8.17日学习打卡

分布式流量防护

在分布式系统中，服务之间的相互调用会生成分布式流量。如何通过组件进行流量防护，并有效控制流量，是分布式系统的技术挑战之一。

什么是服务雪崩

假设我有一个微服务系统，这个系统内包含了 ABCD 四个微服务，这四个服务都是以集群模式构建的。

雪崩问题：
微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况。

解决方案

服务保护技术

• Hystrix
• Sentinel
• Resilience4J

Sentinel 服务容错的思路

Sentinel 是 Spring Cloud Alibaba 的⼀款服务容错组件，我们也经常把它叫做“防流量哨 兵”。它是阿里巴巴双十一促核心场景的保护神，内置了丰富的服务容错应用场景。它以流 量作为切入点，通过各种内外防控手段达到维持服务稳定性的目的。

内部异常治理

在 Sentinel 中，我们可以采用降级和熔断的方式处理内部的异常。 所谓降级，是指当服务调用发生了响应超时、服务异常等情况时，我们在服务内部可以执行一段“降级逻辑”。

而所谓熔断，是指当异常调用量达到一定的判定条件，比如在异常降级和慢调用请求的比例达到⼀个阈值、窗口时间内降级请求达到⼀定数量的情况下，微服务在一段时间内停止对⽬标服务发起调用，所有来访请求直接执行降级逻辑。所以，熔断是“多次服务调用异常”累积的结果。

外部流量控制

限流是流量整形流控方案的一种。在 Sentinel 中我们可以根据集群的处理能力，为每个服务设置⼀个限流规则，从 QPS 维度或者并发线程数的维度控制外部的访问流量。⼀旦访问量超过阈值，后续的请求就会被 “fast fail”，这是最为常用的⼀种限流手段。

Sentinel

Sentinel是阿里开源的项目，提供了流量控制、熔断降级、系统负载保护等多个维度来保障服务之间的稳定性。

Sentinel 基本概念

资源

资源是 Sentinel 的关键概念。它可以是 Java 应用程序中的任何内容，例如，由应用程序提供的服务，或由应用程序调用的其它应用提供的服务，甚至可以是一段代码。只要通过 Sentinel API 定义的代码，就是资源，能够被 Sentinel 保护起来。大部分情况下，可以使用方法签名，URL，甚至服务名称作为资源名来标示资源。

规则
围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以动态实时调整。

Sentinel 的主要特性

特性：

• 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。

Sentinel 分为两个部分

• 控制台（Dashboard）：Dashboard 主要负责管理推送规则、监控、管理机器信息等。
• 核心库（Java 客户端）：不依赖任何框架/库，能够运行于 Java 8 及以上的版本的运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。

注意：

Sentinel 可以简单的分为 Sentinel 核心库和 Dashboard。核心库不依赖 Dashboard，但是结合Dashboard 可以取得最好的效果。

Sentinel 是如何工作的

Sentinel 的主要工作机制如下：

• 对主流框架提供适配或者显示的 API，来定义需要保护的资源，并提供设施对资源进行实时统计和调用链路分析。
• 根据预设的规则，结合对资源的实时统计信息，对流量进行控制。同时，Sentinel 提供开放的接口，方便您定义及改变规则。
• Sentinel 提供实时的监控系统，方便您快速了解目前系统的状态。

Sentinel 与 Hystrix、resilience4j 的对比

	Sentinel	Hystrix	resilience4j
隔离策略	信号量隔离（并发线程数限流）	线程池隔离/信号量隔离	线程池隔离/信号量隔离
熔断降级策略	基于响应时间、异常比率、异常数	基于异常比率	基于异常比率、响应时间
实时统计实现	滑动窗口（LeapArray）	滑动窗口（基于 RxJava）	Ring Bit Buffer
动态规则配置	支持多种数据源	支持多种数据源	有限支持
扩展性	多个扩展点	插件的形式	接口的形式
基于注解的支持	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	Rate Limiter
流量整形	支持预热模式、匀速器模式、预热排队模式	不支持	简单的 Rate Limiter 模式
系统自适应保护	支持	不支持	不支持
控制台	提供开箱即用的控制台，可配置规则、查看秒级监控、机器发现等	简单的监控查看	不提供控制台，可对接其它监控系统

