31.Sentinel

概念回顾

熔断：A服务调用B服务的某个功能，由于网络不稳定等原因，或者B服务器卡顿，导致功能时间超长，如果如此反复的次数太多，我们就可以将B断路，凡是调用B的直接返回降级数据，不必等待B的超长执行，这样B故障的问题就不会级联影响到A

降级：整个网站处于流量高峰期，服务器压力剧增，根据当前业务情况以及流量，对一些服务和页面进行有策略的降级【停止服务直接返回降级数据】。以此来缓解服务器资源的压力，来保证核心业务的正常运行，同时也保持了客户 和大部分用户得到正确的响应

相同点：

• 为了保证集群大部分服务的可用性和可靠性，防止崩溃
• 用户最终的体验都是某个功能不可用

不同点：

• 熔断是被调用方故障，触发的系统主动服务
• 降级是基于全局考虑，停止一些正常的服务，释放资源，是主动的手段

限流：对打入服务的请求流量进行控制，使得服务能承担不超过自己能力的流量压力

Sentinel简介

Hystrix和Sentinel

功能	Hystrix	Sentinel
隔离策略	信号量隔离（并发线程数限流）	线程池隔离/信号量隔离（后来加的）
熔断降级策略	基于响应时间,异常比率，异常数	基于异常比率
实时统计实现	滑动窗口(LeapArray)	滑动窗口(基于RxJava)
动态规则配置	支持多种数据源	支持多种数据源
扩展性	多个扩展点	插件形式
基于注解的支持	yes	yes
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	支持预热模式，匀速器模式，预热排队模式	不支持
系统自适应保护	支持	不支持
控制台	可配置规则，查看秒级健康，机器发现等	简单的监控查看

如何使用：

1.定义资源

2.指定规则

3.检验规则是否生效

springBoot整合--我这里因为2.3.7版本过高导致整合失败了，所以没有整合在大项目里

common模块导入依赖

<!-- 可以把他配置到common中-->
<!--sentinel和actuator用于流量监控和统计-->
<dependency><!--流量监控-->
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
<dependency><!--流量统计-->
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>

查看核心包版本根据版本下载控制台

使用如下命令打开这个项目

java -jar sentinel-dashboard-1.8.1.jar --server.port=8333

账号密码默认都是sentinel

配置控制台信息（在所有要使用sentinel的服务yml文件配置）

# 3项sentinel配置
# sentinel控制台地址
spring.cloud.sentinel.transport.dashboard=localhost:8333
spring.cloud.sentinel.transport.port=8719
# 暴露所有监控端点，使得sentinel可以实时监控
management.endpoints.web.exposure.include=*

可以通过dashBoard的流控规则来控制，但是这个没有持久化，重启之后会消失

新增完成之后可以在流控规则里查看

 持续请求发现会直接报错不会调用该方法

自定义流控响应

添加依赖

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
        </dependency>

添加之后已经可以看到实时监控信息了

 

自定义返回形式，新版本是实现BlockExceptionHandler这个接口

@Component
public class MyConfig implements BlockExceptionHandler {

    @Override
    public void handle(HttpServletRequest httpServletRequest, HttpServletResponse httpServletResponse, BlockException e) throws Exception {
        httpServletResponse.setCharacterEncoding("UTF-8");
        httpServletResponse.setContentType("application/json");
        httpServletResponse.getWriter().write(JSON.toJSONString("服务器流量错误:9999"));
    }
}

 

sentinel流量规则解释

    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/单机值：
        QPS（每秒钟的请求数量）：当调用该api就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

    单机/均摊阈值：和下面的选项有关

    集群阈值模式：
        单机均摊：前面设置的阈值是每台机器的阈值
        总体阈值：前面设置的阈值是集群总体的阈值

    流控模式：
        直接：api达到限流条件时，直接限流。分为QPS和线程数
        关联：当关联的资到阈值时，就限流自己。别人惹事，自己买单。当两个资源之间具有资源争抢或者依赖关系的时候，这两个资源便具有了关联。，举例来说，read_db 和 write_db 这两个资源分别代表数据库读写，我们可以给 read_db 设置限流规则来达到写优先的目的：设置 strategy 为 RuleConstant.STRATEGY_RELATE 同时设置 refResource 为 write_db。这样当写库操作过于频繁时，读数据的请求会被限流。
        链路：只记录指定链路上的流量（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】

    流控效果：
        快速失败：直接拒绝。当QPS超过任意规则的阈值后，新的请求就会被立即拒绝，拒绝方式为抛出FlowException
        warm up：若干秒后才能达到阈值。当系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。通过"冷启动"，让通过的流量缓慢增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮
        排队等待：让请求以均匀的速度通过

