文章目录

1、簇点链路
2、流控入门案例
3、流控模式：关联模式
4、流控模式：链路模式
[5、流控效果：warm up](#5、流控效果：warm up)
6、限流效果：排队等待
7、热点参数限流

1、簇点链路

簇点链路就是项目内的调用链路（controller -> servcie -> mapper ），链路中被监控的每个接口就是一个资源。

默认情况下sentinel会监控SpringMVC的每一个端点（Endpoint），Endpoint可以理解为controller中的每一个方法，每一个端点（Endpoint）就是调用链路中的一个资源。
流控、熔断等都是针对簇点链路中的资源来设置的。

点击流控，可以新增流控规则：

QPS为1，即每秒只允许1次请求，超出的请求会被拦截并报错。

2、流控入门案例

bash 复制代码

需求：给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5。然后利用jemeter测试。

点击流控，设置QPS

打开Jemter，添加测试计划，右键start

查看结果树，可以看到确实每秒最多5个请求

查看sentinel控制台

3、流控模式：关联模式

在添加限流规则时，点击高级选项，可以选择三种流控模式：

直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式（入门案例里的效果）
关联：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流

流控模式：关联

关联模式的使用场景如：比如用户支付时需要修改订单状态，同时用户要查询订单。但查询和修改操作会争抢数据库锁，二者为竞争关系。

很明显，我需要优先满足支付，即修改订单状态优先级更高，因此当修改订单业务触发阈值时，需要对查询订单业务限流。直白讲就是，二者竞争，超过阈值时，优先级低的被限流，避免影响优先级高的。

当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。关联资源是优先级高的，在优先级低的上面添加限流规则！

bash 复制代码

需求：
- 在OrderController新建两个端点：/order/query和/order/update，无需实现业务
- 配置流控规则，当/order/ update资源被访问的QPS超过5时，对/order/query请求限流

写两个测试接口资源

java 复制代码

@GetMapping("/order/query")
public String queryOrder(){
	return "查询订单成功";
}

bash 复制代码

@GetMappinng("/order/update")
public String updateOrder(){
	return "更新订单成功";
}

很明显，query资源优先级低，在它上面添加流控规则

jmeter模拟请求/order/update,QPS设置10，按图中设置，这100秒内，update的QPS均大于阈值5

访问/order/query，可以看到已被限流

但/order/update资源却不被限制

对关联模式做个总结就是;

4、流控模式：链路模式

只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值

例如有两条请求链路：

/test1 到 /common
/test2 到 /common

如果只希望统计从/test2进入到/common的请求，则可以这样配置：

bash 复制代码

需求：
- 有查询订单和创建订单业务，两者都需要查询商品。
- 针对从查询订单进入到查询商品的请求统计，并设置限流，QPS<2。

访问资源"查询商品方法"，以上就有两条链路：

入口1：查询订单/order/query--->查询商品queryGoods
入口2：创建订单/order/save ---> 查询商品queryGoods

这里需要对queryGoods添加链路模式限流，从/order/query进入queryGoods方法的QPS限制必须小于2.

但注意默认只有controller中的方法会被监控，Service层的queryGoods方法没有被监控，也就不能配置限流规则，要标记其它方法，需要利用@SentinelResource注解：

java 复制代码

@SentinelResource("goods")
public void queryGoods() {   
	System.err.println("查询商品");
}

此外：Sentinel默认会将Controller方法做context整合，认为是由同一个根链路发展来的子链路，从而导致链路模式的流控失效，因此需要修改application.yml，添加配置：

yaml 复制代码

spring:
  cloud:    
   sentinel:      
     web-context-unify: false # 关闭context整合

接口与方法资源代码展示

java 复制代码

public class OrderService{

	@SentinelResource("goods")
	public void queryGoods(){
		System.out.println("查询商品");
	}
	
}

java 复制代码

@Resource
private OrderService orderService;


@GetMapping("/order/query")
public String queryOrder(){
	orderService.queryGoods();  //查商品，形成一个链路
	System.out.println("查询订单");
	return "查询订单成功";	
}

@GetMapping("/order/save")
public String saveOrder(){
	orderService.queryGoods(); //查商品，形成一个链路
	System.out.println("新增订单");
	return "新增订单成功";	