安装Sentinel控制台

Sentinel 提供一个轻量级的开源控制台，它提供机器发现以及健康情况管理、监控（单机和集群），规则管理和推送的功能。

Sentinel 控制台包含如下功能

• 查看机器列表以及健康情况：收集 Sentinel 客户端发送的心跳包，用于判断机器是否在线。
• 监控 (单机和集群聚合)：通过 Sentinel 客户端暴露的监控 API，定期拉取并且聚合应用监控信息，最终可以实现秒级的实时监控。
• 规则管理和推送：统一管理推送规则。
• 鉴权：生产环境中鉴权非常重要。这里每个开发者需要根据自己的实际情况进行定制。

注意：

Sentinel 控制台目前仅支持单机部署。Sentinel 控制台项目提供 Sentinel功能全集示例，不作为开箱即用的生产环境控制台，若希望在生产环境使用请根据文档自行进行定制和改造。

获取 Sentinel 控制台
您可以从https://github.com/alibaba/Sentinel/releases下载最新版本的控制台 jar 包。

启动 Sentinel 控制台

注意：

启动 Sentinel 控制台需要 JDK 版本为 1.8 及以上版本。

#前台运行
java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=192.168.47.100:8080 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard-1.8.6.jar
#后台运行
nohup java -server -Xms64m -Xmx256m -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=192.168.47.100:8080-Dproject.name=sentinel-dashboard -jar sentinel-dashboard-1.8.3.jar >> /opt/sentinel.log 2>&1 &

访问 Sentinel 控制台
在浏览器输入http://192.168.47.100:8080即可，登录用户名密码都是sentinel。

将应用接入Sentinel

创建工程jjy-payment-sentinel

POM引入依赖

  <dependencies>
    <!--     sentinel依赖-->
    <dependency>
      <groupId>com.alibaba.cloud</groupId>
      <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    </dependency>
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
     <!--借用监控开放端口-->
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>
    <dependency>
      <groupId>org.projectlombok</groupId>
      <artifactId>lombok</artifactId>
    </dependency>
  </dependencies>

编写主启动类

@SpringBootApplication
@Slf4j
public class PaymentSentinelMain8001 {
  public static void main(String[] args) {
    SpringApplication.run(PaymentSentinelMain8001.class,args);
    log.info("************ PaymentSentinelMain8001 启动成功 **********");
   }
}

编写YML配置文件

server:
  port: 8001
spring:
  application:
  #应用名字
   name: cloud-sentinel-payment
  cloud:
   sentinel:
    transport:
    # Sentinel 控制台地址
     dashboard: 192.168.47.100:8080

编写测试controller

@RestController
public class FlowLimitController {

  @GetMapping("testA")
  public String testA(){
    return "------------testA";
   }
}

查看Sentinel控制层

注意：

Sentinel采用懒加载，发送一次请求即可。

流量控制概述

监控应用流量的 QPS 或并发线程数，当达到指定的阈值时对流量进行控制，以避免被瞬时的流量高峰冲垮，从而保障应用的高可用性。

流量控制设计理念
流量控制有以下几个角度:

• 资源的调用关系：例如资源的调用链路，资源和资源之间的关系；
• 运行指标：例如 QPS、线程池、系统负载等；
• 控制的效果：例如直接限流、冷启动、排队等。

注意：
Sentinel 的设计理念是让您自由选择控制的角度，并进行灵活组合，从而达到想要的效果。

流控规则

参数：

• 资源名 其实就是我们请求的资源路径

• 针对来源 这个是此流控规则对应那些微服务进行流控管理，一般填写调用方的微服务名称，多个用","分割

• 阈值类型 一般有2中类型，QPS（每秒的最大请求数2）和线程数（并发线程数）

• 单机阈值 单机状态下的最大限制值

• 是否集群 根据实际情况选择

流控模式

参数：

• 直接：直接作用于当前资源，如果访问压力大于某个阈值，后续请求将被直接拦下来；
• 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：当指定链路上的访问量⼤于某个阈值时，对当前资源进⾏限流，这⾥的“指定链 路”是细化到 API 级别的限流维度。

