实现push模式:
修改Service服务:
-
导入nacos依赖,让其监听Nacos中的Sentinel规则的配置
-
引入依赖
-
<dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-datasource-nacos</artifactId> </dependency>
-
配置nacos地址
-
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。如果嫌麻烦,可以去阿里云购买现成的
下载源码,并且解压
- 然后并用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:
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>
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