Sentinel 簡介
Sentinel 是阿里中間件團隊開源的，面向分佈式服務架構的高可用流量防護組件，主要以流量爲切入點，從限流、流量整形、熔斷降級、系統負載保護、熱點防護等多個維度來幫助開發者保障微服務的穩定性
Sentinel 提供了兩個服務組件：
- Sentinel 用來實現微服務系統中服務熔斷、降級等功能
- Sentinel Dashboard 用來監控微服務系統中流量調用等情況
限流算法
限流的方式有很多，常用的有計數器、漏桶和令牌桶等
1. 計數器
採用計數器是一種比較簡單的限流算法，一般會限制一秒鐘能夠通過的請求數。比如限流 QPS 爲 100，算法的實現思路就是從第一個請求進來開始計時，在接下來的 1 秒內每來一個請求就把計數加 1，如果累加的數字達到了 100，後續的請求就會被全部拒絕。等到 1 秒結束後，把計數恢復成 0，重新開始計數。如果在單位時間 1 秒內的前 10 毫秒處理了 100 個請求，那麼後面的 990 毫秒會請求拒絕所有的請求，我們把這種現象稱爲突刺現象
2. 漏桶算法
漏桶算法的思路很簡單，一個固定容量的漏桶按照常量固定速率流出水滴。如果桶是空的，就不需要流出水滴。我們可以按照任意速率流入水滴到漏桶。如果流入的水滴超出了桶的容量，流入的水滴就會溢出（被丟棄），而漏桶容量是不變的。漏桶算法提供了一種機制，通過它可以讓突發流量被整形，以便爲網絡提供穩定的流量
3. 令牌桶算法
令牌桶算法是比較常見的限流算法之一，可以使用它進行接口限流。令牌按固定的速率被放入令牌桶中，當桶裝滿時，新添加的令牌會被丟棄或拒絕。當請求到達時，將從桶中刪除 1 個令牌。令牌桶中的令牌不僅可以被移除，還可以往裏添加，所以爲了保證接口隨時有數據通過，必須不停地往桶裏加令牌。由此可見，往桶裏加令牌的速度決定了數據通過接口的速度。我們通過控制往令牌桶裏加令牌的速度來控制接口的流量
4. 漏桶算法和令牌桶算法的區別
- 漏桶算法是按照常量固定選率流出請求的，流入請求速率任意，當流入的請求數累積到漏桶容量時，新流入的請求被拒絕
- 令牌桶算法是按照固定速率往桶中添加令牌的，請求是否被處理需要看桶中的令牌是否足夠，當令牌數減爲零時，拒絕新的請求
- 令牌桶算法允許突發請求，只要有令牌就可以處理，允許一定程度的突發流量
- 漏桶算法限制的是常量流出速率，從而使突發流入速率平滑
Sentinel Dashboard
Sentinel 提供一個輕量級的開源控制檯，包含如下功能：
- 查看機器列表以及健康情況：收集 Sentinel 客戶端發送的心跳包，用於判斷機器是否在線
- 監控（單機和集羣）：通過 Sentinel 客戶端暴露的監控 API，定期拉取並且聚合應用監控信息，最終可以實現秒級的實時監控
- 規則管理和推送：統一管理推送規則
- 鑑權：在生產環境中，鑑權非常重要，這裏每個開發者需要根據自己的實際情況進行定製
從 GitHub 可以下載 Sentinel 安裝包：https://github.com/alibaba/Sentinel/
下載得到的是一個 jar 包（sentinel-dashboard-1.8.6.jar），可以直接通過 Java 命令啓動，如 java -jar 方式運行，默認端口爲 8080，通過 http://localhost:8080/ 訪問，用戶名和密碼默認是 sentinel
客戶端接入控制檯
引入依賴
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
配置文件配置如下：
spring:
cloud:
sentinel:
transport:
port: 18000 # 指定應用與sentinel控制檯交互的端口
dashboard: localhost:8080 # sentinel後臺地址
eager: true # 開啓sentinel,默認開啓
Sentinel 限流
Sentinel 流量控制的原理是監控應用流量的 QPS 或併發線程數等指標，當達到指定的閾值時對流量進行控制，以避免被瞬時的流量高峯沖垮，從而保障應用的高可用性
使用註解方式實現限流如下：
@Slf4j
@RestController
public class TestCon {
@GetMapping("/test/byResource")
