Sentinel 控制台学习

多云&秋雨

已于 2024-04-30 10:36:21 修改

阅读量1.5k

点赞数 13

文章标签：学习 sentinel 控制台流控规则

于 2024-04-30 10:30:59 首次发布

本文链接：https://blog.csdn.net/weixin_41716183/article/details/138334831

版权

引言

上篇文章已经讲过 SpringCloud Sentinel集成到微服务项目中，接下来我们继续学习怎么使用sentinel控制台对微服务进行限流，熔断，降级等一系列操作。

控制台

在这里插入图片描述
接下来我们单独讲解每一个菜单按钮

实时监控

实时监控：可以看到微服务中接口的调用情况。
在这里插入图片描述

簇点监控

簇点监控：展示当前微服务中，所有可用的资源，可以对这些资源进行熔断、降级、流控的相关配置，默认是将controller控制层中的接口作为资源显示出来
在这里插入图片描述

流控规则

流控规则：对相关的资源设置流量控制规则，一般在高并发流量的场景里面，为了降低系统宕机情况，就会限制访问流量来提高系统的稳定性。

哪些场景中，需要使用流量控制呢？？？
秒杀、下单、订单回流、消息型场景、API网关限流等情况

在这里插入图片描述

QPS流控规则

QPS流控规则：限制每秒钟访问的请求数量。
在这里插入图片描述
访问/demo01接口，当1秒钟超过2个请求时候，超过的请求将返回错误信息。

当然，也可以自己在代码中通过 @SentinelResource 注解，指定流控、降级之后的回调方法

并发线程数

并发线程数规则：当请求达到设置的最大线程数时候，在这些线程处理响应结束之前，如果此时还有线程到达，那么这个线程就会被流控。
在这里插入图片描述
打开两个浏览器，同时访问 /demo03 接口（注意：这个接口中写了暂停3秒的逻辑），此时第二个访问的会出现流控。

直接流控模式

直接流控模式：直接对添加流控的资源进行流量限制，默认就是采用这种限流模式

关联流控模式

关联流控模式：两个资源之间存在关联关系，假设A资源和B资源存在关联关系，对A资源进行流控规则，关联了B资源，那么此时如果A资源满足流控规则后，就会限流B资源，这就是关联流控模式。

这里模拟一下【关联流控模式】，首先由两个资源：/demo04 和/demo05，给/demo04添加流控规则，并且关联 /demo05 资源。
使用jemeter访问 /demo05 资源，访问的过程中，浏览器单独访问 /demo04 资源，此时 /demo04 资源会发生流控。

打开jemeter，模拟大量请求访问 /demo05 接口，之后浏览器访问 /demo04 接口，此时可以发现 /demo04 发生了流控。

注意：关联流控模式下，只有关联资源才会触发目标资源的流控规则。

链路流控模式

链路流控模式：根据接口的调用链路来实现流量控制，假设：A资源被B、C两个资源调用，也就是存在两个链路：B–>A、C–>A；那么就可以采用链路流控模式，对【B–>A】调用链路进行流控限制。

这里采用 /demo06、/demo07、demo三个资源，其中 /demo06 和 /demo07 都会调用demo资源。
在sentinel控制台中，给【demo】资源添加流控规则，入口资源设置成 /demo06。
这个时候，就会对 /demo06进行限流控制
-
打开浏览器，多次刷新页面访问 /demo06 接口，此时会触发流控规则，而多次访问/demo07接口不会触发流控规则。

注意：sentinel默认是不会维护调用链路的，需要我们自己在application.yml 配置文件中配置

spring:
  # 配置 sentinel 控制台
  cloud:
    sentinel:
      # 让 sentinel 维护调用链路树
      web-context-unify: false

快速失败（流控效果）

快速失败：当发生流控的时候，直接快速返回失败信息。

Warm Up（流控效果）

Warm Up是【预热流控】的一种机制，所谓的预热流控，是指：当大量请求到达时候，假设一开始只处理3个请求，其他请求全部失败，之后逐渐增加处理更多的请求，例如：3个、6个、10个依次递增。sentinel默认的冷加载因子是3，它会根据【threshold / 3】开始，经过预热之后，逐渐达到阈值threshold。
在这里插入图片描述
使用jemeter访问/demo02接口，查看监控图如下所示。

预热流控一般适用于积分流量场景下，什么是积分流量呢？？？
积分流量是指：在某一段时间内可能出现大量的请求，但是过了那段时间，请求有变得平稳了，这种场景下就适用于预热流控

排队等待（流控效果）

排队等待：请求在达到设定的阈值时候，多余的请求会在指定的时间里面排队等待被处理，如果在指定时间里面，还没有被执行，那就直接失败。
在这里插入图片描述
使用jemeter每隔5秒钟发起10个请求访问/demo02接口，运行结束之后，查看监控界面。

