如何理解Sentinel分布式系统限流降级框架-乐山大橙子建站

新闻中心

这里有您想知道的互联网营销解决方案

如何理解Sentinel分布式系统限流降级框架

这篇文章主要讲解了“如何理解Sentinel分布式系统限流降级框架”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“如何理解Sentinel分布式系统限流降级框架”吧！

创新互联专注于鹰潭网站建设服务及定制，我们拥有丰富的企业做网站经验。热诚为您提供鹰潭营销型网站建设，鹰潭网站制作、鹰潭网页设计、鹰潭网站官网定制、成都微信小程序服务，打造鹰潭网络公司原创品牌,更为您提供鹰潭网站排名全网营销落地服务。

（一）概述

在分布式系统中，许多服务之间通过远程调用实现信息交互，调用时难免会出现调用失败的情况，Sentinel能保证在一个服务出现问题的情况下，不会导致整体服务失败，防止服务雪崩，提高分布式系统的可用性。

常用的容错方式有：

1、超时：设置比较短的超时时间，如果调用不成功，在很短时间内就释放连接，避免大量线程堵塞等待。

2、限流：超过设置的阈值就拒绝请求。

3、断路器：保护服务过载，当有服务发生无法调用请求堆积时，能够及时切换该服务，防止整个服务的崩溃。

Sentinel的地位和SpringCloud中的Hystrix类似，Sentinel以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度保护服务的稳定性。

（二）SpringCloudAlibaba集成Sentinel

首先我们在sentinel的github官网上下载sentinel-dashboard-1.7.2.jar

然后通过jar命令启动起来，端口默认8080，直接ip+端口访问，这是sentinel的控制后台，账号密码都是sentinel

如何理解Sentinel分布式系统限流降级框架接着在项目中引入依赖


    com.alibaba.cloud
    spring-cloud-starter-alibaba-sentinel

在配置文件中，输入Sentinel的后台地址，地址和端口写自己的，端口默认8080

spring.cloud.sentinel.transport.dashboard=localhost:8080

启动后在Sentinel后台就可以看到这个应用

如何理解Sentinel分布式系统限流降级框架

sentinel控制台调用的API默认是http://ip:8719/api，在本地启动了引入sentinel依赖的项目启动后，默认在8719这个端口上会暴露一个api出来。

（三）sentinel的流控规则

写了一个简单的请求：

@RestController
public class TestController {
    @GetMapping("/test")
    public String test(){
        return "test";
    }
}

接下来通过这个请求去了解sentinel的流控规则，所谓流控规则，就是对请求的控制

如何理解Sentinel分布式系统限流降级框架

资源名：默认是请求的路径

针对来源：Sentinel可以针对调用者进行限流，填写微服务名，指定对哪个微服务进行限流，默认default(不区分来源，全部限制)

阈值类型：可选QPS和线程数，可以设置达到多少后执行流控策略

是否集群：你的环境是否是集群

流控模式：

1、直接：直接对该资源进行控制，比如上面的/test访问达到阈值，就限流

2、关联：当关联的资源达到阈值时，就限流自己。

如何理解Sentinel分布式系统限流降级框架看图，如果/test2访问达到阈值，就限流/test

3、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，就可以限流），这个链路的名称可以从簇点链路中获取。

如何理解Sentinel分布式系统限流降级框架

流控效果

1、快速失败：直接失败

2、Warm Up：预热模式，根据codeFactory的值（默认3），从阈值/codeFactory，经过预热时长，才达到设置的QPS阈值。比如设置QPS为90，设置预热为10秒，则最初的阈值为90/3=30，经过10秒后才达到90。

