sentinel 概述
官网：https://sentinelguard.io/zh-cn/docs/introduction.html
github：https://github.com/alibaba/Sentinel/wiki
简 介
sentinel是面向分布式服务的流量控制组件，以流量为切入点，进行流量控制、熔断降级、系统自适应保护等，保障系统的稳定性
基本概念
资源：如服务接口、方法、url等，资源根据设置的规则受sentinel保护
规则：针对资源设置的规则，包括限流规则、熔断降级规则、系统保护规则，规则可动态调整
sentinel 工作机制
定义资源，对资源进行实时统计、调用链路分析
根据预设规则，以及资源实时统计数据，对资源进行保护（限流、熔断降级、系统负载保护等）
sentinel dashboard可对系统进行实时监控
流量控制
# QPS流量控制：每秒请求数超过预设的阀值后，触发流量控制
直接拒绝：默认的流量控制措施，超过阀值后，直接拒绝新的请求
冷启动：系统请求长期处于低水位，当流量突然增加后，直接将系统拉升到该水位可能将系统压垮，
冷启动让流量缓慢增加值阀值，给系统预热时间，避免冷系统被压垮
匀速器：让系统匀速处理请求，类似于漏斗算法，主要用于处理间隔性突发流量，
某一时间突然收到大量请求，接下来处于空闲状态，可利用空闲时间继续处理请求，而不是直接拒绝请求
# 并发线程数流量控制：线程数超过阀值，拒绝请求
sentinel线程数限流不负责创建和管理线程池，而是简单统计当前请求上下文的线程个数，
如果超出阈值，新的请求会被立即拒绝
# 基于调用关系的流量控制
调用方限流：default（不区分调用者）、针对特定调用者（{some_origin_name}）、其他调用者（other）限流
同一个资源名可以配置多条规则，规则的生效顺序为：{some_origin_name} > other > default
调用链入口限流：一个资源有多个入口（entry、entry2），可选择只针对入口entry限流
关联流量控制：两个资源之间具有资源争抢或者依赖关系时，这两个资源便具有关联关系；
如两个资源分别对数据库的同一字段进行写操作，一个资源频繁进行写操作，
便会对另一资源的写操作产生影响，此时可考虑对频繁操作的资源进行限流
熔断降级
熔断降级：当调用链中的某个资源出现不稳定（响应超时、异常比例升高等），
此时需要让请求迅速失败，避免请求堆积，出现雪崩
# sentinel熔断降级
根据并发线程数降级：当线程数在特定资源上堆积到一定的数量之后，对该资源的新请求就会被拒绝，
堆积的线程完成任务后才开始继续接收请求
根据响应时间降级：当依赖的资源出现响应时间过长后，所有对该资源的访问都会被直接拒绝，
直到过了指定的时间窗口之后才重新恢复
系统负载保护
单机环境下，当系统负载较高时，如果还让请求进入，可能会导致系统崩溃；
集群环境下，会将请求分发到其他系统，此时如果其他系统负载也很高，最终可能会导致整个集群不可用；
# sentinel保护措施
sentinel会让系统流量和系统负载达到一个平衡，保证系统在能力范围内处理更多的请求
工作原理
NodelSelectorSlot：将资源之间的调用关系以树状结构存储，根据调用路径限流降级（同一个资源可以有多个调用路径）
ClusterBuilderSlot：存储资源的统计信息
# curl http://localhost:8719/origin?id=caller
id: nodeA
idx origin threadNum passedQps blockedQps totalQps aRt 1m-passed 1m-blocked 1m-total
1 caller1 0 0 0 0 0 0 0 0
2 caller2 0 0 0 0 0 0 0 0
origin：资源调用方
threadNum：线程数
passedQps：每秒通过的请求数
blockedQps：每秒阻塞的请求数
totalQps：每秒总的请求数
aRt：平均响应时间
1m-passed：1分钟通过的请求数
1m-bocked：1分钟阻塞的请求数
1m-total：1分钟总的请求数
StatisticSlot：采用高性能的滑动窗口数据结构（LeapArray）实时统计指标数据
FlowSlot：根据资源统计信息，按照对资源设置的规则限流
DegradeSlot：根据统计信息（响应时间、异常比例等），对资源进行熔断降级
SystemSlot：动态调整系统入口流量，使之与系统设计的容量平衡，只对入口流量有效，对出口流量无效
流量控制
************
集群流量控制
集群流控：限制单个用户对某个api的总调用次数为50次，该api在多个服务器上部署，此时可用一个server记录总的调用次数，其余服务处理请求前先与server通信，判断是否进行限流操作
集群流控可解决流量不均衡（总的流量没达到阀值，单机开始限流）导致总体限流效果不佳问题
集群限流客户端
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-cluster-client-default</artifactId>
<version>1.8.3</version>
</dependency># 通过api将当前模式置为客户端模式
http://<ip>:<port>/setClusterMode?mode=<xxx>
mode=0：当前服务设置为客户端