从上图中就可以看出，使用【排队等待】方式就已经能够很好的解决多余请求的处理问题，而不会出现快速失败的情况。为了验证排队等待的效果，你可以设置一个快速失败的方式，再次测试接口，查看监控界面。
在这里插入图片描述
从上图可以看到，快速失败方式下，会出现5个接口调用成功，5个接口调用失败，并且会有一个5秒钟的时间间隔（自己设置的时间间隔），排队等待就是利用这个时间间隔，处理处于等待中的请求，从而实现流控。

熔断规则

熔断降级规则有三种，分别是：慢调用比例、异常比例、异常数。当触发熔断之后，不会去调用微服务接口，是否直接返回快速失败。

慢调用比例

慢调用比例：请求的响应时长超过给定的RT，并且满足【最小请求数】中满调用的占比达到阈值，则触发熔断规则。
在这里插入图片描述
打开jemeter，访问 /demo03 接口，此时会出发熔断规则。

异常比例

异常比例：在指定的请求数量里面，出现异常的请求达到指定比例，则触发熔断规则。
在这里插入图片描述
接口 /exception 模拟抛出异常即可，然后使用jemeter调用测试。

异常数

异常数：在最小请求数里面，出现异常的次数满足阈值，则发生熔断。
在这里插入图片描述

热点规则

热点规则：是针对接口请求中的热点参数进行流量控制，什么是热点参数呢？？？比如：一个查询接口中，根据商品名称查询，有：【手机】、【电脑】，假设用户大部分都查询【手机】，所以【手机】就相当于是一个热点参数，那就可以对针对这个查询参数的接口，进行流量控制。注意：热点参数规则，必须是使用 @SentinelResource 注解定义的资源。

编写测试方法。

@SentinelResource(value = "/api/sentinel/dashboard/parameter", blockHandler = "blockMethod")
@GetMapping("/parameter")
public String parameter(@RequestParam("id") String id, @RequestParam("name") String name) {
    System.out.println("parameter接口调用成功.id=" + id + ", name=" + name);
    return "parameter接口调用成功.id=" + id + ", name=" + name;
}

public String blockMethod(String id, String name, BlockException e) {
    return "【" + name + "】触发热点参数流控规则";
}

配置热点参数规则。
浏览器访问 localhost:8899/api/sentinel/dashboard/parameter?id=1&name=手机，多次刷新，此时就会触发热点参数流控规则。

以上就是热点参数规则的配置。

系统规则

Sentinel 系统自适应限流从整体维度对应用入口流量进行控制，结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS 和并发线程数等几个维度的监控指标，通过自适应的流控策略，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性

Load 自适应（仅对 Linux/Unix-like 机器生效）

系统的 load1 作为启发指标，进行自适应系统保护。当系统 load1 超过设定的启发值，且系统当前的并发线程数超过估算的系统容量时才会触发系统保护（BBR 阶段）。系统容量由系统的 maxQps * minRt 估算得出。设定参考值一般是 CPU cores * 2.5；

CPU usage（1.5.0+ 版本）

当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0），比较灵敏；

平均 RT

当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒；

并发线程数

当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护；

入口 QPS

当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。

配置系统规则
使用jemeter压测
测试结果

授权规则

很多时候，我们需要根据调用来源来判断该次请求是否允许放行，这时候可以使用 Sentinel 的来源访问控制（黑白名单控制）的功能。

来源访问控制根据资源的请求来源（origin）限制资源是否通过，若配置白名单则只有请求来源位于白名单内时才可通过；若配置黑名单则请求来源位于黑名单时不通过，其余的请求通过。

来源访问控制规则（AuthorityRule）非常简单，主要有以下配置项：

resource：资源名，即限流规则的作用对象。
limitApp：对应的黑名单/白名单，不同 origin 用 , 分隔，如 appA,appB。
strategy：限制模式，AUTHORITY_WHITE 为白名单模式，AUTHORITY_BLACK 为黑名单模式，默认为白名单模式。
配置授权规则：
代码编写
实现com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser接口，在parseOrigin方法中区分来源，并交给spring管理
注意：如果引入CommonFilter，此处会多出一个

import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;
import org.springframework.stereotype.Component;

import javax.servlet.http.HttpServletRequest;

@Component
public class MyRequestOriginParser implements RequestOriginParser {
    /**
     * 通过request获取来源标识，交给授权规则进行匹配
     * @param request
     * @return
     */
    @Override
    public String parseOrigin(HttpServletRequest request) {
        // 标识字段名称可以自定义
        String origin = request.getParameter("serviceName");
//        if (StringUtil.isBlank(origin)){
//            throw new IllegalArgumentException("serviceName参数未指定");
//        }
        return origin;
    }
}