3、排队等待：比如设置阈值为10，超时时间为500毫秒，当第11个请求到的时候，不会直接报错，而是等待500毫秒，如果之后阈值还是超过10，则才会被限流。

设置完流控规则后，不停刷新去触发到阈值，看到出现了下面的提示：

如何理解Sentinel分布式系统限流降级框架

这样的提示不太友好，可以自定义限流后返回的数据信息，分别对应于五种限流异常：

public class MyBlockException implements BlockExceptionHandler {
    @Override
    public void handle(HttpServletRequest httpServletRequest, HttpServletResponse httpServletResponse, BlockException e) throws Exception {
        JSONObject object=new JSONObject();
        if (e instanceof FlowException){
            object.put("status","100");
            object.put("message","接口限流");
            object.put("data",null);
        }else if (e instanceof DegradeException){
            object.put("status","101");
            object.put("message","服务降级");
            object.put("data",null);
        }else if (e instanceof ParamFlowException){
            object.put("status","102");
            object.put("message","热点参数限流");
            object.put("data",null);
        }else if (e instanceof SystemBlockException){
            object.put("status","103");
            object.put("message","触发系统保护");
            object.put("data",null);
        }else if (e instanceof AuthorityException){
            object.put("status","104");
            object.put("message","授权规则不通过");
            object.put("data",null);
        }

        httpServletResponse.setStatus(500);
        httpServletResponse.setCharacterEncoding("utf-8");
        httpServletResponse.setContentType(MediaType.APPLICATION_JSON_VALUE);
        new ObjectMapper().writeValue(httpServletResponse.getWriter(),object);
    }
}

代码中定义了五种不同的

（四）sentinel的降级规则

降级规则指的是在应用高峰期，将个别的服务关闭，使得能够有更多地资源去处理重要的业务，比如双十一的时候，我们会发现支付宝的部分功能会被暂时关闭。

如何理解Sentinel分布式系统限流降级框架

RT模式：平均响应时间、当1S内持续进入N个请求，如果平均响应时间超过阈值，那么在接下来的时间窗口内，按降级逻辑进行处理（报一个DegradeException错误）。

异常比例：可以输入一个0.0~1.0的数字，表示出现异常的比例。如果一秒内超过这个比例，那么在接下来的时间窗口内，按降级逻辑进行处理。

异常数：指当资源近一分钟的异常数超过阈值之后会，那么在接下来的时间窗口内，按降级逻辑进行处理。

（五）sentinel的热点规则

所谓热点规则，就是对某些经常访问的数据（热点数据），对其访问进行限制，

比如以商品ID为参数，限制这个商品的访问次数。在代码中需要对要限制的请求进行埋点

@GetMapping("/test3")
@SentinelResource(value = "test3",blockHandler = "handHotKey")
public String test3(@RequestParam(value = "a",required = false)String a,
                    @RequestParam(value = "b",required = false)String b){
    return "test3"+a+b;
}

public String handHotKey(String a1, String a2, BlockException e){
    return "热点数据限流";
}

设置热点规则，这里的资源名就是@SentinelResource中所设置的value，参数索引的表示对第几个参数进行限流控制，阈值和窗口时长表示在1秒内如果有2个对参数0的请求，就限流。限流后会执行自己设置的blockHandler方法。

如何理解Sentinel分布式系统限流降级框架

高级设置中可以设置参数例外项，即根据设置参数的值进行限流：

如何理解Sentinel分布式系统限流降级框架

这样设置后，如果访问/test3?a=1，则按照下面的阈值进行控制。

（六）Sentinel的系统规则

通过监控系统的一些参数进行规则限流：如何理解Sentinel分布式系统限流降级框架

Load：这个参数只能在Linux或类Unix机器生效，将系统的1分钟的loadAverage作为指标，这个值一般设置为CPU核心数量*2.5。

RT：当单台机器上所有入口流量的平均RT达到阈值就触发系统保护，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就触发系统保护。