mode=1：当前服务设置为服务端
mode=-1：关闭集群模式
# 配置客户端（ClusterClientConfig），除使用api配置外，也可使用sentinel dashboard配置
http://<ip>:<port>/cluster/client/modifyConfig?data=<config>
说明：config为json格式的clusterClientConfig
public class ClusterClientConfig {
private Integer requestTimeout;
public ClusterClientConfig() {
}
# 如果客户端连接远程服务端（token server）失败、或者通信失败，触发以下规则：
集群热点限流默认直接通过
普通集群限流会退化到local模式的限流
# token client连接server失败重试
连接意外断开时，token client会不断进行重试，每次重试的间隔时间以n*2000ms的形式递增
集群限流服务端：独立模式、内嵌模式
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-cluster-server-default</artifactId>
<version>1.8.3</version>
</dependency>
# 集群限流服务端配置类型，可使用sentinel dashboard配置
namespace set：集群限流服务端服务的作用域（命名空间）
token client连接到token server会上报自己的命名空间（默认为project.name），
token server 会根据上报的命名空间名称统计连接数
transport config：通信相关配置，如server、port等
flow config：限流配置，如动窗口统计时长、格子数目、最大允许总QPS等 
************
网关流量控制
sentinel支持对zuul、gateway等网关应用进行限流
实现原理
# 网关流控规则处理
GatewayRuleManager加载网关流控规则（GatewayFlowRule），
无论是否针对请求属性进行限流，都会将网关流控规则转化为热点参数规则（ParamFlowRule）
转换时根据请求属性配置，为网关流控规则设置参数索引（idx）
如果规则不针对请求属性，就在参数最后一个位置置入预设的常量，达到普通流控的效果
将转换后的热点参数规则存储在GatewayRuleManager中，与正常的热点参数规则隔离
# 请求过滤：SentinelGatewayFilter
外部请求进入网关时会用SentinelGatewayFilter过滤，执行route id、api分组匹配；
# 请求属性处理：GatewayFlowRule、ParamFlowRule
根据配置的网关流控规则来解析请求属性（用于热点参数限流），依照参数索引顺序组装参数数组，最终传入SphU.entry(res, args)；
# 网关限流：GatewayFlowSlot
sentinel在slot chain中添加GatewayFlowSlot，从GatewayRuleManager提取网关限流规则，执行限流操作
************
热点参数限流
sentinel利用LRU策略统计热点参数，结合令牌桶算法来进行限流
# 热点数据限流：统计热点参数，根据配置的限流阈值与模式，对包含热点参数的资源进行限流
参数为商品id，统计一段时间内最常购买的商品ID并进行限制
参数为用户id，针对一段时间内频繁访问的用户ID进行限制
ParamFlowRule
public class ParamFlowRule extends AbstractRule {
private int grade = 1; //限流模式，默认为QPS
private Integer paramIdx; //热点参数的索引
private double count; //限流阈值
private int controlBehavior = 0; //流控效果：快速失败（默认）、匀速排队模式
private int maxQueueingTimeMs = 0; //最大排队等待时长（仅在匀速排队模式生效）
private int burstCount = 0; //应对突发流量额外允许的数量，默认为0
private long durationInSec = 1L; //统计窗口时间长度，默认为1s
private List<ParamFlowItem> paramFlowItemList = new ArrayList();
//额外参数选项，针对特定的参数单独限流，不受前面 count 阈值的限制
仅支持基本类型和字符串类型
private Map<Object, Integer> hotItems = new HashMap(); //额外参数
private boolean clusterMode = false; //是否是集群参数流控规则
private ParamFlowClusterConfig clusterConfig; //集群流控相关配置
public ParamFlowRule() {
}
************
来源访问控制
来源访问控制（黑白名单）：根据调用方（origin）限制请求是否通过
如果配置白名单：白名单内的请求来源可通过，其余请求来源不通过