测试：origin是order的请求不通过。

集群流控

集群流程官方文档
为什么要使用集群流控呢？假设我们希望给某个用户限制调用某个 API 的总 QPS 为 50，但机器数可能很多（比如有 100 台）。这时候我们很自然地就想到，找一个 server 来专门来统计总的调用量，其它的实例都与这台 server 通信来判断是否可以调用。这就是最基础的集群流控的方式。

另外集群流控还可以解决流量不均匀导致总体限流效果不佳的问题。假设集群中有 10 台机器，我们给每台机器设置单机限流阈值为 10 QPS，理想情况下整个集群的限流阈值就为 100 QPS。不过实际情况下流量到每台机器可能会不均匀，会导致总量没有到的情况下某些机器就开始限流。因此仅靠单机维度去限制的话会无法精确地限制总体流量。而集群流控可以精确地控制整个集群的调用总量，结合单机限流兜底，可以更好地发挥流量控制的效果

集群流控中共有两种身份：

Token Client：集群流控客户端，用于向所属 Token Server 通信请求token。集群限流服务端会返回给客户端结果，决定是否限流
Token Server：即集群流控服务端，处理来自 Token Client 的请求，根据配置的集群规则
判断是否应该发放 token（是否允许通过）

Sentinel 集群流控支持限流规则和热点规则两种规则，并支持两种形式的阈值计算方式：

集群总体模式：即限制整个集群内的某个资源的总体 qps 不超过此阈值
单机均摊模式：单机均摊模式下配置的阈值等同于单机能够承受的限额，token server 会根据连接数来计算总的阈值（比如独立模式下有 3个 client 连接到了 token server，然后配的单机均摊阈值为 10，则计算出的集群总量就为30），按照计算出的总的阈值来进行限制。这种方式根据当前的连接数实时计算总的阈值，对于机器经常进行变更的环境非常适合

启动方式

Sentinel 集群限流服务端有两种启动方式：

独立模式（Alone），即作为独立的 token server 进程启动，独立部署，隔离性好，但是需要额外的部署操作。独立模式适合作为 Global Rate Limiter 给集群提供流控服务
嵌入模式（Embedded），即作为内置的 token server 与服务在同一进程中启动。在此模式下，集群中各个实例都是对等的，token server 和 client 可以随时进行转变，因此无需单独部署，灵活性比较好。但是隔离性不佳，需要限制 token server 的总QPS，防止影响应用本身。嵌入模式适合某个应用集群内部的流控

云上版本 AHAS Sentinel 提供开箱即用的全自动托管集群流控能力，无需手动指定/分配 token server 以及管理连接状态，同时支持分钟小时级别流控、大流量低延时场景流控场景，同时支持 Istio/Envoy 场景的 Mesh 流控能力

扩展知识点

统一异常处理BlockException

自定义BlockException异常处理，可以针对不同的异常情况，响应不同的结果，当然你也可以不使用统一的异常处理，那就是需要在每一个方法中使用 @SentinelResource 注解定义异常处理方法。

package com.gitcode.demo.exception;
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.csp.sentinel.slots.system.SystemBlockException;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.http.MediaType;
import org.springframework.stereotype.Component;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import java.nio.charset.StandardCharsets;

/**
 * @version 1.0.0
 * @Date: 2023/4/25 20:32
 * @Copyright (C) ZhuYouBin
 * @Description: 统一异常处理【BlockException】
 */
@Component
public class CustomBlockExceptionHandler implements BlockExceptionHandler {

    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        // TODO 在这里就可以自定义返回响应数据
        String msg = "";
        if (e instanceof FlowException) {
            msg = "流控异常";
        } else if (e instanceof DegradeException) {
            msg = "服务降级异常";
        } else if (e instanceof ParamFlowException) {
            msg = "热点参数流控异常";
        } else if (e instanceof SystemBlockException) {
            msg = "触发系统保护规则异常";
        } else if (e instanceof AuthorityException) {
            msg = "授权规则不通过异常";
        }
        // 响应结果
        response.setStatus(500);
        response.setCharacterEncoding(StandardCharsets.UTF_8.toString());
        response.setContentType(MediaType.APPLICATION_JSON_VALUE);
        // 返回JSON数据
        new ObjectMapper().writeValue(response.getWriter(), msg);
    }

}

到此，Sentinel控制台配置相关规则就介绍完啦。

多云&秋雨

关注

13
点赞
踩
23

收藏

觉得还不错? 一键收藏
0
评论
Sentinel 控制台学习

Sentinel 系统自适应限流从整体维度对应用入口流量进行控制，结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS 和并发线程数等几个维度的监控指标，通过自适应的流控策略，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。从上图可以看到，快速失败方式下，会出现5个接口调用成功，5个接口调用失败，并且会有一个5秒钟的时间间隔（自己设置的时间间隔），排队等待就是利用这个时间间隔，处理处于等待中的请求，从而实现流控。
复制链接

扫一扫