流控效果

参数：

• 快速失败
  默认的流量控制方式，当QPS超过任意规则的阈值后，新的请求就会被立即拒绝，拒绝方式为抛出FlowException。

• Warm Up
  即预热/冷启动方式。当系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。通过"冷启动"，让通过的流量缓慢增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压。

• 排队等待
  匀速排队方式会严格控制请求通过的间隔时间，也即是让请求以均匀的速度通过，对应的是漏桶算法 。这种方式主要用于处理间隔性突发的流量。

流控模式之直接模式

当 QPS 超过某个阈值的时候，则采取措施进行流量控制。

注意：

若使用除了直接拒绝之外的流量控制效果，则调用关系限流策略（strategy）会被忽略。配置QPS流控规则

注意：

表示1秒钟内查询1次就ok，若超过1次，就直接快速失败，报默认错误。

流控模式之关联模式

什么是关联
当关联的资源达到阈值时，就限流自己。

配置关联规则

预期效果
由于对/update的限流控制采用QPS关联，所以直接访问不会被限流，会发现一直刷新/update不会出现限流，如图:

但是访问/query设置来QPS直接的策略进行限流，则频繁访问/query会出现限流提示:

流控模式之链路模式

链路流控模式指的是，当从某个接口过来的资源达到限流条件时，开启限流。它的功能有点类似于针对来源配置项，区别在于：针对来源是针对上级微服务，而链路流控是针对上级接口，也就是说它的粒度更细。

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。

实现
添加查询商品方法
在支付服务中，给PaymentService类添加一个queryGoods方法：

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

查询订单时，查询商品

@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
在支付服务的PaymentController中，修改/order/save端点，模拟新增订单：

@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，需要我们自己通过注解来标记要监控的方法。

给OrderService的queryGoods方法添加@SentinelResource注解：

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

簇点链路
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application.yml文件。

spring:
  application:
   name: payment-provider-sentinel
   sentinel:
    transport:
    # Sentinel控制台地址
     dashboard: 192.168.47.100:8480
    # sentnel api端口号 默认 8719
     port: 8719
    # 关闭context整合 
    web-context-unify: false

重启服务，访问query和save，可以查看到sentinel的簇点链路规则中，出现了新的资源。

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

流控效果之预热

warm up也叫预热模式，是应对服务冷启动的一种方案。

案例实战
需求：给/payment/index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。

Jmeter测试

查看结果树

注意：

QPS为10.刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3，随着时间推移，成功比例越来越高。

流控效果之排队等待

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阈值为5，意味着每200ms处理一个队列中的请求，超时时间2s，现在有100个请求过来，服务器最多处理 5 个，其他慢慢排队，timeout = 2S，意味着预期等待时长超过2S的请求会被拒绝并抛出异常。

假如不使用排队等待模式，现在有12个请求过来，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。

注意：

平滑的QPS曲线，对于服务器来说是更友好的。

应用场景

注意：

这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，我们希望系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。

案例
需求：给/payment/queue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。

Jmeter测试

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：

热点参数限流

什么是热点
热点即经常访问的数据。

热点参数限流
给/findById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

@RestController
public class GoodsController {
/**
   * 热点key限流
   * @param id
   * @return
   */
  @SentinelResource("hot")
  @GetMapping("findById")
  public Long getGoods(Long id){
    return id;
   }
}