熔断降级

 使用sentinel来保护feign的远程调用

开启调用方的sentinel功能

指定远程调用的fallback

@FeignClient(value = "gulimall-product",fallback = FallBackTest.class)
public interface TestFeign {
    @GetMapping("/hellogulimall")
    String hello();
}

 fallback类

@Component//需要加入到容器中，因为是使用对象来调用的
public class FallBackTest implements TestFeign {

    @Override
    public String hello() {
        return "远程调用失败了，这是我自定义的熔断保护错误";
    }
}

在gulimall模拟失败

@ResponseBody
    @GetMapping("/hellogulimall")
    public String hello2() throws InterruptedException {
        Thread.sleep(5000);
        return "hellogulimall";
    }

 测试结果

 可以在调用方手动指定降级策略，服务降级后也会调用我们的熔断方法

1 DEGRADE_GRADE_RT, 基于响应时间的熔断降级

2 DEGRADE_GRADE_EXCEPTION_RATIO, 基于异常比例的熔断降级策略

3 DEGRADE_GRADE_EXCEPTION_COUNT, 基于异常数的熔断降级策略

 超大浏览的时候，必须牺牲一些远程服务，在服务的提供方也可以指定降级策略，提供方是在运行，但是不运行自己的业务逻辑，返回的是默认的熔断数据

自定义受到保护的资源

 @GetMapping("/feign")
    public String test2(){
        System.out.println("执行了正常方法");
        String hello="";
        try(Entry entry= SphU.entry("helloSource")){
             hello = testFeign.hello();
        }catch (BlockException e){
            System.out.println("资源限流异常");
        }

        return hello;
    }

对souce可以采用自己的规则

更快捷的方法是基于注解

    @SentinelResource(value="getFeignResource")
    @GetMapping("/feign")
    public String test2() {
        System.out.println("执行了正常方法");
        String hello = "";
        hello = testFeign.hello();
        return hello;
    }

默认限流后会抛一个异常

并且可以使用blockHandler来调用指定限流回调方法

    @SentinelResource(value="getFeignResource",blockHandler = "blockHandler")
    @GetMapping("/feign")
    public String test2() {
        System.out.println("执行了正常方法");
        String hello = "";
        hello = testFeign.hello();
        return hello;
    }
    //返回值必须一样，参数可以使用BlockException
    public String blockHandler(BlockException e) {
        System.out.println("限流方法被执行");
        return "限流方法被执行";
    }

可以增加fallback参数

blockHandler会在原方法被限流、降级、系统保护的时候调用，fallback函数会针对所有类型的异常

 

Sentinel网关流控

引入依赖即可

<!-- 引入sentinel网关限流 -->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-alibaba-sentinel-gateway</artifactId>
    <version>2.1.0.RELEASE</version>
</dependency>

相当于在网关层可以控制所有请求的流量和降级

 同时也可以指定请求头等，如果不带这个请求头就不受控制

 网关定制回调返回

Sleuth+Zipkin服务链路追踪

微服务架构是一个分布式架构，它按照业务划分单元，由于服务单元数量众多，如果出现了错误和异常往往很难去定位。主要体现在，一个请求可能会调用很多个服务。所以微服务架构必须实现分布式链路追踪，去跟进一个请求到底有哪些服务参与。

span：跨度，基本的工作单元，发送一个远程调度任务就会产生一个span

trace：跟踪，一系列span组成的一个树状结构，请求一个微服务系统的api接口，这个api接口需要调用多个微服务，调用每个微服务都会产生一个新的span，所有由这个请求产生的span组成了这个trace

annotation：标注，用来及时记录一个事件的，一些核心注解用来定义一个请求的开始和结束。这些注解包括以下：

• cs-Client Sent --客户端发送一个请求，这个注解描述了这个span的开始
• sr-Server Received --服务端获得请求并准备开始处理它，如果将其sr减去cs时间戳就可以获得网络传输的时间
• ss-Server Sent 服务端发送响应 -该注解表面请求处理的完成（当请求返回客户端），如果ss减去sr时间戳就可以获得服务器请求的时间
• cr-Client Received 客户端接受响应-此时span结束，如果cr时间戳减去cs时间戳就可以获得整个请求消耗的时间

 整合步骤

1.引入sleuth依赖

        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-sleuth</artifactId>
        </dependency>

如果不使用可视化操作，可以开启debug的日志打印

logging.level.org.springframework.cloud.openfeign=debug
logging.level.org.springframework.cloud.sleuth=debug

docker安装zipkin服务器进行可视化操作

docker run -d 9411:9411 openzipkin/zipkin

导入依赖

 添加配置

持久化方式

界面分析