@SentinelResource(value = "byResource", blockHandler = "handleException")
public void byResource() {
log.info("按資源名稱限流");
}
public void handleException(BlockException exception) {
log.error("觸發失敗回調方法", exception);
}
}
@SentinelResource 註解用於定義資源，可選屬性如下：
-
value：指定資源名稱
-
blockHandler / blockHandlerClass：指定處理 BlockExccption 異常函數名稱。函數要求必須是 public，返回類型與原方法必須一致，函數參數類型需要和原方法相匹配並在最後加 BlockException 類型的參數，函數默認和原方法在同一個類中。若希望使用其他類的函數可配置 blockHandlerClass，並指定 blockHandlerClass 裏面的方法，注意對應的函數必需爲 static 函數，否則無法解析
// TestCon.java @GetMapping("/test/byResource") @SentinelResource(value = "byResource", blockHandler="handleBolckForTest", blockHandlerClass={BlockHandlerClassTest}) public void byResource() { log.info("按資源名稱限流"); } // BlockHandlerClassTest.java public static String handleBolckForTest(String name,int age, BlockException exception){ xxxxx } -
fallback / fallbackClass：用於在拋出異常的時候提供 fallback 處理邏輯，可以針對所有類型的異常（除了 exceptionsToIgnore 裏面排除掉的異常類型）進行處理，返回值類型必須與原函數返回值類型一致，方法參數列表需要和原函數一致，或者可以額外多一個 Throwable 類型的參數用於接收對應的異常，fallback 函數默認需要和原方法在同一個類中，若希望使用其他類的函數，則可以指定 fallbackClass 爲對應的類的 Class 對象，注意對應的函數必需爲 static 函數，否則無法解析
在 Sentinel 控制檯的流控規則中，新增流控規則，如圖：
- 資源名：需要和
@SentineResource註解的 value 屬性值保持一致 - 針對來源：默認 default，表示對所有來源進行限流，有時候我們會希望根據上級微服務或者請求來源進行限流，可以根據自身的需求進行相應的配置
- 閾值類型：Sentinel 限流策略有兩種統計類型，一種是統計併發線程數，另一種是統計 QPS
- 當 QPS 超過某個閾值的時候，採取措施進行流量控制，包括：
- 直接拒絕：默認的流量控制方式，當 QPS 超過任意規則的閾值，新的請求會被立即拒絕並拋出 FlowExccption
- Warm Up：預熱/冷啓動方式，在系統長期處於低水位的情況下，當流量突然增加時，直接把系統拉昇到高水位可能瞬間把系統壓垮，通過冷啓動讓通過的流量緩慢增加，在一定時間內逐漸增加到閾值上限，給冷系統一個預熱的時間，避免冷系統被壓垮
- 勻速排隊：嚴格控制請求通過的間隔時間，即讓請求以均勻的速度通過，對應的是漏桶算法
- 當 QPS 超過某個閾值的時候，採取措施進行流量控制，包括：
- 流控模式：
- 直接：接口達到限流條件時，開啓限流
- 關聯：當指定接口關聯的接口達到限流條件時，開啓對指定接口開啓限流，舉例：設置關聯資源爲 byResource2，那麼當 byResource2 達到限流條件時，byResource 將不可用
- 鏈路：當從某個接口過來的資源達到限流條件時，開啓限流，舉例：有兩個接口 getResource1 和 getResource2 能調用 byResource 資源，如果設置了 getResource1 並達到限流條件，那麼將無法再通過 getResource1 調用 byResource，而 getResource2 不受影響