6.Sentinel

呵呵呵1112

已于 2023-02-16 16:35:09 修改

阅读量379

点赞数

文章标签： sentinel java 微服务

于 2022-07-11 15:09:51 首次发布

本文链接：https://blog.csdn.net/qq_38083545/article/details/125620283

版权

SpringCloudAlibaba 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

Sentinel：分布式系统的流量防卫兵

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、流量路由、熔断降级、系统自适应过载保护、热点流量防护等多个维度保护服务的稳定性。

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、Apache Dubbo、gRPC、Quarkus 的整合。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。同时 Sentinel 提供 Java/Go/C++ 等多语言的原生实现。
完善的 SPI 扩展机制：Sentinel 提供简单易用、完善的 SPI 扩展接口。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。

Sentinel分为两个部分：

核心库(java 客户端)不依赖任何框架/库，能够运行于所有Java运行时环境，同时对Dubbo/Spring Cloud等框架也有较好的支持。每个微服务客户端都需要整合sentinel的客户端封装与配置，才能将监控信息上报给dashboard展示以及实时的更改限流或熔断规则等。
控制台(Dashboard)基于Spring Boot开发打包后可以直接运行，不需要额外的Tomcat等应用容器。提供了流控规则、熔断规则的在线维护等功能

安装并启动控制台

1.从以下地址下载jar包
https://github.com/alibaba/Sentinel/releases
2.启动控制台，默认8080端口，账号密码默认sentinel
在这里插入图片描述

服务引入Sentinel核心库

1.pom引入依赖

	<!-- SpringCloud alibaba sentinel -->
	<dependency>
         <groupId>com.alibaba.cloud</groupId>
         <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
     </dependency>
    <!-- SpringCloud alibaba sentinel-datasource-nacos 后续做持久化用到 -->
	<dependency>
	      <groupId>com.alibaba.csp</groupId>
	      <artifactId>sentinel-datasource-nacos</artifactId>
    </dependency>

2.添加pom配置

server:
  port: 8401
spring:
  application:
    name: cloudalibaba-sentinel-8401
  cloud:
    #nacos相关配置
    nacos:
      discovery:
        server-addr: localhost:8848
    #sentinel 相关配置
    sentinel:
      transport:
        #默认8719端口，如果被占用会从8719+1开始依次扫描 直到找到未占用的端口 该端口是在本机启动个http service端口与控制台做交互
        port: 8719
        #配置 sentinel 监控平台地址
        dashboard: localhost:8080
management:
  endpoints:
    web:
      exposure:
        include: '*'

3.创建测试接口，并且访问后登陆监控平台查看。因为sentinel使用的是懒加载，所以必须访问一次才可以从监控平台看到
在这里插入图片描述

流控

在这里插入图片描述
基本介绍

资源名：唯一名称，默认请求路径
针对来源：Sentinel可以针对调用者进行限流，填写微服务名，默认default（不区分来源）
阈值类型/单机阈值：
QPS(每秒钟的请求数量)：当调用该api的QPS达到阈值的时候进行限流
线程数：当调用该api的线程数达到阈值的时候进行限流
流控模式：
直接：api达到限流条件时，直接限流
关联：当关联的资源达到阈值时，就限流自己
链路：只记录指定链路的流量（指定资源从入口资源进来的流量，如果达到阈值，就进行限流）【api级别的针对来源】。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：
快速失败：直接失败，抛出异常
Warm Up：根据codeFachtor（冷加载因子，默认3）的值，从阈值/codeFactor开始，经过预热时长，才达到设置的QPS阈值
排队等待：匀速排队，让请求以匀速的速度通过，阈值类型必须设置为QPS，否则无效

直接模式 QPS
表示1秒钟内查询一次ok，超过一次失败并报默认错误
在这里插入图片描述

直接模式线程
线程限流和QPS的限流有区别，QPS被挡在了应用服务外，而线程限流可以进入应用内，当应用中的线程数高于单机阈值才会触发限流。例如此时一秒内点击多次测试接口，不会触发限流。但是加大测试接口的执行时间Thread.sleep(800);，同时一秒内点击多次测试接口就会出现限流，而用QPS不需要加大执行时间，只要一秒钟内请求数达到阈值就会限流。
在这里插入图片描述

关联模式
关联模式依旧是针对/testA的限流，但是触发对象不是自己而是关联对象/testB，当testB的QPS达到了阈值，那么testA就会触发限流。在实际应用场景中，比如支付服务达到了阈值，订单服务进行限流。
在这里插入图片描述

