一、初识Sentinel

1. 雪崩问题及解决方案

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。

解决雪崩问题的常见方式有四种：

（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

（2）舱壁模式：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。

（3）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。

（4）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。

2. 服务保护技术对比

3. Sentinel介绍和安装

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

3.1 安装Sentinel控制台

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。课前资料提供了下载好的jar包：

（1）将其拷贝到一个你能记住的非中文目录，然后运行命令：

java -jar sentinel-dashboard-1.8.1.jar

然后访问：localhost:8080 即可看到控制台页面，默认的账户和密码都是sentinel

 

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

举例说明

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

4. 微服务整合Sentinel

我们在order-service中整合Sentinel，并且连接Sentinel的控制台，步骤如下：

（1）引入sentinel依赖：

        <!--引入sentinel依赖-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>

（2）配置控制台地址：

spring:
    cloud:    
        sentinel:
          transport:
            dashboard: localhost:8080 # sentinel控制台地址

（3）访问微服务的任意端点，触发sentinel监控

二、流量控制

1. 簇点链路

簇点链路：就是项目内的调用链路，链路中被监控的每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），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：

2.快速入门

点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：

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。

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：

（1）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

（2）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

（3）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

2.1 流控模式-关联

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

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。业务需求是有限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。

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。 

满足下面条件可以使用关联模式：

（1）两个有竞争关系的资源

（2）一个优先级较高，一个优先级较低

2.2 流控模式-链路

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。

例如有两条请求链路：

（1）/test1          ->         /common

（2）/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：

（1）Sentinel 默认只标记 Controller 中的方法为资源，如果要标记其它方法，需要利用 @SentinelResource 注解，示例：

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

（2）Sentinel 默认会将 Controller 方法做 context 整合，导致链路模式的流控失效，需要修改 application.yml，添加配置：

spring:  
  cloud:    
    sentinel:
      transport:
        dashboard: localhost:8080 # sentinel控制台地址
      web-context-unify: false # 关闭context整合

3. 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：

（1）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。

（2）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。

（3）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

3.1 流控效果-warm up

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 threshold / coldFactor，持续指定时长后，逐渐提高到threshold值。而coldFactor的默认值是3.

例如，我设置QPS的threshold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.

3.2 流控效果-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。

例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常

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。

配置示例：

代表的含义是：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 

在热点参数限流的高级选项中，可以对部分参数设置例外配置：

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：

（1）如果参数值是100，则每1秒允许的QPS为10

（2）如果参数值是101，则每1秒允许的QPS为15 

热点参数限流对默认的SpringMVC资源无效

三、隔离和降级

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。

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。

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。

（1）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

（2）给FeignClient编写失败后的降级逻辑

1️⃣方式一：FallbackClass，无法对远程调用的异常做处理

2️⃣方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种

步骤一：在feing-api项目中定义类，实现FallbackFactory：

@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
    @Override
    public UserClient create(Throwable throwable) {
        // 创建UserClient接口实现类，实现其中的方法，编写失败降级的处理逻辑
        return new UserClient() {
            @Override
            public User findById(Long id) {
                // 记录异常信息
                log.error("查询用户异常", throwable);
                // 根据业务需求返回默认的数据，这里是空用户
                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：

@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {

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

2. 线程隔离（舱壁模式）

线程隔离有两种方式实现：

（1）线程池隔离

（2）信号量隔离（Sentinel默认采用）

2.1 线程池隔离

（1）优点：

        1️⃣支持主动超时

        2️⃣支持异步调用

（2）缺点：

        线程的额外开销比较大

（3）场景：

        低扇出

2.2 信号量隔离

（1）优点：

        轻量级，无额外开销

（2）缺点：

        1️⃣不支持主动超时

        2️⃣不支持异步调用

（3）场景：

        1️⃣高频调用

        2️⃣高扇出

在添加限流规则时，可以选择两种阈值类型：

（1）QPS：就是每秒的请求数，在快速入门中已经演示过

（2） 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，实现舱壁模式。

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。

3.1 熔断策略-慢调用

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。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。 

3.2 熔断策略-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：

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0.5，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。 

四、授权规则

1. 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。

（1）白名单：来源（origin）在白名单内的调用者允许访问

（2）黑名单：来源（origin）在黑名单内的调用者不允许访问

例如，我们限定只允许从网关来的请求访问order-service，那么流控应用中就填写网关的名称

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 var1);
}

例如，我们尝试从request中获取一个名为origin的请求头，作为origin的值：

@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;
    }
}

我们还需要在gateway服务中，利用网关的过滤器添加名为gateway的origin头：

spring:
  cloud:   
    gateway:     
      default-filters:       
        - AddRequestHeader=origin,gateway # 添加名为origin的请求头，值为gateway

给/order/{orderId} 配置授权规则：

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。如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

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 var1, HttpServletResponse var2, BlockException var3) throws Exception;
}

而BlockException包含很多个子类，分别对应不同的场景：

我们在order-service中定义类，实现BlockExceptionHandler接口：

@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 + "}");
    }
}

五、规则持久化

1. 规则管理模式

Sentinel的控制台规则管理有三种模式：

推送模式	说明	优点	缺点
原始模式	API 将规则推送至客户端并直接更新到内存中，扩展写数据源（WritableDataSource），默认就是这种	简单，无任何依赖	不保证一致性；规则保存在内存中，重启即消失。严重不建议用于生产环境
Pull 模式	扩展写数据源（WritableDataSource）， 客户端主动向某个规则管理中心定期轮询拉取规则，这个规则中心可以是 RDBMS、文件 等	简单，无任何依赖；规则持久化	不保证一致性；实时性不保证，拉取过于频繁也可能会有性能问题。
Push 模式	扩展读数据源（ReadableDataSource），规则中心统一推送，客户端通过注册监听器的方式时刻监听变化，比如使用 Nacos、Zookeeper 等配置中心。这种方式有更好的实时性和一致性保证。生产环境下一般采用 push 模式的数据源。	规则持久化；一致性；	引入第三方依赖

1.1 Sentinel的三种配置管理模式是什么？

（1）原始模式：保存在内存

（2）pull模式：保存在本地文件或数据库，定时去读取

（3）push模式：保存在nacos，监听变更实时更新

1.2 规则管理模式-原始模式

原始模式：控制台配置的规则直接推送到Sentinel客户端，也就是我们的应用。然后保存在内存中，服务重启则丢失

 

1.3 规则管理模式-pull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。

 

1.4 规则管理模式-push模式

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。

 

2. 实现push模式

push模式实现最为复杂，依赖于nacos，并且需要改在Sentinel控制台。整体步骤如下：

（1）修改order-service服务，使其监听Nacos配置中心

（2）修改Sentinel-dashboard源码，配置nacos数据源

（3）修改Sentinel-dashboard源码，修改前端页面

（4）重新编译、打包-dashboard源码

步骤一：修改order-service服务，使其监听Nacos配置中心

（1）引入依赖

        <dependency>
            <groupId>com.alibaba.csp</groupId>
            <artifactId>sentinel-datasource-nacos</artifactId>
        </dependency>

（2）配置nacos地址

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

步骤二：修改sentinel-dashboard源码，添加nacos数据源

sentinel-dashboard.jar（修改后源码）

sentinel-dashboard-1.8.1.jar（官方源码）