热点参数限流规则

Jmeter测试

线程隔离

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）和熔断降级手段了。

线程隔离（舱壁模式）

• 线程池隔离
• 信号量隔离（Sentinel默认采用）
  

注意：

• 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。

sentinel的线程隔离
在添加限流规则时，可以选择两种阈值类型：

注意：

• QPS：每秒的请求数
• 线程数：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）。

流控测试

新建线程组
我们新建一个线程组，在启动的时候同时发送10个请求，如下所示：

新建HTTP请求

创建查看结果树

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

熔断降级策略
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。

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。

熔断降级策略

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。

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。

熔断降级之慢调用

平均响应时间当1s内持续进入5个请求，对应时刻的平均响应时间(秒级)均超过阈值，那么在接下的时间窗口之内，对这个方法的调用都会自动地熔断(抛出DegradeException )。

新增接口

  @GetMapping("/testC")
  public String testC(Integer id){
    if (id = 1){
     try {
      TimeUnit.SECONDS.sleep(1);
     } catch (InterruptedException e) {
      e.printStackTrace();
     } 
     }
    return "------------testC";
   }

新增RT配置

参数：

超过50ms的请求都会被认为是慢请求，当异常比例达到百分之40，断路器打开(保险丝跳闸)微服务不可用，保险丝跳闸断电了。过5秒钟由断路器又打开状态变为半开状态放一部分请求进来。

Jemeter压力测试
创建线程组

设置HTTP请求路径

测试
未使用Jemeter情况下测试/testC接口

使用Jemeter情况下测试/testC接口。

结果访问失败

注意：

后续我停止Jmeter，没有这么大的访问量了，断路器关闭(保险丝恢复)，微服务恢复OK。

熔断降级之异常比例

概述
当资源每秒异常总数占通过量的比值超过阈值之后，资源进入降级状态。异常比率的阈值范围是 [0.0,1.0]。

新增接口

/**
   * 测试异常比例
   * RT 平均响应时间
   * @return
   */
  @GetMapping("testD")
  public String testD(Integer id)  {
    if (id == 1){
      throw new RuntimeException("故意抛出异常，触发异常比例熔断。");
     }
    return "testD";
   }

设置熔断规则

注意：

在5次请求中，只要异常比例超过0.4，也就是有2次以上的异常，就会触发熔断。

Jemeter压力测试

创建线程组

配置HTTP请求

测试接口
发送请求localhost:8001/testD?id=2

熔断降级之异常数

概念
异常数：当资源近1分钟的异常数目超过阈值之后会进行熔断。

新增接口

  /*
   * 测试异常数
   */
  @GetMapping("/testF")
  public String testF()
   {
    int age = 10/0;
    return "------testF 测试异常数";
   }

配置异常数规则

注意：

设置异常数5。

测试
请求http://localhost:8001/testF，第一次访问绝对报错，因为除数不能为零， 我们看到error窗口

但是达到5次报错后，进入熔断后降级。

授权规则

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
  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/payment/{query}

• 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。

• 

注意：

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

案列实现
POM文件引入依赖

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
     xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
  <modelVersion>4.0.0</modelVersion>
  <parent>
    <groupId>com.itbaizhan</groupId>
    <artifactId>itbaizhan_cloud2</artifactId>
    <version>1.0-SNAPSHOT</version>
  </parent>


  <artifactId>itbaizhan-payment-sentinel</artifactId>
  <packaging>jar</packaging>


  <name>itbaizhan-payment-sentinel</name>
  <url>http://maven.apache.org</url>


  <properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
  </properties>


  <dependencies>
    <dependency>
      <groupId>com.alibaba.cloud</groupId>
      <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
    </dependency>
    <!--  sentinel依赖-->
    <dependency>
      <groupId>com.alibaba.cloud</groupId>
      <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    </dependency>
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <!--  监控开放端口-->
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>
    <dependency>
      <groupId>org.projectlombok</groupId>
      <artifactId>lombok</artifactId>
    </dependency>
  </dependencies>
</project>