链路模式
针对访问testService的/testA接口限流
在这里插入图片描述
创建service

@Service
public class TestService {

    @SentinelResource("testService")
    public String testService(){
        return "testService";
    }
}

/testA和testB接口同时调用该方法，按照以上配置会触发限流。但是因为版本问题，链路限流可能不生效，可以通过一下两种方法解决
方法1：
配置文件修改

spring.cloud.sentinel.web-context-unify=false

方法2：
重写配置

@Configuration
public class FilterContextConfig {
    @Bean
    public FilterRegistrationBean sentinelFilterRegistration() {
        FilterRegistrationBean registrationBean = new FilterRegistrationBean();
        registrationBean.setFilter(new CommonFilter());
        registrationBean.addUrlPatterns("/*");
        // 入口资源关闭聚合
        registrationBean.addInitParameter(CommonFilter.WEB_CONTEXT_UNIFY, "false");
        registrationBean.setName("sentinelFilter");
        registrationBean.setOrder(1);

        return registrationBean;
    }
}

预热效果
默认coldFactor为3，即请求QPS从(threshold / 3) 开始，经过多长预热时长才逐渐升值设定的QPS阈值。
系统初始化阈值为10 /3约等于3，既阈值刚开始为3；然后过了5秒后阈值慢慢恢复到10
应用场景：例如秒杀系统在开启的瞬间，会有很多流量，很可能直接把系统打死，预热方式就是为了保护系统，可以慢慢的把流量放进来，慢慢的把阈值增长到设置的阈值。
在这里插入图片描述

匀速效果
匀速排队方式会严格控制请求通过的间隔时间，对应的是漏牌桶算法。这种方式主要处理间隔性突发的流量，例如消息队列。在某一秒有大量请求到来，而接下来的几秒则处于空闲状态，我们希望系统能够在接下来的空闲时间逐渐处理这些请求，而不是在第一时间直接拒绝多余的请求。
在这里插入图片描述

熔断

一个服务常常会调用别的模块，可能是另外的一个远程服务、数据库，或者第三方 API 等，然而，这个被依赖服务的稳定性是不能保证的。如果依赖的服务出现了不稳定的情况，请求的响应时间变长，那么调用服务的方法的响应时间也会变长，线程会产生堆积，最终可能耗尽业务自身的线程池，服务本身也变得不可用。

现代微服务架构都是分布式的，由非常多的服务组成。不同服务之间相互调用，组成复杂的调用链路。以上的问题在链路调用中会产生放大的效果。复杂链路上的某一环不稳定，就可能会层层级联，最终导致整个链路都不可用。因此我们需要对不稳定的弱依赖服务调用进行熔断降级，暂时切断不稳定调用，避免局部不稳定因素导致整体的雪崩。熔断降级作为保护自身的手段，通常在客户端（调用端）进行配置。

Sentinel熔断降级会在调用链路中某个资源出现不稳定状态时（例如调用超时或异常比例升高）对这个资源的调用进行限制，让请求快速失败，避免影响到其他的资源而导致级联错误。当资源被降级后，在接下来的降级时间窗口之内，对该资源的调用都会自动熔断（默认行为是抛出DegradeException）。

Sentinel 提供以下几种熔断策略：

慢调用比例 (SLOW_REQUEST_RATIO)：选择以慢调用比例作为阈值，需要设置允许的慢调用 RT（即最大的响应时间），请求的响应时间大于该值则统计为慢调用。当单位统计时长（statIntervalMs）内请求数目大于设置的最小请求数目，并且慢调用的比例大于阈值，则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求响应时间小于设置的慢调用 RT 则结束熔断，若大于设置的慢调用 RT 则会再次被熔断。
异常比例 (ERROR_RATIO)：当单位统计时长（statIntervalMs）内请求数目大于设置的最小请求数目，并且异常的比例大于阈值，则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求成功完成（没有错误）则结束熔断，否则会再次被熔断。异常比率的阈值范围是 [0.0, 1.0]，代表 0% - 100%。
异常数 (ERROR_COUNT)：当单位统计时长内的异常数目超过阈值之后会自动进行熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求成功完成（没有错误）则结束熔断，否则会再次被熔断。

在这里插入图片描述
慢调用
在2000毫秒内(统计时长)，请求数大于等于2(最小请求数)，且失败比例50%以上(比例阈值)慢调用(RT200毫秒)就熔断5秒(熔断时长)，5秒后进入探测恢复状态

