分布式限流框架sentinel使用
2023-01-27 06:32:56 #framework

雪崩问题

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

image-20230105235420143

解决雪崩问题

  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

image-20230105235629295

  1. 仓壁模式

    仓壁模式来源于船舱的设计,船舱都会被隔板分离为多个独立空间，当船体破损时，只会导致部分空间进入，将故障控制在一定范围内，避免整个船体被淹没

image-20230105235818028

于此类似，我们可以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

image-20230105235935770

  1. 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。断路器会统计访问某个服务的请求数量，异常比例,当发现访问服务D的请求异常比例过高时，认为服务D有导致雪崩的风险，会拦截访问服务D的一切请求，形成熔断

image-20230106000331767

  1. 流量控制

    限制业务访问的QPS，避免服务因流量的突增而故障,

    image-20230106000503240

  • 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

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

Sentinel安装

Sentinel是阿里巴巴开源的一款微服务流量控制组件

  • 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

GitHub下载

1
2
# 运行sentinel
java -jar sentinel-dashboard-1.8.1.jar

修改Sentinel的默认端口、账户、密码

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

1
java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar

微服务整合Sentinel

导入依赖

1
2
3
4
<dependency>
    <groupId>com.alibaba.cloud</groupId> 
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

配置控制台

1
2
3
4
5
6

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

访问任意服务,触发sentinel监控

image-20230106001904856

限流规则

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

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

image-20230106002457056

快速入门

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

image-20230106002645027

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

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

image-20230106003009198

关联模式

image-20230106003117822

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

image-20230106003403013

链路模式

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

image-20230106003747248

实战案例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

  1. 添加查询商品方法

    在OrderService类添加一个queryGoods方法

    1
    2
    3
    public void queryGoods(){
        System.err.println("查询商品");
    }

  2. 查询订单时，查询商品

    1
    2
    3
    4
    5
    6
    7
    8
    @GetMapping("/query")
    public String queryOrder() {
        // 查询商品
        orderService.queryGoods();
        // 查询订单
        System.out.println("查询订单");
        return "查询订单成功";
    }

  3. 新增订单，查询商品

    1
    2
    3
    4
    5
    6
    7
    8
    @GetMapping("/save")
    public String saveOrder() {
        // 查询商品
        orderService.queryGoods();
        // 查询订单
        System.err.println("新增订单");
        return "新增订单成功";
    }

  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@SentinelResource注解来标记要监控的方法

    1
    2
    3
    4
    @SentinelResource("goods")
    public void queryGoods(){
        System.err.println("查询商品");
    }

  5. 关闭SpringMVC的资源整合

    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

    1
    2
    3
    4
    spring:
      cloud:
        sentinel:
          web-context-unify: false # 关闭context整合

  6. 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

    image-20230106004511078

  7. 添加限流规则

    image-20230106004656737

流控效果

image-20230106004943698

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

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，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

image-20230106005254723

配置流控规则

image-20230106005533608

/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,Sentinel控制台实时监控

image-20230106010019480image-20230106010111717

排队等待

排队等待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，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常

image-20230106011226409

预期等待时长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

image-20230106011544586image-20230106011626071

平滑的QPS曲线，对于服务器来说是更友好的

案例给/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

image-20230106012057654

sentinel查看实时监控的QPS曲线

image-20230106012135321

QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。当队列满了以后，才会有部分请求失败：

image-20230106012159563

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

image-20230106012853623

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

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

image-20230106013404189

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

案例给/order/{orderId}这个资源添加热点参数限流

  • 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

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

    image-20230106013918767

  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

    image-20230106014458077

  3. 配置限流规则

    image-20230106014627752

隔离和降级

限流是一种预防措施，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

  • 线程隔离 调用者在调用服务提供者时，给每个调用的请求分配独立线程池，出现故障时，最多消耗这个线程池内资源，避免把调用者的所有资源耗尽
  • 熔断降级 是在调用方这边加入断路器，统计对服务提供者的调用，如果调用的失败比例过高，则熔断该业务，不允许访问该服务的提供者了

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。需要在调用方 发起远程调用时做线程隔离、或者服务熔断。

而微服务远程调用都是基于Feign来完成的，因此需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断

FeignClient整合Sentinel

修改配置，开启sentinel功能

1
2
3
feign:
  sentinel:
    enabled: true # 开启feign对sentinel的支持

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,给FeignClient编写失败后的降级逻辑

  1. FallbackClass 无法对远程调用的异常做处理

  2. FallbackFactory 可以对远程调用的异常做处理

在Feign中实现FallbackFactory接口

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
    @Override
    public UserClient create(Throwable throwable) {
        //失败降级处理逻辑
        return new UserClient() {
            @Override
            public User findById(Long id) {
                log.error("查询用户异常", throwable);
                //根据业务需求返回默认数据,返回空对象
                return new User();
            }
        };
    }
}