入口QPS：当单台机器上所有入口流量的QPS达到阈值就触发阈值就触发系统保护。

CPU使用率：当系统CPU使用率超过阈值就触发系统保护。

（七）Sentinel的授权规则

授权规则可以指定哪些请求可以访问哪些不能访问，首先来看如何配置：

如何理解Sentinel分布式系统限流降级框架

资源名就是请求名，流控应用中可以手动输入一些应用名，如果是白名单，则流控应用中设置的这些可以访问，如果是黑名单则流控应用中设置的不能访问。

接着需要在代码中去获取请求：

@Component
public class MyRequestOriginParser implements RequestOriginParser {
    @Override
    public String parseOrigin(HttpServletRequest httpServletRequest) {
        String origin=httpServletRequest.getParameter("origin");
        if (origin==null){
            throw new IllegalArgumentException("origin参数未指定");
        }
        return origin;

    }
}

通过设置后，所有请求必须带上参数origin=XXX，以上面的配置为例，只有origin=javayz的请求才能通过访问。如果不喜欢参数的方式，可以在代码中换成header传递，效果一样。

（八）Sentinel控制台与服务之间的通信原理

使用Sentinel需要引入引入sentinel依赖，其中sentinel-transport-simple-http依赖会将微服务注册到SentinelDashboard中。启动微服务之后，会在8719端口自动开放一系列api接口，我们也可以通过http://ip:8719/api访问到这些api接口，SentinelDashboard就是通过这些API与微服务之间进行通信。

这个8719端口可以在配置文件中修改：

spring.cloud.sentinel.transport.port=8719

（九）Sentinel的保护规则

默认情况下，我们代码中的所有GetMapping、PostMapping请求都会被Sentinel保护，也就是都会经过Sentinel的拦截器，但是也可以手动关闭这个拦截。

spring.cloud.sentinel.filter.enabled=false

这样的话sentinel就没法捕捉请求了。但是还是可以通过代码的方式使用Sentinel

@GetMapping("/test4")
public String test4(){
    ContextUtil.enter("test4","abc");
    Entry entry=null;
    try {
        entry= SphU.entry("test4");
        //业务代码
        return "业务处理结束";
    } catch (BlockException e) {
        e.printStackTrace();
        //一系列的异常处理。参考MyBlockException
        //.....
        return "触发限流";
    }catch (NullPointerException e){
        //对异常进行监控
        Tracer.trace(e);
        return "空指针异常";            
    }finally {
        if (entry!=null){
            entry.exit();
        }
        ContextUtil.exit();
    }
}

或者还可以使用注解方式加入埋点

@SentinelResource(value = "test3",blockHandler = "handHotKey")

这样配置后就增加了资源test3的拦截，如果触发限流策略，就会进入当前类的handHotKey方法，或者配置blockHandlerClass，就会进入blockHandlerClass所配置类中的handHotKey方法。

（十）RestTemplate整合Sentinel

首先需要在配置文件中开启对RestTemplate的支持，默认也是true

resttemplate.sentinel.enabled=true

接着在RestTemplate注入Bean的代码中增加一个Sentinel注解：

@SentinelRestTemplate(blockHandler = "fallback",blockHandlerClass = MyBlockHandlerClass.class)
@LoadBalanced //负载均衡
@Bean
public RestTemplate restTemplate(){
    return new RestTemplate();
}

调用的限流处理方法如下：

public class MyBlockHandlerClass {
    public static SentinelClientHttpResponse block(){
        return new SentinelClientHttpResponse("block info");
    }
}

（十一）Feign整合Sentinel

首先需要在配置文件中开启对Feign的支持，默认为false：

feign.sentinel.enabled=true

接在在@FeignClient注解中增加fallback的类：

@FeignClient(name = "nacos-discovery-provider",fallback = TestServiceFallback.class,configuration = FeignConfiguration.class)
public interface TestService {
    @GetMapping("/{name}")
    String index(@PathVariable("name") String string);
}

最后设置规则后就会触发fallback中对应的方法，具体实现
public class TestServiceFallback implements TestService{
    @Override
    public String index(String string) {
        return "fallback";
    }
}

（十二）Sentinel的持久化

默认模式：

在前面介绍Sentinel时，会发现每次重启微服务后Sentinel中的配置都会丢失，这是因为API将规则推送到了客户端的内存中，重启后就消失了。

Pull模式：

在Sentinel Dashboard中设置规则之后，推送给客户端后不仅保存在内存中，还会保存到本地文件中。Pull模式需要通过代码实现，这段代码可以直接拿去复用：

@Slf4j
public class FileDataSourceInit implements InitFunc {
    @Override
    public void init() throws Exception {

        String ruleDir=System.getProperty("user.home")+"/sentinel/rules";
        log.info(ruleDir);
        //限流规则路径
        String flowRulePath = ruleDir + "/flow-rule.json";
        //降级规则路径
        String degradeRulePath = ruleDir + "/degrade-rule.json";
        //热点规则路径
        String paramFlowRulePath = ruleDir+"/param-flow-rule.json";
        //系统规则路径
        String systemRulePath = ruleDir+"/system-rule.json";
        //权限规则路径
        String authorityRulePath=ruleDir+"/authority-rule.json";

        this.mkdirIfNotExists(ruleDir);
        this.createFileIfNotExists(flowRulePath);
        this.createFileIfNotExists(flowRulePath);
        this.createFileIfNotExists(flowRulePath);
        this.createFileIfNotExists(flowRulePath);
        this.createFileIfNotExists(flowRulePath);

        // 流控规则，可读取数据
        ReadableDataSource> flowRuleRDS=new FileRefreshableDataSource<>(
                flowRulePath,
                flowRuleListParser
        );
        //将可读数据源注入到FlowRuleManager,当文件发生变化时就会更新规则到缓存
        FlowRuleManager.register2Property(flowRuleRDS.getProperty());
        //流控规则：可写数据源
        WritableDataSource> flowRuleWDS=new FileWritableDataSource>(
                flowRulePath,
                this::encodeJson
        );
        WritableDataSourceRegistry.registerFlowDataSource(flowRuleWDS);

        //降级规则：可读数据源
        ReadableDataSource> degradeRuleRDS=new FileRefreshableDataSource<>(
                degradeRulePath,
                degradeRuleListParser
        );
        DegradeRuleManager.register2Property(degradeRuleRDS.getProperty());
        //降级规则：可写数据源
        WritableDataSource> degradeRuleWDS=new FileWritableDataSource>(
                flowRulePath,
                this::encodeJson
        );
        WritableDataSourceRegistry.registerDegradeDataSource(degradeRuleWDS);

        //热点参数：可读数据源
        ReadableDataSource> paramFlowRuleRDS=new FileRefreshableDataSource<>(
                paramFlowRulePath,
                paramFlowRuleListParser
        );
        ParamFlowRuleManager.register2Property(paramFlowRuleRDS.getProperty());
        //热点参数：可写数据源
        WritableDataSource> paramFlowRuleWDS=new FileWritableDataSource>(
                paramFlowRulePath,
                this::encodeJson
        );
        ModifyParamFlowRulesCommandHandler.setWritableDataSource(paramFlowRuleWDS);

        //系统规则：可读数据源
        ReadableDataSource> systemRuleRDS=new FileRefreshableDataSource<>(
                systemRulePath,
                systemRuleListParser
        );
        SystemRuleManager.register2Property(systemRuleRDS.getProperty());
        //系统规则：可写数据源
        WritableDataSource> systemRuleWDS=new FileWritableDataSource>(
                systemRulePath,
                this::encodeJson
        );
        WritableDataSourceRegistry.registerSystemDataSource(systemRuleWDS);