传入参数1测试接口暂停300毫秒执行，请求一次后断路器打开，第二次服务不可用
在这里插入图片描述
5秒后试探性恢复，断路器关闭，服务恢复

异常比例和异常数的调用和慢调用差不多，一个是统计的异常比例，一个是异常数，都没有RT

热点流控

热点就是经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。比如：

商品 ID 为参数，统计一段时间内最常购买的商品 ID 并进行限制
用户 ID 为参数，针对一段时间内频繁访问的用户 ID 进行限制
热点参数限流会统计传入参数中的热点参数，并根据配置的限流阈值与模式，对包含热点参数的资源调用进行限流。热点参数限流可以看做是一种特殊的流量控制，仅对包含热点参数的资源调用生效。
在这里插入图片描述

添加测试代码，测试过程中发现不使用@SentinelResource注解不生效，该注解处理的是Sentinel配置的违规后的情况，不处理Java运行时异常

	@GetMapping("/testHopKey")
    @SentinelResource(value = "testHopKey",blockHandler = "dealHandler_testHopKey")
    public String testHopKey(@RequestParam(value = "a",required = false) String a,
                             @RequestParam(value = "b",required = false)String b) {

        return "------hopKey";
    }
    public String dealHandler_testHopKey(String a, String b, BlockException e){
        return "------dealHandler_testHopKey";
    }

编辑热点规则，当1秒内的QPS大于1就会触发流控，会走入dealHandler_testHopKey方法。其中参数索引是热点参数的位置，第三个url因为只有参数b没有索引为0的参数a，所以不会走入限流的
限流：http://localhost:8401/testHopKey?a=1
限流：http://localhost:8401/testHopKey?a=1&b=2
通过：http://localhost:8401/testHopKey?b=2
在这里插入图片描述

在这里插入图片描述
参数例外项
是指当参数a不等于5的时候，阈值为1；当参数a等于5的时候阈值为200

系统规则

系统规则的控制粒度更加广，是入口级别的，具体看官网配置
https://github.com/alibaba/Sentinel/wiki/%E7%B3%BB%E7%BB%9F%E8%87%AA%E9%80%82%E5%BA%94%E9%99%90%E6%B5%81
在这里插入图片描述

SentinelResource

Sentinel 提供了 @SentinelResource 注解用于定义资源，并提供了 AspectJ 的扩展用于自动定义资源、处理 BlockException 等。
在上面的热点key限流中使用了该注解，不过是方法级的，如果每个方法都这样添加一个对应的限流异常方法，既提高耦合度又会使代码膨胀还不是全局的兜底机制，所以可以使用blockHandler 和 blockHandlerClass来构建全局限流设置，fallback和fallbackClass同理。

使用了@SentinelResource后，规则配置中必须是@SentinelResource的value值，@SentinelResource才会生效，配置后当走入控制台配置的限流、熔断规则/出现异常时候就会走如blockHandler/fallback指定的方法内。如果两个都配置会优先走入blockHandler内。

public class ConsumerHandler {

    public static CommonResult handleException1(BlockException e){
        return new CommonResult(4444,"服务不可用--2",null);
    }

    public static CommonResult handleException2(BlockException e){
        return new CommonResult(4444,"服务不可用--1",null);
    }
}

之后在方法上添加@SentinelResource注解时，直接指定上面的类和对应方法即可，不必一个为每个方法建立一个限流方法

 @SentinelResource(value = "consumerBlockHandler",blockHandlerClass = ConsumerHandler.class,blockHandler = "handleException2")