}

访问下save和query接口，查看sentinel簇点链路：

两个goods都一样，随便选一个点击新增流控按钮

打开Jmeter做测试，QPS我设为200/50 = 4 > 2，发送query和save请求：

可以看到save不受影响：

但query的链路我设置了限流，可以看到每秒总有4-2=2个请求失败：

关于流控模式的总结：

5、流控效果：warm up

流控效果是指请求达到流控阈值时应该采取的措施，包括三种：

快速失败：达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
排队等待：让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长

就像剧烈运动前慢跑热身一样，服务器刚启动时，不能直接打满到最大QPS，这就是warm up的限流效果：

warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 threshold / coldFactor，前者为最大QPS，后者为冷启动因子。持续指定时长后，逐渐提高到threshold值。而coldFactor的默认值是3.

例如，我设置QPS的threshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10.

java 复制代码

需求：
- 给/order/{orderId}这个资源设置限流，最大QPS为10。
- 利用warm up效果，预热时长为5秒

添加流控规则：

Jmeter设置QPS为10，start发起请求：

可以看到刚开始，10个请求只成功3个：

随着时间的推移，达到10，则全部请求都能成功：

查看监控面板：

6、限流效果：排队等待

当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。而排队等待则是让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。当预期等待时长超过timeout时间，则请求才会被拒绝。

假设QPS=5，即每200ms处理一个请求，比如设置timeout=2000。如上图，预计等待时间线上排队着一个个请求，最后一个绿点的预计等待时间刚好为2000ms == timeout，此时再来一个需求，预计等待时间就大于了timeout，这个需求就会被拒绝。

这种限流效果，其实起到了一个流量整形的效果，不管client来的需求每秒有多少个，进入队列后再出来，就都是一秒QPS个：

bash 复制代码

需求：
给/order/{orderId}这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s

新增流控规则

Jmeter中设置QPS为15，如果是前两种限流效果，则每秒的15个请求中，成功10个，失败5个。按排队的限流效果，应该是刚开始多出的5个不会失败

查看监控面板，可以看到每秒10个请求，且多出来的5个不是全部拒绝，而是排队时间预计超过5s的才拒绝

流控效果小结：

7、热点参数限流

之前的限流是统计所有请求，然后判断QPS是否超过阈值，如下图，即QPS为4：

而热点参数限流则是分别统计参数值相同的请求，然后判断是否超过阈值。

配置示例为：

含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5

但此时有个问题，比如商品001没人看，商品002火爆，现在限制商品id相同的请求，每秒不能大于5个，则001，002都没一竿子打死了，001的QPS用不完，002的QPS不够用。针对这种场景，可以对部分参数设置例外配置：

这个配置的含义就是：对0号的long类型参数限流，每1秒相同参数的QPS不能超过5。但如果参数值为100或者101，则可以例外：

如果参数值是100，则每1秒允许的QPS为10
如果参数值是101，则每1秒允许的QPS为15

bash 复制代码

需求：

- 给/order/{orderId}这个资源添加热点参数限流，规则如下：
- 默认的热点参数规则是每1秒请求量不超过2
- 给102这个参数设置例外：每1秒请求量不超过4
- 给103这个参数设置例外：每1秒请求量不超过10

就是说，添加热点参数限流，我们之前的controller中的那一个个方法，热点限流不再认识，需要额外加@SentinelSource注解。

修改代码，添加@SentinelSource注解

java 复制代码

@SentinelSource("hot") //此时，这个资源（方法）就有两个名字了，之前的/order/{orderID}和hot
@GetMapping("{orderId}")
public Oeder queryOrderByUserId(@PathVariable("orderId") Long orderId){

	return orderService.queryOrderById(orderId);
}

重启服务，可以看到簇点链路中多了一个hot（别直接在后面点击【+热点】来配置，这里没高级选项）

切到热点规则侧边栏，新增热点限流规则

使用Jmeter模拟并发，QPS设置为500/100 = 5，三个取样器中分别请求101、102、103三个orderId

查看Jmeter结果树或者Sentinel的监控面板

最后，这个热点限流是根据传参来进行更细粒度的限流，且传参只支持基本数据类型。要是没有这种细粒度需求，走前面的正常限流模式 + 限流效果即可。

Sentinel限流--流控模式与限流效果

文章目录

1、簇点链路

2、流控入门案例

3、流控模式：关联模式

4、流控模式：链路模式

5、流控效果：warm up

6、限流效果：排队等待

7、热点参数限流