1.初识Sentinel
1.1.雪崩问题及解决方案
1.1.1.雪崩问题
1.1.2解决雪崩问题的四个方法
可以认为：
限流 是对服务的保护，避免因瞬间高并发流量而导致服务故障，进而避免雪崩。是一种预防措施。
超时处理、线程隔离、降级熔断 是在部分服务故障时，将故障控制在一定范围，避免雪崩。是一种补救措施。
服务保护技术对比
在SpringCloud当中支持多种服务保护技术：
早期比较流行的是Hystrix框架，但目前国内实用最广泛的还是阿里巴巴的Sentinel框架，这里我们做下对比：
| Sentinel | Hystrix | |
|---|---|---|
| 隔离策略 | 信号量隔离 | 线程池隔离/信号量隔离 |
| 熔断降级策略 | 基于慢调用比例或异常比例 | 基于失败比率 |
| 实时指标实现 | 滑动窗口 | 滑动窗口（基于 RxJava） |
| 规则配置 | 支持多种数据源 | 支持多种数据源 |
| 扩展性 | 多个扩展点 | 插件的形式 |
| 基于注解的支持 | 支持 | 支持 |
| 限流 | 基于 QPS，支持基于调用关系的限流 | 有限的支持 |
| 流量整形 | 支持慢启动、匀速排队模式 | 不支持 |
| 系统自适应保护 | 支持 | 不支持 |
| 控制台 | 开箱即用，可配置规则、查看秒级监控、机器发现等 | 不完善 |
| 常见框架的适配 | Servlet、Spring Cloud、Dubbo、gRPC 等 | Servlet、Spring Cloud Netflix |
1.3.Sentinel介绍和安装
1.3.1.初识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。
1.3.2.安装Sentinel
1）下载
sentinel官方提供了UI控制台，方便我们对系统做限流设置。大家可以在GitHub下载。
2）运行
将jar包放到任意非中文目录，执行命令：
java -jar sentinel-dashboard-1.8.1.jar我电脑上目前使用的是jdk17 但是这个版本的sentinel还没兼容17所以建议用8或者11！！
所以阔以用下面的命令
E:\heimalesson>"C:\Program Files\Java\jdk-11.0.15.1\bin\java.exe" -jar sentinel-dashboard-1.8.1.jar
来显示的指定使用Java11来启动
如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：
| 配置项 | 默认值 | 说明 |
|---|---|---|
| server.port | 8080 | 服务端口 |
| sentinel.dashboard.auth.username | sentinel | 默认用户名 |
| sentinel.dashboard.auth.password | sentinel | 默认密码 |
例如，修改端口：
java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar
3）访问
访问http://localhost:8080页面，就可以看到sentinel的控制台了：
需要输入账号和密码，默认都是：sentinel
登录后，发现一片空白，什么都没有：
这是因为我们还没有与微服务整合。
1.4.微服务整合Sentinel
我们在order-service中整合sentinel，并连接sentinel的控制台，步骤如下：
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
修改application.yaml文件，添加下面内容：
server: port: 8088 spring: cloud: sentinel: transport: dashboard: localhost:8080
3）访问order-service的任意端点
打开浏览器，访问http://localhost:8088/order/101，这样才能触发sentinel的监控。
然后再访问sentinel的控制台，查看效果：如果没有的话就在8088那order下请求一下回来再刷新就有了
2.流量控制
雪崩问题虽然有四种方案，但是限流是避免服务因突发的流量而发生故障，是对微服务雪崩问题的预防。我们先学习这种模式。
2.1.簇点链路
当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路 。簇点链路中被监控的每一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，也就是controller中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。
例如，我们刚才访问的order-service中的OrderController中的端点：/order/{orderId}
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：
-
流控：流量控制
-
降级：降级熔断
-
热点：热点参数限流，是限流的一种
-
授权：请求的权限控制
2.1.快速入门
2.1.1.示例
点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。
表单中可以填写限流规则，如下：
2.1.2.练习：
需求：给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5，然后测试。
1）首先在sentinel控制台添加限流规则
2）利用jmeter测试（这里是直接导入了一个文件）
2.2.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
2.2.1.关联模式
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
配置规则：
语法说明：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。
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。业务需求是优先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。
需求说明：
-
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
1）定义/order/query端点，模拟订单查询
@GetMapping("/query")
public String queryOrder() {
return "查询订单成功";
}2）定义/order/update端点，模拟订单更新
@GetMapping("/update")
public String updateOrder() {
return "更新订单成功";
}重启服务，查看sentinel控制台的簇点链路：
3）配置流控规则
对哪个端点限流，就点击哪个端点后面的按钮。我们是对订单查询/order/query限流，因此点击它后面的按钮：
4）在Jmeter测试
选择《流控模式-关联》：
可以看到1000个用户，100秒，因此QPS为10，超过了我们设定的阈值：5
查看http请求：
请求的目标是/order/update，这样这个断点就会触发阈值。
但限流的目标是/order/query，我们在浏览器访问，可以发现：
5）总结
2.2.2.链路模式
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。
配置示例：
例如有两条请求链路：
-
/test1 --> /common
-
/test2 --> /common
如果只希望统计从**/test2进入到/common的请求**，则可以这样配置：
实战案例
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。
步骤：
-
在OrderService中添加一个queryGoods方法，不用实现业务
-
在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
-
在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
-
给queryGoods设置限流规则，从/order/query进入queryGoods的方法限制QPS必须小于2
1）添加查询商品方法
4）给查询商品添加资源标记
默认情况下，OrderService中的方法是不被Sentinel监控的 ，需要我们自己通过注解来标记要监控的方法。
给OrderService的queryGoods方法添加**@SentinelResource注解**：
链路模式中，是对不同来源的两个链路做监控 。但是sentinel默认会给进入SpringMVC的所有请求设置同一个 root资源，会导致链路模式失效。我们需要关闭这种对SpringMVC的资源聚合，修改order-service服务的application.yml文件：
在order-service服务中，给OrderService类添加一个queryGoods方法：
2）查询订单时，查询商品
在order-service的OrderController中，修改/order/query端点的业务逻辑：
3）新增订单，查询商品
在order-service的OrderController中，修改/order/save端点，模拟新增订单：
重启服务，访问/order/query和/order/save，可以查看到sentinel的簇点链路规则中，出现了新的资源：
5）添加流控规则
点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：
只统计从/order/query进入/goods的资源，QPS阈值为2，超出则被限流。
6）Jmeter测试
选择《流控模式-链路》：
可以看到这里200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2
一个http请求是访问/order/save：
完全不受影响。
另一个是访问/order/query：每次只有2个通过。
2.2.3.总结
流控模式有哪些？
•直接：对当前资源限流
•关联：高优先级资源触发阈值，对低优先级资源限流。
•链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流
2.3.流控效果
在流控的高级选项中，还有一个流控效果选项：
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
2.3.1.warm up
阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。
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 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.
例如，我设置QPS的maxThreshold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.
案例
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
1）配置流控规则：
2）Jmeter测试
2.3.2.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。
工作原理
例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。
那什么叫做预期等待时长呢？
比如现在一下子来了12 个请求，因为每200ms执行一个请求，那么：
-
第6个请求的预期等待时长 = 200 * （6 - 1） = 1000ms
-
第12个请求的预期等待时长 = 200 * （12-1） = 2200ms
现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：
如果使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：
案例
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
1）添加流控规则
2）Jmeter测试
选择《流控效果，队列》：
QPS为15，已经超过了我们设定的10。
如果是之前的 快速失败、warmup模式，超出的请求应该会直接报错。
但是我们看看队列模式的运行结果：
全部都通过了。
再去sentinel查看实时监控的QPS曲线：
2.3.3.总结
流控效果有哪些？
-
快速失败：QPS超过阈值时，拒绝新的请求
-
warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。
-
排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝
2.4.热点参数限流
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。
2.4.1.全局参数限流
例如，一个根据id查询商品的接口：
2.4.2.热点参数限流
刚才的配置中，对查询商品这个接口的所有商品一视同仁，QPS都限定为5.