@SentinelResource 注解包含以下属性：

value：资源名称，必需项（不能为空）
entryType：entry 类型，可选项（默认为 EntryType.OUT）
blockHandler / blockHandlerClass: blockHandler 对应处理 BlockException 的函数名称，可选项。blockHandler 函数访问范围需要是 public，返回类型需要与原方法相匹配，参数类型需要和原方法相匹配并且最后加一个额外的参数，类型为 BlockException。blockHandler 函数默认需要和原方法在同一个类中。若希望使用其他类的函数，则可以指定 blockHandlerClass 为对应的类的 Class 对象，注意对应的函数必需为 static 函数，否则无法解析。
fallback：fallback 函数名称，可选项，用于在抛出异常的时候提供 fallback 处理逻辑。fallback 函数可以针对所有类型的异常（除了 exceptionsToIgnore 里面排除掉的异常类型）进行处理。fallback 函数签名和位置要求：
1.返回值类型必须与原函数返回值类型一致；
2.方法参数列表需要和原函数一致，或者可以额外多一个 Throwable 类型的参数用于接收对应的异常。
3.fallback 函数默认需要和原方法在同一个类中。若希望使用其他类的函数，则可以指定 fallbackClass 为对应的类的 Class 对象，注意对应的函数必需为 static 函数，否则无法解析。
defaultFallback（since 1.6.0）：默认的 fallback 函数名称，可选项，通常用于通用的 fallback 逻辑（即可以用于很多服务或方法）。默认 fallback 函数可以针对所以类型的异常（除了 exceptionsToIgnore 里面排除掉的异常类型）进行处理。若同时配置了 fallback 和 defaultFallback，则只有 fallback 会生效。defaultFallback 函数签名要求：
1.返回值类型必须与原函数返回值类型一致；
2.方法参数列表需要为空，或者可以额外多一个 Throwable 类型的参数用于接收对应的异常。
3.defaultFallback 函数默认需要和原方法在同一个类中。若希望使用其他类的函数，则可以指定 fallbackClass 为对应的类的 Class 对象，注意对应的函数必需为 static 函数，否则无法解析。
exceptionsToIgnore（since 1.6.0）：用于指定哪些异常被排除掉，不会计入异常统计中，也不会进入 fallback 逻辑中，而是会原样抛出。
若 blockHandler 和 fallback 都进行了配置，则被限流降级而抛出 BlockException 时只会进入 blockHandler 处理逻辑。若未配置 blockHandler、fallback 和 defaultFallback，则被限流降级时会将 BlockException 直接抛出。

控制台添加规则的方式是最原始的，且是存在于内存中的，官方并不推荐使用，建议规则持久化注册中心。

两种方式：
1.如果想要实现控制台添加自动存入Nacos需要在源码的基础上改造控制台
2.以下方式

规则持久化

一旦重启应用，sentinel的规则将消失，生产环境需要将配置规则进行持久化。

将限流配置规则持久化进Nacos保存，只要刷新应用的某个rest地址，sentinel控制台的流控规则就能看到，只要Nacos里面的配置不删除，sentinel上的流控规则就持续有效。
1.添加配置

		<dependency>
            <groupId>com.alibaba.csp</groupId>
            <artifactId>sentinel-datasource-nacos</artifactId>
        </dependency>

2.服务配置文件中sentinel指定Nacos地址

spring:
	cloud:
		sentinel:
			datasource:
					#数据源1  这个名字任意起
			        dsr1:
			          nacos:
			          	#nacos配置
			            server-addr: localhost:8848
			            dataId: cloudalibaba-sentinel-8401
			            groupId: DEFAULT_GROUP
			            data-type: json
			            # 规则类型：流控
			            rule-type: flow

3.Nacos配置流控规则
在这里插入图片描述

[
  {
    "resource": "/testB",
    "controlBehavior": 0,
    "count": 1,
    "grade": 1,
    "limitApp": "default",
    "strategy": 0,
    "clusterMode": false
  }
]

resource：资源名称
controlBehavior：流控效果，0表示快速失败，1表示Warm Up，2表示排队等待
count：单机阈值
grade：阈值类型 0表示线程数，1表示QPS
limitApp：来源应用
strategy：流控模式，0表示直接，1表示关联，2表示链路
clusterMode：是否集群
4.重启应用，然后访问就可以看到Sentinel添加后的流控规则

不同的规则对应不同的配置

流控规则

[
  {
    // 资源名
    "resource": "/test",
    // 针对来源，若为 default 则不区分调用来源
    "limitApp": "default",
    // 限流阈值类型(1:QPS;0:并发线程数）
    "grade": 1,
    // 阈值
    "count": 1,
    // 是否是集群模式
    "clusterMode": false,
    // 流控效果(0:快速失败;1:Warm Up(预热模式);2:排队等待)
    "controlBehavior": 0,
    // 流控模式(0:直接；1:关联;2:链路)
    "strategy": 0,
    // 预热时间（秒，预热模式需要此参数）
    "warmUpPeriodSec": 10,
    // 超时时间（排队等待模式需要此参数）
    "maxQueueingTimeMs": 500,
    // 关联资源、入口资源(关联、链路模式)
    "refResource": "rrr"
  }

权限规则

[
  {
    // 资源名
    "resource": "sentinel_spring_web_context",
    // 流控应用
    "limitApp": "/test",
    // 授权类型(0代表白名单；1代表黑名单。)
    "strategy": 0
  }
]