        //授权规则：可读数据源
        ReadableDataSource> authorityRuleRDS=new FileRefreshableDataSource<>(
                authorityRulePath,
                authorityRuleListParser
        );
        AuthorityRuleManager.register2Property(authorityRuleRDS.getProperty());
        WritableDataSource> authorityRuleWDS=new FileWritableDataSource>(
                authorityRulePath,
                this::encodeJson
        );
        WritableDataSourceRegistry.registerAuthorityDataSource(authorityRuleWDS);
    }

    private Converter> flowRuleListParser=source-> JSON.parseObject(
            source,
            new TypeReference>(){}
    );
    private Converter> degradeRuleListParser=source-> JSON.parseObject(
            source,
            new TypeReference>(){}
    );
    private Converter> systemRuleListParser=source-> JSON.parseObject(
            source,
            new TypeReference>(){}
    );
    private Converter> authorityRuleListParser=source-> JSON.parseObject(
            source,
            new TypeReference>(){}
    );
    private Converter> paramFlowRuleListParser=source-> JSON.parseObject(
            source,
            new TypeReference>(){}
    );


    private void mkdirIfNotExists(String filePath) {
        File file=new File(filePath);
        if (!file.exists()){
            file.mkdirs();
        }
    }

    private void createFileIfNotExists(String filePath) throws IOException {
        File file=new File(filePath);
        if (!file.exists()){
            file.createNewFile();
        }
    }

    private  String encodeJson(T t){
        return JSON.toJSONString(t);
    }
}

sentinel的数据持久化是通过SPI机制实现的，因此需要在resource下新建文件夹META-INF/services，然后新建一个文件com.alibaba.csp.sentinel.init.InitFunc

文件中写入上面这个类的全限定名：

如何理解Sentinel分布式系统限流降级框架

之后产生规则后就会在代码中设定的路径下产生json文件，重启后之前的配置也不会消失。

Push模式：客户端通过注册监听器的方式时刻监听变化，比如使用Nacos、Zookeeper等配置中心，这种方式保证了很好的实时性和一致性，生产环境中一般采用push模式。我们用Nacos实现

1、添加sentinel-datasource-nacos依赖


    com.alibaba.csp
    sentinel-datasource-nacos

2、配置持久化数据源

spring.cloud.sentinel.datasource.ds1.nacos.server-addr=192.168.78.128:8848
spring.cloud.sentinel.datasource.ds1.nacos.data-id=${spring.application.name}.json
spring.cloud.sentinel.datasource.ds1.nacos.group-id=DEFAULT_GROUP
spring.cloud.sentinel.datasource.ds1.nacos.data-type=json
spring.cloud.sentinel.datasource.ds1.nacos.rule-type=flow

3、在Nacos中手动添加配置文件,这里的配置文件取的就是和本地配置文件相同格式

如何理解Sentinel分布式系统限流降级框架

[
    {
        "clusterMode":false,
        "controlBehavior":0,
        "count":2,
        "grade":1,
        "limitApp":"default",
        "maxQueueingTimeMs":500,
        "resource":"/test",
        "strategy":0,
        "warmUpPeriodSec":10
    }
]

push模式目前还有缺点，Nacos修改配置文件后可同步到Sentinel，但是在Sentinel中修改配置后无法同步到Nacos，需要手动去同步数据。

感谢各位的阅读，以上就是“如何理解Sentinel分布式系统限流降级框架”的内容了，经过本文的学习后，相信大家对如何理解Sentinel分布式系统限流降级框架这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

网站栏目：如何理解Sentinel分布式系统限流降级框架
链接地址：http://lswzjz.com/article/ishidd.html

新闻中心

（一）概述

（二）SpringCloudAlibaba集成Sentinel

（三）sentinel的流控规则

（四）sentinel的降级规则

（五）sentinel的热点规则

（六）Sentinel的系统规则

（七）Sentinel的授权规则

（八）Sentinel控制台与服务之间的通信原理

（九）Sentinel的保护规则

（十）RestTemplate整合Sentinel

（十一）Feign整合Sentinel

（十二）Sentinel的持久化

其他资讯