而在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商品不一样，高一些。那就需要配置热点参数限流的高级选项了：
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
2.4.4.案例
案例需求：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
!!注意事项!!：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源
1）标记资源
给order-service中的OrderController中的/order/{orderId}资源添加注解：
2）热点参数限流规则
访问该接口，可以看到我们标记的hot资源出现了：
这里不要点击hot后面的按钮，页面有BUG
点击左侧菜单中热点规则菜单：
点击新增，填写表单：
3）Jmeter测试
选择《热点参数限流 QPS1》：
3.1.FeignClient整合Sentinel
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。
3.1.1.修改配置，开启sentinel功能
修改OrderService的application.yml文件，开启Feign的Sentinel功能：
feign: sentinel: enabled: true # 开启feign对sentinel的支持
3.1.2.编写失败降级逻辑
业务失败后，不能直接报错，而应该返回用户一个友好提示或者默认结果，这个就是失败降级逻辑。
给FeignClient编写失败后的降级逻辑
①方式一：FallbackClass，无法对远程调用的异常做处理
②方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种
这里我们演示方式二的失败降级处理。
步骤一：在feing-api项目中定义类，实现FallbackFactory：
代码：
package cn.itcast.feign.clients.fallback; import cn.itcast.feign.clients.UserClient; import cn.itcast.feign.pojo.User; import feign.hystrix.FallbackFactory; import lombok.extern.slf4j.Slf4j; @Slf4j public class UserClientFallbackFactory implements FallbackFactory<UserClient> { @Override public UserClient create(Throwable throwable) { return new UserClient() { @Override public User findById(Long id) { log.error("查询用户异常", throwable); return new User(); } }; } }
步骤二：在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：
@Bean public UserClientFallbackFactory userClientFallbackFactory(){ return new UserClientFallbackFactory(); }
步骤三：在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：
import cn.itcast.feign.clients.fallback.UserClientFallbackFactory; import cn.itcast.feign.pojo.User; import org.springframework.cloud.openfeign.FeignClient; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.PathVariable; @FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class) public interface UserClient { @GetMapping("/user/{id}") User findById(@PathVariable("id") Long id); }
重启后，访问一次订单查询业务，然后查看sentinel控制台，可以看到新的簇点链路：但是我这却遇到问题了 说是循环依赖问题 我这只要orderservice开启feign对sentinel的支持就报错 启动不了 然后我还将jdk改为java8也不行 然后再orderservice中使用@Lazy懒加载后虽然阔以启动 但是在调用网页的时候却还是报错了 后面发现是版本不兼容的问题 springboot是2.3.9.Release然后springcloud的版本就要使用Hoxton.SR8才行
3.1.3.总结
Sentinel支持的雪崩解决方案：
-
线程隔离（仓壁模式）
-
降级熔断
Feign整合Sentinel的步骤：
-
在application.yml中配置：feign.sentienl.enable=true
-
给FeignClient编写FallbackFactory并注册为Bean
-
将FallbackFactory配置到FeignClient
3.2.线程隔离（舱壁模式）
3.2.1.线程隔离的实现方式
线程隔离有两种方式实现：
-
线程池隔离
-
信号量隔离（Sentinel默认采用）
如图：
线程池隔离：给每个服务调用业务分配一个线程池，利用线程池本身实现隔离效果
信号量隔离：不创建线程池，而是计数器模式，记录业务使用的线程数量，达到信号量上限时，禁止新的请求。
两者的优缺点：
3.2.2.sentinel的线程隔离
用法说明：
在添加限流规则时，可以选择两种阈值类型：
-
QPS：就是每秒的请求数，在快速入门中已经演示过
-
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，实现线程隔离（舱壁模式）。
案例需求：给 order-service服务中的UserClient的查询用户接口设置流控规则，线程数不能超过 2。然后利用jemeter测试。
1）配置隔离规则
选择feign接口后面的流控按钮：
2）Jmeter测试
选择《阈值类型-线程数<2》：
3.2.3.总结
线程隔离的两种手段是？
-
信号量隔离
-
线程池隔离
信号量隔离的特点是？
- 基于计数器模式，简单，开销小
线程池隔离的特点是？
- 基于线程池模式，有额外开销，但隔离控制更强
3.3.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。
断路器控制熔断和放行是通过状态机来完成的：
状态机包括三个状态：
-
closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态
-
open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态5秒后会进入half-open状态
-
half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。
-
请求成功：则切换到closed状态
-
请求失败：则切换到open状态
-
断路器熔断策略有三种：慢调用、异常比例、异常数
3.3.1.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。
案例
需求：给 UserClient的查询用户接口设置降级规则，慢调用的RT阈值为50ms，统计时间为1秒，最小请求数量为5，失败阈值比例为0.4，熔断时长为5
1）设置慢调用
修改user-service中的/user/{id}这个接口的业务。通过休眠模拟一个延迟时间：
此时，orderId=101的订单，关联的是id为1的用户，调用时长为60ms：
orderId=102的订单，关联的是id为2的用户，调用时长为非常短；
2）设置熔断规则
下面，给feign接口设置降级规则：
3）测试
在浏览器访问：http://localhost:8088/order/101，快速刷新5次，可以发现：
触发了熔断，请求时长缩短至5ms，快速失败了，并且走降级逻辑，返回的null
在浏览器访问：http://localhost:8088/order/102，竟然也被熔断了，因为101触发了熔断 所以此时102就也会访问不了：
3.3.2.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，一个异常比例设置：
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0.4，则触发熔断。
一个异常数设置：
解读：统计最近1000ms内的请求，如果请求量超过10次，并且异常数不低于2次，则触发熔断。
案例
需求：给 UserClient的查询用户接口设置降级规则，统计时间为1秒，最小请求数量为5，失败阈值比例为0.4，熔断时长为5s
1）设置异常请求
首先，修改user-service中的/user/{id}这个接口的业务。手动抛出异常，以触发异常比例的熔断：
2）设置熔断规则
下面，给feign接口设置降级规则：
4.授权规则
授权规则可以对请求方来源做判断和控制。
4.1.授权规则
4.1.1.基本规则
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
点击左侧菜单的授权，可以看到授权规则：
-
资源名：就是受保护的资源，例如/order/{orderId}
-
流控应用：是来源者的名单，
-
如果是勾选白名单，则名单中的来源被许可访问。
-
如果是勾选黑名单，则名单中的来源被禁止访问。
-
4.1.2.如何获取origin
Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。
java
public interface RequestOriginParser {
/**
* 从请求request对象中获取origin，获取方式自定义
*/
String parseOrigin(HttpServletRequest request);
}这个方法的作用就是从request对象中，获取请求者的origin值并返回。
默认情况下，sentinel不管请求者从哪里来，返回值永远是default，也就是说一切请求的来源都被认为是一样的值default。
因此，我们需要自定义这个接口的实现，让不同的请求，返回不同的origin。
例如order-service服务中，我们定义一个RequestOriginParser的实现类：
java
package cn.itcast.order.sentinel;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;
import org.springframework.stereotype.Component;
import org.springframework.util.StringUtils;
import javax.servlet.http.HttpServletRequest;
@Component
public class HeaderOriginParser implements RequestOriginParser {
@Override
public String parseOrigin(HttpServletRequest request) {
// 1.获取请求头
String origin = request.getHeader("origin");
// 2.非空判断
if (StringUtils.isEmpty(origin)) {
origin = "blank";
}
return origin;
}
}我们会尝试从request-header中获取origin值。
但是request对象里是没有origin的这个头的！！所以如何要得到的话只能从网关的那配置文件中添加请求头
4.1.3.给网关添加请求头
既然获取请求origin的方式是从reques-header中获取origin值，我们必须让所有从gateway路由到微服务的请求都带上origin头。
这个需要利用之前学习的一个GatewayFilter来实现，AddRequestHeaderGatewayFilter。
修改gateway服务中的application.yml，添加一个defaultFilter：
4.1.4.配置授权规则
接下来，我们添加一个授权规则，放行origin值为gateway的请求。
4.2.自定义异常结果
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。异常结果都是flow limmiting（限流）。这样不够友好，无法得知是限流还是降级还是授权拦截。
4.2.1.异常类型
而如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：
java
public interface BlockExceptionHandler {
/**
* 处理请求被限流、降级、授权拦截时抛出的异常：BlockException
*/
void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;
}这个方法有三个参数：
-
HttpServletRequest request：request对象
-
HttpServletResponse response：response对象
-
BlockException e：被sentinel拦截时抛出的异常
这里的BlockException包含多个不同的子类：
| 异常 | 说明 |
|---|---|
| FlowException | 限流异常 |
| ParamFlowException | 热点参数限流的异常 |
| DegradeException | 降级异常 |
| AuthorityException | 授权规则异常 |
| SystemBlockException | 系统规则异常 |
4.2.2.自定义异常处理
下面，我们就在order-service定义一个自定义异常处理类：
java
package cn.itcast.order.sentinel;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowException;
import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;
import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
@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 + "}");
}
}
5.规则持久化
现在，sentinel的所有规则都是内存存储，重启后所有规则都会丢失。在生产环境下，我们必须确保这些规则的持久化，避免丢失。
5.1.规则管理模式
规则是否能持久化，取决于规则管理模式，sentinel支持三种规则管理模式：
-
原始模式：Sentinel的默认模式，将规则保存在内存，重启服务会丢失。
-
pull模式
-
push模式
5.1.1.pull模式（不推荐）
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。因为定时轮询去查询数据库然后存在数据一致性的问题
5.1.2.push模式（很麻烦 还需要修改源码）
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。