在Feign中注册FallbackFactory

1
2
3
4
@Bean
public UserClientFallbackFactory userClientFallbackFactory(){
    return new UserClientFallbackFactory();
}

在Feign项目中的UserClient接口中使用UserClientFallbackFactory

1
2
3
4
5
6
@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {

    @GetMapping("/user/{id}")
    User findById(@PathVariable("id") Long id);
}

重启订单查询业务，查看sentinel控制台，可以看到新的簇点链路

image-20230106160827755

线程隔离

image-20230106161717204

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

  • 优点 支持主动超时支持异步调用
  • 缺点 线程的额外开销比较大
  • 场景 低扇出

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

  • 优点 轻量级，无额外开销
  • 缺点 不支持主动超时不支持异步调用
  • 场景 高频调用高扇出

sentinel的线程隔离

在添加限流规则时，可以选择两种阈值类型

image-20230106162306729

  • 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，实现线程隔离（舱壁模式）

案例 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

image-20230106163054337

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

image-20230106163440875

  • 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

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

image-20230106164316805

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

异常比例、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

image-20230106164717927

  • 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
  • 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2次，则触发熔断

授权规则

image-20230106165122747

  • 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

允许请求从gateway到order-service，不允许浏览器访问order-service，那么白名单中就要填写网关的来源名称（origin）

获取origin

Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的

1
2
3
4
5
6
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

1
2
3
4
5
6
7
8
9
10
11
12
13
@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;
    }
}

给网关添加请求头

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,修改gateway服务中的application.yml，添加一个defaultFilter

1
2
3
4
5
spring:
  cloud:
    gateway:
      default-filters:
        - AddRequestHeader=origin,gateway

配置授权规则

image-20230106170551940

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

异常类型

自定义异常时的返回结果，需要实现BlockExceptionHandler接口

1
2
3
4
5
6
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;
}
  • HttpServletRequest request：request对象
  • HttpServletResponse response：response对象
  • BlockException e：被sentinel拦截时抛出的异常

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

自定义异常处理

在order-service定义一个自定义异常处理类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
@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 + "}");
    }
}

规则持久化

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

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

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

image-20230106172136755

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

image-20230106172408552

配置push模式

  1. 修改order-service服务,监听Nacos中的sentinel规则配置

    • 导入sentinel监听nacos的依赖

      1
      2
      3
      4
      <dependency>
          <groupId>com.alibaba.csp</groupId>
          <artifactId>sentinel-datasource-nacos</artifactId>
      </dependency>

    • 配置nacos地址

      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      spring:
        cloud:
          sentinel:
            datasource:
              flow:
                nacos:
                  server-addr: localhost:8848 # nacos地址
                  dataId: orderservice-flow-rules
                  groupId: SENTINEL_GROUP
                  rule-type: flow # 还可以是：degrade、authority、param-flow

  2. SentinelDashboard默认不支持nacos的持久化，需要修改源码

    • 解压sentinel源码包,并用IDEA打开这个项目

      image-20230106173019604

    • 修改sentinel-dashboard源码的pom文件中，nacos的依赖默认的scope是test，这里要去除

      image-20230106173223479

    • 在sentinel-dashboard的test包下，已经编写了对nacos的支持，将其拷贝到main下

      image-20230106173337968

    • 修改测试代码中的NacosConfig类

      image-20230106173538580

    • 修改其中的nacos地址，让其读取application.properties中的配置

      image-20230106173616328

    • 在sentinel-dashboard的application.properties中添加nacos地址配置

      1
      nacos.addr=localhost:8848

    • 配置nacos数据源

      修改com.alibaba.csp.sentinel.dashboard.controller.v2包下的FlowControllerV2类

      image-20230106173849775

      让我们添加的Nacos数据源生效

      image-20230106173942521

    • 修改前端页面,添加支持nacos的菜单

      修改src/main/webapp/resources/app/scripts/directives/sidebar/目录下的sidebar.html文件

      image-20230106174106931

      将其中的部分注释取消

      image-20230106174144697

      修改其中的文本

      image-20230106174208898

    • 重新编译、打包项目

      image-20230106174320486

  3. 启动

    启动方式跟官方一样

    1
    java -jar sentinel-dashboard.jar

    如果要修改nacos地址，需要添加参数

    1
    java -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar
上一页
2023-01-27 06:32:56 #framework
下一页