Spring Cloud Alibaba Sentinel

Sentinel是一个针对分布式服务的流量治理工具,提供流量控制、熔断降级等功能,通过管理资源调用关系、运行指标和控制效果来保障微服务稳定性。文章介绍了控制台的使用、服务降级、熔断规则等内容。
摘要由CSDN通过智能技术生成

官网文档地址:http://sentinelguard.io/zh-cn/

GitHub文档地址:https://github.com/alibaba/Sentinel/wiki

Sentinel是面向分布式、多语言异构化服务架构的流量治理组件,主要以流量为切入点,从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。

Sentinel是分布式系统的防御系统。

任意时间到来的请求往往是随机不可控的,而系统的处理能力是有限的。我们需要根据系统的处理能力对流量进行控制。Sentinel作为一个调配器,可以根据需要把随机的请求调整成合适的形状,如下图所示:

流量控制有以下几个角度:

  • 资源的调用关系,例如资源的调用链路,资源和资源之间的关系;
  • 运行指标,例如 QPS、线程池、系统负载等;
  • 控制的效果,例如直接限流、冷启动、排队等。

熔断降级

除了流量控制以外,降低调用链路中的不稳定资源也是Sentinel的使命之一。由于调用关系的复杂性,如果调用链路中的某个资源出现了不稳定,最终会导致请求发生堆积。这个问题和Hystrix里面描述的问题是一样的。 

Sentinel和Hystrix的原则是一致的:当调用链路中某个资源出现不稳定。例如,表现为timeout,异常比例升高的时候,则对这个资源的调用进行限制,并让请求快速失败,避免影响到其它的资源,最终产生雪崩的效果。

一、Sentinel控制台

Sentinel控制台是可以提供对Sentinel主机的发现及健康管理、动态配置服务流控、熔断、路由规则的配置与管理。

1.1 下载控制台

下载时要先查清楚当前的Spring Cloud Alibaba版本兼容的是哪个Sentinel版本,然后再下载相应Sentinel版本的控制台。

查看对应版本:版本说明 · alibaba/spring-cloud-alibaba Wiki · GitHub

Sentinel Dashboard官网:Releases · alibaba/Sentinel · GitHub

下载相应Sentinel版本的控制台。

1.2 启动控制台

启动Sentinel控制台需要JDK版本为1.8及以上版本。在Sentinel控制jar包所在目录中打开cmd窗口,执行启动命令。

java -Dserver.port=8888 ^
-Dcsp.sentinel.dashboard.server=localhost:8888 ^
-Dproject.name=sentinel-dashboard ^
-jar sentinel-dashboard-1.8.6.jar

-Dserver.port=8888用于指定Sentinel控制台端口为8888

Ctrl + C可以结束进程

1.3 访问控制台

从Sentinel 1.6.0起,Sentinel控制台引入基本的登录功能,默认用户名和密码都是sentinel。

1.4 修改账号密码

java -Dserver.port=8888 ^
-Dsentinel.dashboard.auth.username=sentinel ^ // 修改用户名
-Dsentinel.dashboard.auth.password=111 ^ // 修改密码
-jar sentinel-dashboard-1.8.6.jar

二、服务降级

Sentinel中服务降级-CSDN博客

三、熔断规则

暂无

四、自定义异常处理器

暂无

五、流控规则

暂无

六、来源流控

暂无

七、授权规则

暂无

八、热点规则

暂无

九、系统规则

暂无

十、网关流控

暂无

十一、规则持久化

暂无

十二、集群流控

暂无

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值