目录

1.雪崩问题

1.1.解决雪崩问题的常见方式有四种

2.什么是Sentinel

2.1.安装Sentinel控制台

2.2.微服务整合Sentinel

3.流量控制

3.1.簇点链路

3.2.快速入门

3.2.1.示例

 3.2.2.利用jmeter测试

3.3.流控模式

3.3.1.关联模式

3.3.2.链路模式

3.3.3.总结

3.4.流控效果

3.4.1.warm up

3.4.2.排队等待

3.4.3.总结

3.5.热点参数限流

3.5.1.全局参数限流

3.5.2.热点参数限流

3.5.3.案例

4.隔离和降级

4.1.FeignClient整合Sentinel

4.1.1.修改配置，开启sentinel功能

4.1.2.编写失败降级逻辑

4.1.3.总结

4.2.线程隔离（舱壁模式）

4.2.1.线程隔离的实现方式

4.2.2.sentinel的线程隔离

4.2.3.总结

---

1.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。

1.1.解决雪崩问题的常见方式有四种

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

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。

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。

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。

  

2.什么是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。

2.1.安装Sentinel控制台

资源绑定中提供了下载好的jar包

启动并且修改端口号为：8888

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

2.2.微服务整合Sentinel

继上一篇 微服务项目 继续扩展整合Sentinel

在springcloud-product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）bootstrap.properties配置文件加入

#sentinel的服务端的地址
spring.cloud.sentinel.transport.dashboard=localhost:8888

3）访问springcloud-product的任意端点

打开浏览器，访问http://localhost:8088/order/101localhost:8001/product/getNamelocalhost:8001/product/getById/1localhost:8001/product/getNamehttp://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：

3.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。

3.1.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、dao，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：刚才访问的springcloud-product中的ProductController中的端点：/product/getById/{id}

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

3.2.快速入门

3.2.1.示例

点击资源/product/getById/{id}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：

其含义是限制/product/getById/{id}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。

 3.2.2.利用jmeter测试

1）首先在sentinel控制台添加限流规则

2）利用jmeter测试

打开jmeter，导入资料提供的测试样例：

选择：

 20个用户，2秒内运行完，QPS是10，超过了5

选中流控入门，QPS<5右键运行：

注意，不要点击菜单中的执行按钮来运行

结果：

可以看到，成功的请求每次不会超过5个  

3.3.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

快速入门测试的就是直接模式。

3.3.1.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。

演示:

需求说明：

• 在ProductController新建两个端点：/product/query和/product/update，无需实现业务

• 配置流控规则,当/product/ update资源被访问的QPS超过5时,对/product/query请求限流

1）定义/product/query端点，模拟订单查询

@GetMapping("/query")
public String queryOrder() {
    return "查询订单成功";
}

2）定义/product/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/product/query限流，因此点击它后面的按钮：  

在表单中填写流控规则：

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/product/update，这样这个断点就会触发阈值。

启动

但限流的目标是/product/query，我们在浏览器访问，可以发现：

确实被限流了。  

---

小结：

满足下面条件可以使用关联模式：

• 两个有竞争关系的资源
• 一个优先级较高，一个优先级较低

3.3.2.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：

演示：

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：

1. 在ProductService中添加一个queryGoods方法，不用实现业务

2. 在ProductController中，改造/Product/query端点，调用ProductService中的queryGoods方法

3. 在ProductController中添加一个/Product/save的端点，调用ProductService的queryGoods方法

4. 给queryGoods设置限流规则，从/Product/query进入queryGoods的方法限制QPS必须小于2

实现：

1）添加查询商品方法

给ProductService类添加一个queryGoods方法：

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

2）查询订单时，查询商品

在ProductController中，修改/Product/query端点的业务逻辑：

@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

在ProductController中，修改/Product/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";
}

4）给查询商品添加资源标记

默认情况下，ProductService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ProductService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。

需要关闭这种对SpringMVC的资源聚合，在bootstrap.properties配置文件中添加：

#关闭context整合
spring.cloud.sentinel.web-context-unify=false

重启服务，访问/product/query和/product/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/product/save：

运行的结果：

另一个是访问/product/query：

运行结果：

每次通过不超过两个

3.3.3.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 

3.4.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

3.4.1.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.

演示：

需求：给/product/getById/{id}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

 选择《流控效果，warm up》：

 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：

 到Sentinel控制台查看实时监控：

3.4.2.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

 平滑的QPS曲线，对于服务器来说是更友好的。

演示：

需求：给/product/getById/{id}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

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：

 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：

3.4.3.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

3.5.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。

3.5.1.全局参数限流

例如，一个根据id查询商品的接口：

访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：  

当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。

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

3.5.2.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

3.5.3.案例

案例需求：给/product/getById/{id}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2这个参数设置例外：每1秒请求量不超过4

•给3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ProductController中的/product/getById/{id}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》：

这里发起请求的QPS为5.

包含3个http请求：

普通参数，QPS阈值为2

运行结果：

 例外项，QPS阈值为4

运行结果：

 例外项，QPS阈值为10

运行结果：

4.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）和熔断降级手段了。

线程隔离之前讲到过：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。  

可以看到，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。

而我们的微服务远程调用都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。

4.1.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。

4.1.1.修改配置，开启sentinel功能

在springcloud-order微服务的bootstrap.properties配置文件中，

添加开启Feign的Sentinel功能：

#开启feign和sentinel的整合
feign.sentinel.enabled=true

4.1.2.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springcloud-order项目中定义类，创建MyFallBackFactory.java

package com.aaa.order.feign;

import com.aaa.common.entity.Product;
import feign.hystrix.FallbackFactory;
import org.springframework.stereotype.Component;

@Component
public class MyFallBackFactory implements FallbackFactory<ProductFeign> {
    @Override
    public ProductFeign create(Throwable throwable) {
        return new ProductFeign() {
            @Override
            public Product getById(Long id) {
                Product product = new Product();
                product.setPid(-1L);
                product.setPname("被调用的服务器出现故障，请稍后重试...");
                return product;
            }
        };
    }
}

步骤二：在ProductFeign接口中使用MyFallBackFactory

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：

 添加流控

 设置一秒钟只能访问一次

 结果：一秒钟超出一次后：

4.1.3.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

4.2.线程隔离（舱壁模式）

4.2.1.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：

4.2.2.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）

演示：

案例需求：给 springcloud-order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：

填写表单：

2）Jmeter测试

选择《阈值类型-线程数<2》：

 一次发生10个请求，有较大概率并发线程数超过2，而超出的请求会走之前定义的失败降级逻辑。

查看运行结果：

发现虽然结果都是通过了，不过部分请求得到的响应是降级返回的null信息。

4.2.3.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

4.3.熔断降级.....

.........