启动Higress网关服务

创建配置文件
添加naocs连接配置。

server:
 # 端口号
  port: 8787
spring:
  application:
  # 应用名字
   name: payment-sentinel
  cloud:
   nacos:
    discovery:
     # Nacos注册中心的地址
     server-addr: 192.168.47.100:8848
   sentinel:
    transport:
    # sentinel 控制台得地址
     dashboard: 192.168.47.100:8480
    # 关闭context整合
    web-context-unify: false

测试网关服务

发送请求http://localhost:9090/payment/query

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。

public interface RequestOriginParser {
  /**
   * 从请求request对象中获取origin，获取方式自定义
   */
  String parseOrigin(HttpServletRequest request);
}

注意：

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。

支付微服务定义一个RequestOriginParser的实现类

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;
   }
}

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。

头，值为gateway。而从其它地方到达微服务的请求则没有这个头。

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。

配置规则

测试网关请求
请求localhost:9090/payment/query

测试非网关请求

系统自适应限流

引入系统自适应限流的主要的目的

• 保证系统不被拖垮
• 在系统稳定的前提下保证系统的吞吐量。
  系统规则

Sentinel的系统保护规则是从应用级别的入口流量进行控制，从单台机器的 load、CPU 使用率、平均 RT、入口 QPS 和并发线程数等几个维度监控应用指标，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。

系统保护规则是应用整体维度的，而不是资源维度的，并且仅对入口流量生效。入口流量指的是进入应用的流量（EntryType.IN），比如 Web 服务或 Dubbo 服务端接收的请求，都属于入口流量。

系统规则支持以下的模式

• Load 自适应（仅对 Linux/Unix-like 机器生效）：系统的 load1 作为启发指标，进行自适应系统保护。当系统 load1 超过设定的启发值，且系统当前的并发线程数超过估算的系统容量时才会触发系统保护（BBR 阶段）。系统容量由系统的 maxQps * minRt 估算得出。设定参考值一般是 CPU cores * 2.5。
• CPU usage：当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0），比较灵敏。
• 平均 RT：当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒。
• 并发线程数：当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。
• 入口 QPS：当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。

配置系统规则

添加规则

查看cpu核数

cat /proc/cpuinfo | grep “processor” | wc -l

SentinelResource注解配置详解之只配置fallback

服务降级功能，但是只是限制后，返回不可控的结果肯定是不行的，我们还要保证调用者在调用那些被限制的服务时候，不管是不是被限制，都要让他们拿到一个合理的结果，而不是扔回去一个异常就完事了。

Sentinel提供了这样的功能，让我们可以另外定义一个方法来代替被限制或异常服务返回数据，这就是fallback和blockHandler。

• fallback：针对Java本身出现的异常进行处理的对应属性。
• blockHandler：针对违反Sentinel控制台配置规则时触发BlockException异常时对应处理的属性
  @SentinelResource注解用于定义资源，并提供可选的 BlockException 异常处理（仅处理Sentinel控制台配置相关异常） 和 fallback 配置项（运行时异常以及自定义异常）。

注解属性

• value：资源名称，必需项（不能为空）
• entryType：entry 类型，可选项（默认为 EntryType.OUT）
• blockHandler / blockHandlerClass: blockHandler 对应处理 BlockException 的函数名称，可选项。blockHandler 函数访问范围需要是 public，返回类型需要与原方法相匹配，参数类型需要和原方法相匹配并且最后加一个额外的参数，类型为 BlockException。blockHandler 函数默认需要和原方法在同一个类中。若希望使用其他类的函数，则可以指定 blockHandlerClass 为对应的类的 Class 对象，注意对应的函数必需为 static 函数，否则无法解析。
• fallback / fallbackClass ：fallback 函数名称,可选项，通常用于通用的 fallback 逻辑（即可以用于很多服务或方法）。默认 fallback 函数可以针对所有类型的异常（除了 exceptionsToIgnore 里面排除掉的异常类型）进行处理。若同时配置了 fallback 和 defaultFallback，则只有 fallback 会生效。
• defaultFallback（since 1.6.0）：默认的 fallback 函数名称
• exceptionsToIgnore（since 1.6.0）：用于指定哪些异常被排除掉，不会计入异常统计中，也不会进入 fallback 逻辑中，而是会原样抛出。

