Sentinel - 技术栈

资源调用树

调用链路树：Root为根结点的树，它的子节点是EntranceNode(Context)，表示人为定义的调用上下文，EntranceNode的子节点是DefaultNode（Entry），表示资源调用，一个应用进程对应多个调用上下文，一个调用上下文对应多个资源
Root: 根结点，一个应用进程只有一个Root
Context: 调用上下文，一个应用可以创建多个，是人为定义的一组资源调用的集合，对应一个EntranceNode、上下文名称、来源。用于保存这一组资源调用的统计信息
DefaultNode：对应同一上下文的同一个资源，同一资源在同一上下文中调用多次，对应同一个DefaultNode。用于保存一个资源的调用信息，DefaultNode还可以有多个子DefaultNode，表示该资源调用过程中又调用了其它资源，
DefaultNode的统计信息不会求子DefaultNode的和，而是当前资源的统计信息，EntranceNode的统计信息是直接子节点的和
Entry: 表示某个资源的具体一次调用，同一上下文同一资源的每一次调用都对应一个Entry，这些调用只会对应一个DefaultNode
ProcessorChain：规则调用链，资源级的，同一资源对应同一个链，即使是在不同上下文中，但NodeSelectorSlot中又根据上下文名称区分了不同上下文的DefaultNode，所以DefaultNode是上下文+资源级的
NodeSelectorSlot：规则调用链的第一个槽位，用于创建DefaultNode，并将它添加到调用树的当前调用的资源Node的子节点
ClusterNode: 对应同一资源，不同上下文的资源也是对应同一个ClusterNode，默认情况下，即流控规则的来源配了default，并且时直接流控的话，使用ClusterNode来统计度量信息。
ClusterBuilderSlot：创建ClusterNode，并将它保存到DefaultNode
流控规则的配置中，如果来源是default，流控规则是直接，则表示对当前资源进行流控；是关联，则表示对关联资源进行流控（获取关联资源的ClusterNode）；是链路，表示对在指定上下文的当前资源进行流控

bash 复制代码

static Node selectReferenceNode(FlowRule rule, Context context, DefaultNode node) {
//流控规则是关联，就是关联资源；是链路，就是入口资源
    String refResource = rule.getRefResource();
    int strategy = rule.getStrategy();

    if (StringUtil.isEmpty(refResource)) {
        return null;
    }
    //流控规则是关联
    if (strategy == RuleConstant.STRATEGY_RELATE) {
        return ClusterBuilderSlot.getClusterNode(refResource);
    }
    //是链路
    if (strategy == RuleConstant.STRATEGY_CHAIN) {
        if (!refResource.equals(context.getName())) {
            return null;
        }
        return node;
    }
    // No node.
    return null;
}

滑动时间窗

固定时间窗存在的问题：只统计当前请求所在的时间窗口的请求数，相邻的时间窗可能存在单位时间超出统计阈值
滑动时间窗：为了解决上面的问题，统计当前请求最近一段时间的统计值，但又引发了新的问题：需要存储最近一段时间每个请求的时间戳，每次请求重新计算最近一段时间的请求数，存在存储和效率问题，而且对于密集的请求，存在重复计算的问题
使用样本窗口的滑动时间窗：解决了滑动时间窗的问题，在滑动窗口内再细分多个样本窗口，新的请求数统计到当前样本窗口，已经过去的样本窗口不再重复计算，每次滑动n个样本窗口个单位的长度

统计数据的实现

bash 复制代码

public abstract class LeapArray<T> {
    //滑动窗口中样本的时间长度，windowLengthInMs=intervalInMs/sampleCount
    protected int windowLengthInMs;
    //滑动窗口中的样本数
    protected int sampleCount;
    //滑动窗口长度，毫秒
    protected int intervalInMs;
    //滑动窗口长度，秒
    private double intervalInSecond;
    //数组长度等于sampleCount，其中的元素是滑动窗口中每个样本的计量值
    protected final AtomicReferenceArray<WindowWrap<T>> array;
}
//WindowWrap用于保存计量数据的公共部分
public class WindowWrap<T> {
    //样本时间长度
    private final long windowLengthInMs;
    //样本开始时间戳
    private long windowStart;
    //具体的计量数据,就是MetricBucket
    private T value;
}
public class MetricBucket {
    //计量数据包含多个维度，维度类型在MetricEvent中，比如通过的请求数、异常数
    private final LongAdder[] counters;
}

bash 复制代码

//根据当前时间戳计算当前样本窗口的数组索引
private int calculateTimeIdx(/*@Valid*/ long timeMillis) {
    long timeId = timeMillis / windowLengthInMs;
    // Calculate current index so we can map the timestamp to the leap array.
    return (int)(timeId % array.length());
}

bash 复制代码

//根据当前时间戳计算计算当前样本窗口的起始时间戳
protected long calculateWindowStart(/*@Valid*/ long timeMillis) {
    return timeMillis - timeMillis % windowLengthInMs;
}

根据索引获取样本窗口，如果为空则初始化，否则根据当前样本窗口的起始时间戳和已存在的样本窗口进行比较，如果相等，则说明为同一样本窗口，否则是已经过期的窗口，重置它的起始时间和计量值

获取统计数据的实现

需要过滤掉样本窗口数组中已过期的窗口，用当前时间戳-样本窗口起始时间，如果大于滑动窗口长度，则为过期的窗口

bash 复制代码

public boolean isWindowDeprecated(long time, WindowWrap<T> windowWrap) {
    return time - windowWrap.windowStart() > intervalInMs;
}