如果配置黑名单：黑名单内的请求来源不可通过，其余请求来源可通过
参数配置项：
resource：资源名，即限流规则的作用对象
limitApp：对应的黑名单/白名单，多个值用逗号间隔，如appA,appB
strategy：限制模式，AUTHORITY_WHITE（白名单模式，默认）、AUTHORITY_BLACK（黑名单模式）
配置示例
# 对资源test的访问设置白名单，只有来源为appA和appB的请求才可通过
AuthorityRule rule = new AuthorityRule();
rule.setResource("test"); //访问的资源
rule.setStrategy(RuleConstant.AUTHORITY_WHITE); //配置白名单规则
rule.setLimitApp("appA,appB"); //请求来源origin
AuthorityRuleManager.loadRules(Collections.singletonList(rule));
熔断降级
熔断策略
# 慢调用比例：SLOW_REQUEST_RATIO，以慢调用比例作为阈值
慢调用：如果一个请求的响应时间需要大于设置的慢调用响应时间（RT），该请求统计为慢调用；
熔断触发：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，在熔断时长内自动触发熔断
熔断恢复：在熔断时长后，熔断器进入探测恢复状态（half-open状态），
如果接下来的请求响应时间 < 设置的慢调用响应时间，则结束熔断
如果接下来的请求响应时间 > 设置的慢调用响应时间，则继续在熔断时长内保持熔断
# 异常比例 ：ERROR_RATIO，以请求异常比例作为阀值，阈值范围是[0.0, 1.0]
异常请求：请求调用抛出异常，则该请求统计为异常请求
熔断触发：单位统计时长（statIntervalMs）内请求数目 > 设置的最小请求数目，
并且异常的比例 > 阈值，在熔断时长内自动被熔断
熔断恢复：在熔断时长后，熔断器进入探测恢复状态（HALF-OPEN 状态），
如果接下来的一个请求执行成功，则结束熔断；
如果请求执行失败，则继续在熔断时长内保持熔断
# 异常数：ERROR_COUNT，以异常请求数作为阀值
异常请求：请求调用抛出异常，则该请求统计为异常请求
熔断触发：单位统计时长（statIntervalMs）内异常请求 > 设置的异常请求数阀值，在熔断时长内自动被熔断
熔断恢复：在熔断时长后，熔断器进入探测恢复状态（HALF-OPEN 状态），
如果接下来的一个请求执行成功，则结束熔断；
如果请求执行失败，则继续在熔断时长内保持熔断说明：异常降级仅针对业务异常，不统计sentinel block异常
DegradeRule
public class DegradeRule extends AbstractRule {
private int grade = 0; //熔断策略，支持慢调用比例（默认）、异常比例、异常数策略
private double count; //限流阀值
private int timeWindow; //熔断时间窗口
private int minRequestAmount = 5; //最小请求数
private double slowRatioThreshold = 1.0D; //慢调用比例阈值
private int statIntervalMs = 1000; //统计时间窗口，默认1s
public DegradeRule() {
}
AbstractRule
public abstract class AbstractRule implements Rule {
private String resource; //限流资源
private String limitApp; //调用来源、default、other
public AbstractRule() {
}
系统自适应保护
系统系适应保护目的：在系统不被压垮的前提下，保持系统的吞吐量
系统保护规则对应用级别的入口流量进行控制，仅对入口流量有效，对出口流量不起作用
从系统的总体负载（load）、cpu使用率、响应时间（RT）、入口QPS、线程数监控应用数据
SystemRule
public class SystemRule extends AbstractRule {
private double highestSystemLoad = -1.0D; //系统最高负载
private double highestCpuUsage = -1.0D; //cpu最高使用率
private double qps = -1.0D; //每秒请求数
private long avgRt = -1L; //平均响应时间
private long maxThread = -1L; //最大线程数
public SystemRule() {
}
AbstractRule
public abstract class AbstractRule implements Rule {
private String resource; //限制的资源
private String limitApp; //特定的资源、default、other
public AbstractRule() {
}
507
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