只配置fallback
此回调是针对接口出现异常了，就进入此fallback方法。

  /**
   * 根据id查询支付信息
   * @param id
   * @return
   */
  @SentinelResource(value = "testfallback",fallback = "testFallback")
  @GetMapping("findById")
  public String findById(String id){
    if (id.equals("1")){
      throw new RuntimeException("出异常了。");
     }
    return iPaymentFeginService.findById(id);
   }
// 降级
  public String testFallback(String id,Throwable e){
    return "系统异常了";
   }

代码看出，只要请求http://localhost:80/order/findById?id=1 ，接口就会报异常，继而会调用fallback中的方法，走到了testFallback方法中。

外置类
fallback 函数位置是有要求的，必须和原方法在同一个类中，但在实际需求中，我们需要放在其他类中。@SentinelResource提供了通过fallbackClass指定对应的类的Class对象，添加一个static，否则无法解析。

@Component
public class PaymentServiceFallback  {
  /**
   * 降级方法
   * @return
   */
  public static String findByIdFallBalk(String id,Throwable e) {
    return "支付系统服务繁忙稍等一会~~~~";
   }
}

修改注解

  @SentinelResource(value = "testfallback",fallbackClass = PaymentServiceFallback.class,fallback = "findByIdFallBalk")
  @GetMapping("findById")
  public String findById(String id){
    if (id.equals("1")){
      throw new RuntimeException("出异常了。");
     }
    return iPaymentFeginService.findById(id);
   }

SentinelResource配置详解之只配置blockHandler

超出流量限制的部分是否会进入到blockHandler的方法，要注意是超出流量限制的请求调用，会进入blockHandler方法。

  /**
   * 根据id查询支付信息
   * @param id
   * @return
   */
  @SentinelResource(value = "testfallback",blockHandler = "testblockHandler")
  @GetMapping("findById")
  public String findById(String id){
    if (id.equals("1")){
      throw new RuntimeException("出异常了。");
     }
    return iPaymentFeginService.findById(id);
  

降级处理

  /**
   * 降级处理
   * @param id
   * @param e
   * @return
   */
  public String testblockHandler(String id,BlockException e){
    return "限流降级处理";
   }

外置类

  /**
   * 降级处理
   * @param id
   * @param e
   * @return
   */
   public Static String testblockHandler(String id,BlockException e){
     return "限流降级处理";
   }

总结

• 流控的blockHandler自定义资源必须为public static 函数 @SentinelResource注解的value与@RequestMapping的value不一样
• 流控规则配置的资源名与@SentinelResource注解的value保持一致，才会执行@SentinelResource注解里定义的兜底方法
• 注意blockHandler 是对应处理 BlockException 的函数，而不是BlockedException

SentinelResource配置详解之fallback和blockHandler都配置

  /**
   * 根据id查询支付信息
   * 测试fallback
   * @param id
   * @return
   */
  @SentinelResource(value = "orderfindById",
//       fallback = "testFallBack",fallbackClass = PaymentServiceFallback.class)
      fallback = "testFallBack",fallbackClass = PaymentServiceFallback.class,
      blockHandler = "testBlockHeader",blockHandlerClass = PaymentServiceFallback.class)
  @GetMapping("findById")
  public String test(String id){
    if (id.equals("1")){
      throw new RuntimeException("制造接口异常.");
     }


    return iPaymentFeginService.findById(id);
   }

总结

• fallback是针对方法出现异常了，则会进入fallback方法。
• blockhandler是针对流控设置，超出规则，则会进入blockhandler方法。
• blockHandler 和 fallback 都进行了配置，则被限流降级而抛出BlockException时只会进入 blockHandler 处理逻辑。
• 若未配置 blockHandler、fallback 和 defaultFallback，则被限流降级时会将 BlockException 直接抛出。

如果我的内容对你有帮助，请点赞，评论，收藏。创作不易，大家的支持就是我坚持下去的动力