降级规则

[
  {
      // 资源名
    "resource": "/test1",
    "limitApp": "default",
    // 熔断策略（0:慢调用比例，1:异常比率，2:异常计数）
    "grade": 0,
    // 最大RT、比例阈值、异常数
    "count": 200,
    // 慢调用比例阈值，仅慢调用比例模式有效（1.8.0 引入）
    "slowRatioThreshold": 0.2,
    // 最小请求数
    "minRequestAmount": 5,
    // 当单位统计时长(类中默认1000)
    "statIntervalMs": 1000,
    // 熔断时长
    "timeWindow": 10
  }
]

系统规则

[
    {
      // RT
      "avgRt": 1,
      // CPU 使用率
      "highestCpuUsage": -1,
      // LOAD
      "highestSystemLoad": -1,
      // 线程数
      "maxThread": -1,
      // 入口 QPS
      "qps": -1
    }
  ]

授权规则

[
  {
    // 资源名
    "resource": "sentinel_spring_web_context",
    // 流控应用
    "limitApp": "/test",
    // 授权类型(0代表白名单；1代表黑名单。)
    "strategy": 0
  }
]

热点参数规则

[
  {
    // 资源名
    "resource": "/test1",
    // 限流模式（QPS 模式，不可更改）
    "grade": 1,
    // 参数索引
    "paramIdx": 0,
    // 单机阈值
    "count": 13,
    // 统计窗口时长
    "durationInSec": 6,
    // 是否集群 默认false
    "clusterMode": false,
    //
    "burstCount": 0,
    // 集群模式配置
    "clusterConfig": {
      //
      "fallbackToLocalWhenFail": true,
      //
      "flowId": 2,
      //
      "sampleCount": 10,
      //
      "thresholdType": 0,
      //
      "windowIntervalMs": 1000
    },
    // 流控效果（支持快速失败和匀速排队模式）
    "controlBehavior": 0,
    //
    "limitApp": "default",
    //
    "maxQueueingTimeMs": 0,
    // 高级选项
    "paramFlowItemList": [
      {
        // 参数类型
        "classType": "int",
        // 限流阈值
        "count": 222,
        // 参数值
        "object": "2"
      }
    ]
  }
]

yml文件配置

spring:
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848 #Nacos 服务地址
    sentinel:
      eager: true   #饿加载
      transport:
        dashboard: localhost:8089 #配置 Sentinel dashboard 地址
      datasource:
        flow:   #流控规则
          nacos:
            namespace: 1efe62b0-b759-45ff-a5e7-4fb5c27350c7
            server-addr: localhost:8848
            dataId: ${spring.application.name}-flow-rules
            groupId: SENTINEL_GROUP
            data-type: json
            rule-type: flow
        degrade:
          nacos:
            namespace: 1efe62b0-b759-45ff-a5e7-4fb5c27350c7
            server-addr: localhost:8848
            dataId: ${spring.application.name}-degrade-rules
            groupId: SENTINEL_GROUP
            data-type: json
            rule-type: degrade
        system:
          nacos:
            namespace: 1efe62b0-b759-45ff-a5e7-4fb5c27350c7
            server-addr: localhost:8848
            dataId: ${spring.application.name}-system-rules
            groupId: SENTINEL_GROUP
            data-type: json
            rule-type: system
        authority:
          nacos:
            namespace: 1efe62b0-b759-45ff-a5e7-4fb5c27350c7
            server-addr: localhost:8848
            dataId: ${spring.application.name}-authority-rules
            groupId: SENTINEL_GROUP
            data-type: json
            rule-type: authority
        param-flow:
          nacos:
            namespace: 1efe62b0-b759-45ff-a5e7-4fb5c27350c7
            server-addr: localhost:8848
            dataId: ${spring.application.name}-param-flow-rules
            groupId: SENTINEL_GROUP
            data-type: json
            rule-type: param-flow

呵呵呵1112

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
6.Sentinel

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、流量路由、熔断降级、系统自适应过载保护、热点流量防护等多个维度保护服务的稳定性。Sentinel 具有以下特征:Sentinel分为两个部分：1.从以下地址下载jar包2.启动控制台，默认8080端口，账号密码默认sentinel1.pom引入依赖2.添加pom配置3.创建测试接口，并且访问后登陆监控平台查看。因为sentinel使用的是懒加载，所以必须访问一次才可以从监控平台看到基本介绍直
复制链接

扫一扫