深浅模式
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
解决雪崩问题
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
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
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
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
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,
- 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
sh
# 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
sh
java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar微服务整合Sentinel
导入依赖
xml
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>配置控制台
yaml
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080访问任意服务,触发sentinel监控
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
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
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
关联模式
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
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
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
添加查询商品方法
在OrderService类添加一个queryGoods方法
javapublic void queryGoods(){ System.err.println("查询商品"); }查询订单时，查询商品
java@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"; }新增订单，查询商品
java@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"; }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java@SentinelResource("goods") public void queryGoods(){ System.err.println("查询商品"); }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
yamlspring: cloud: sentinel: web-context-unify: false # 关闭context整合重启服务，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
添加限流规则
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
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
配置流控规则
/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
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
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
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
sentinel查看实时监控的QPS曲线
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：
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
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
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
标记资源
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
配置限流规则
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
yaml
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
FallbackClass 无法对远程调用的异常做处理
FallbackFactory 可以对远程调用的异常做处理
在Feign中实现FallbackFactory接口
java
@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
Java
@Bean
public UserClientFallbackFactory userClientFallbackFactory(){
return new UserClientFallbackFactory();
}在Feign项目中的UserClient接口中使用UserClientFallbackFactory
java
@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
线程隔离
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
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
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
- 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
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
- 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
资源名：就是受保护的资源，例如/order/
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
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
java
@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
yaml
spring:
cloud:
gateway:
default-filters:
- AddRequestHeader=origin,gateway配置授权规则
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
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;
}
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
java
@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
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
配置push模式
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
xml<dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-datasource-nacos</artifactId> </dependency>配置nacos地址
yamlspring: 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
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
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
在sentinel-dashboard的test包下，已经编写了对nacos的支持，将其拷贝到main下
修改测试代码中的NacosConfig类
修改其中的nacos地址，让其读取application.properties中的配置
在sentinel-dashboard的application.properties中添加nacos地址配置
propertiesnacos.addr=localhost:8848配置nacos数据源
修改
com.alibaba.csp.sentinel.dashboard.controller.v2包下的FlowControllerV2类
让我们添加的Nacos数据源生效
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
将其中的部分注释取消
修改其中的文本
重新编译、打包项目
启动
启动方式跟官方一样
shjava -jar sentinel-dashboard.jar如果要修改nacos地址，需要添加参数
shjava -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar