springcloud alibaba-Sentinel

文章目录

• 一.前置知识
• • 1.雪崩问题
  • 2.服务保护技术对比
• 二.Sentinel
• 三.微服务整合Sentinel
• • 1.限流规则
  • • 1.流控模式
    • 2.流控效果
    • 热点参数限流(更细粒度的限流方式)
  • 2.隔离和降级
  • • Feign整合Sentinel
    • 1.线程隔离
    • 2.熔断降级
  • 3.授权规则
  • 4.规则持久化

---

一.前置知识

1.雪崩问题

设想一下以下场景:

服务A需要调用服务D实现某种功能,但服务D因为某种原因宕机了,导致请求服务A实现调用服务D的请求结果一直得不到响应,服务A中等待的线程数越积越多,从而超出Tomcat服务器所能承受的线程数,导致了服务A也宕机了,这种情况也会导致后面请求服务A的服务宕机,从而导致整个微服务不可用。

总而言之:微服务调用链路中的某个服务故障，引起整个链路中的所有微服务都不可用，这就是雪崩。

那么该如何解决雪崩问题呢?

解决雪崩问题的常见方式有四种：

1.超时处理：设定超时时间，请求超过一定时间没有响应就返回错误信息，不会无休止等待

2.舱壁模式：限定每个业务能使用的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。

3.熔断降级：由断路器统计业务执行的异常比例，如果超出阈值则会熔断该业务，拦截访问该业务的一切请求。

4.流量控制：限制业务访问的QPS(每秒查询率)，避免服务因流量的突增而故障。

2.服务保护技术对比

二.Sentinel

Sentinel是阿里巴巴开源的一款微服务流量控制组件。

官网地址：https://sentinelguard.io/zh-cn/index.html

Sentinel 具有以下特征:

• 丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。

• 完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接入应用的单台机器秒级数据，甚至 500 台以下规模的集群的汇总运行情况。

• 广泛的开源生态：Sentinel 提供开箱即用的与其它开源框架/库的整合模块，例如与 Spring Cloud、Dubbo、gRPC 的整合。您只需要引入相应的依赖并进行简单的配置即可快速地接入 Sentinel。

• 完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。

---

安装Sentinel控制台:

github下载jar包: https://github.com/alibaba/Sentinel/releases

在无中文目录下使用java -jar启动服务即可

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

三.微服务整合Sentinel

1.引入sentinel依赖：

		<!--sentinel-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>

2.配置控制台地址：

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

3.访问微服务的任意端点，触发sentinel监控(即访问任意Controller下的Restful接口即可)

1.限流规则

簇点链路

簇点链路：就是项目内的调用链路，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），因此SpringMVC的每一个端点（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，因此我们可以点击对应资源后面的按钮来设置规则：

点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：

其含义是限制 /order/{orderId}这个资源的单机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。

---

1.流控模式

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

• 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

1.流控模式-关联

关联模式：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

使用场景：比如用户支付时需要修改订单状态，同时用户要查询订单。查询和修改操作会争抢数据库锁，产生竞争。业务需求是有限支付和更新订单的业务，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。

图片解释:当write到达单机阈值后,对read做限流(对哪个端点做限流就在哪个端点添加限流规则)

总结:满足下面条件可以使用关联模式：

• 两个有竞争关系的资源
• 一个优先级较高，一个优先级较低

2.流控模式-链路

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/common和/test2/common

如果只希望从/test2进入到/common的请求做限流，则可以这样配置：

需要注意的是,如果两个服务调用同一个业务接口,需要对业务接口添加资源即使其成为簇点链路

Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法，需要利用@SentinelResource注解，示例：

Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.yml，添加配置：

添加配置后,可以看到链路不基于一个根(sentinel_spring_web_context)了:

2.流控效果

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

---

流控效果-warm up

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，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.

流控效果-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。后来的请求必须等待前面执行完成，如果请求预期的等待时间超出最大时长，则会被拒绝。

例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常

热点参数限流(更细粒度的限流方式)

之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。

在热点参数限流的高级选项中，可以对部分参数设置例外配置：

结合上一个配置，这里的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例外：

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

注意:需要使用@SentinelResource注解添加方法为资源

2.隔离和降级

隔离和降级

虽然限流可以尽量避免因高并发而引起的服务故障，但服务还会因为其它原因而故障。而要将这些故障控制在一定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级手段了。

不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。

SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。

Feign整合Sentinel

1.修改OrderService的application.yml文件，开启Feign的Sentinel功能

feign:
  sentinel:
    enabled: true #开启Feign的Sentinel功能

2.给FeignClient编写失败后的降级逻辑

• 方式一：FallbackClass，无法对远程调用的异常做处理
• 方式二(推荐)：FallbackFactory，可以对远程调用的异常做处理

步骤二具体实现方法:

在feing-api项目中定义类，实现FallbackFactory：

@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
    @Override
    public UserClient create(Throwable throwable) {
        return id -> {
            log.error("查询用户失败", throwable);
            return new User();
        };
    }
}

在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：

@Bean
    public UserClientFallbackFactory userClientFallback(){return new UserClientFallbackFactory();}

在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：

@FeignClient(value = "userservice",fallbackFactory = UserClientFallbackFactory.class)

1.线程隔离

线程隔离有两种方式实现：

1.线程池隔离

在线程隔离中,采用的是创建多个有限容量的线程池,当有服务访问时使用线程池里面的线程,当出现服务宕机时,线程会被占用,从而导致线程池无可用资源(线程),从而进行隔离

2.信号量隔离（Sentinel默认采用）

在信号量隔离中,采用的是创建一个计数器,当有请求访问服务时,计数器使固定的信号量减一,当服务出现宕机,因为线程被阻塞不能归还信号量,导致信号量值逐渐减为空,请求无法继续访问服务,从而实现隔离

信号量隔离和线程池隔离的对比:

高扇出:一个服务依赖于多个服务,低扇出则反之

---

sentinel默认实现的是信号量隔离

在实现了sentinel整合feign后,sentinel可以监控资源feign中的UserClient中的Restful API,如下图所示:

点击流控,设置舱壁模式

在添加限流规则时，可以选择两种阈值类型：

QPS：每秒的请求数

线程数：是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现舱壁模式。

2.熔断降级

熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例，如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求；而当服务恢复时，断路器会放行访问该服务的请求。

断路器熔断策略有三种：慢调用、异常比例、异常数

1.熔断策略-慢调用

慢调用：业务的响应时长（RT）大于指定时长的请求认定为慢调用请求。在指定时间内，如果请求数量超过设定的最小数量，慢调用比例大于设定的阈值，则触发熔断。例如：

解读：RT超过500ms的调用是慢调用，统计最近10000ms内的请求，如果请求量超过10次，并且慢调用比例不低于0.5，则触发熔断，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。

2.熔断策略-异常比例、异常数

异常比例或异常数：统计指定时间内的调用，如果调用次数超过指定请求数，并且出现异常的比例达到设定的比例阈值（或超过指定异常数），则触发熔断。例如：

解读：统计最近1000ms内的请求，如果请求量超过10次，并且异常比例不低于0.5，则触发熔断，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。

3.授权规则

授权规则可以对调用方的来源做控制，有白名单和黑名单两种方式。

• 白名单：来源（origin）在白名单内的调用者允许访问

• 黑名单：来源（origin）在黑名单内的调用者不允许访问

例如，我们限定只允许从网关来的请求访问order-service，那么流控应用中就填写网关的名称

实现方式:

Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。故需要先实现解析请求头来源

1.在需要访问的服务加上请求来源解析

//配置请求头来源解析器
@Component
public class HeaderOriginParser implements RequestOriginParser {
    @Override
    public String parseOrigin(HttpServletRequest httpServletRequest) {
        String header = httpServletRequest.getHeader("origin");

        if(StringUtils.isEmpty(header)){
            return "blank";
        }else{
            return header;
        }
    }
}

2.在gateway过滤器中添加请求头信息

- AddRequestHeader=origin,gateway

3.配置授权规则:

来自浏览器的请求被拦截:

来自网关的请求不会被拦截:

具体流程为:

---

自定义异常结果自定义异常结果

上面的截图可以看到请求被拦截依然显示是限流异常,故需要修改默认抛出异常的消息.默认情况下，发生限流、降级、授权拦截时，都会抛出异常到调用方。如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

而BlockException包含很多个子类，分别对应不同的场景：

以访问order-service为例子:

@Component
public class SentinelExceptionHandler implements BlockExceptionHandler {
    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        String msg = "未知异常";
        int status = 429;

        if (e instanceof FlowException) {
            msg = "请求被限流了";
        } else if (e instanceof ParamFlowException) {
            msg = "请求被热点参数限流";
        } else if (e instanceof DegradeException) {
            msg = "请求被降级了";
        } else if (e instanceof AuthorityException) {
            msg = "没有权限访问";
            status = 401;
        }

        response.setContentType("application/json;charset=utf-8");
        response.setStatus(status);
        response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");
    }
}

测试从浏览器直接访问结果:

可以看到实现接口BlockExceptionHandler后自定义异常生效.

4.规则持久化

规则管理模式

Sentinel的控制台规则管理有三种模式：

规则管理模式-原始模式

原始模式：控制台配置的规则直接推送到Sentinel客户端，也就是我们的应用。然后保存在内存中，服务重启则丢失

规则管理模式-pull模式

pull模式：控制台将配置的规则推送到Sentinel客户端，而客户端会将配置规则保存在本地文件或数据库中。以后会定时去本地文件或数据库中查询，更新本地规则。

规则管理模式-push模式(推荐)

push模式：控制台将配置规则推送到远程配置中心，例如Nacos。Sentinel客户端监听Nacos，获取配置变更的推送消息，完成本地配置更新。

这里不进行实现了,很复杂,了解即可