Sentinel是什么和能做什么
what
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
what to do
-
特征(自己吹自己)
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。
描述雪崩问题和解决方案
描述
理解:说白了就是链路中有一个或多个微服务不可用,最终导致整个两路不可用的效应,这种效应称为服务雪崩(级联故障/失效)
- 面试回答: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。
具体解释
- 依赖服务I的业务请求被阻塞,用户不会得到响应,则tomcat的这个线程不会释放,于是越来越多的用户请求到来,越来越多的线程会阻塞。
- 服务器支持的线程和并发数有限,请求一直阻塞,会导致服务器资源耗尽,从而导致所有其它服务都不可用,那么当前服务也就不可用了。
- 那么,依赖于当前服务的其它服务随着时间的推移,最终也都会变的不可用,形成级联失败,雪崩就发生了:
解决服务雪崩方案(4种=解决方案+预防方案)
解决方案(3种)
超时处理
- 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,避免整个船体都被淹没。
- 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。
- 缺点就是线程池过多,对于性能消耗过大,资金需求较高
断路器
- 断路器模式: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:
预防方案(1种)
限流
- 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。
补充:QPS与RT
QPS
- 全名 Queries Per Second,意思是“每秒查询率”
- QPS = req/sec = 请求数/秒。它代表的是服务器的机器的性能最大吞吐能力。
-
RT
Response Time缩写,响应时间
- 从客户端发起请求到服务端接受到请求并响应所有数据的时间差
-
总结
什么是雪崩问题?
- 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。
可以认为:
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。
- 例如,我们刚才访问的order-service中的OrderController中的端点:/order/{orderId}
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:
Sentinel可以直接基于控制台定义系统保护的相关规则,并且阿里提供了两种控制台的介入方式:本地jar包启动、Docker运行、阿里云平台。
- 官方下载地址:https://github.com/alibaba/Sentinel/releases
- Wiki主页:https://github.com/alibaba/Sentinel/wiki/%E4%B8%BB%E9%A1%B5
- 或者是基于 Docker 运行容器启动:
```java
下载Sentinel镜像(使用老师下发的虚拟机,无需下载镜像)
docker pull bladex/sentinel-dashboard:1.8.0
创建sentinel容器
docker run —name sentinel -d -p 8858:8858 bladex/sentinel-dashboard:1.8.0
- **访问:**[**http://192.168.94.129:8858/**](http://192.168.94.129:8858/)
- **账号:sentinel**
- **密码:sentinel**
<a name="Tv6Gg"></a>
## 微服务整合Sentinel
- **基于我们之前学过的微服务项目 cloud-demo下的order-service微服务演示**
- **让Sentinel对我们的微服务项目进行保护**
- **在order-service中整合sentinel,并连接sentinel的控制台,步骤如下:**
<a name="qOoPg"></a>
### 引入sentinel依赖
```java
<!--sentinel-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
配置控制台
修改application.yaml文件,添加下面内容:
spring: cloud: sentinel: transport: dashboard: 192.168.94.129:8858 #sentinel控制台地址 client-ip: 192.168.94.1 #order服务ip地址, port: 8088 #order服务的端口号
访问
访问order-service的任意端点
- 打开浏览器,访问http://localhost:8088/order/101,访问不了就http://localhost:8080/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:
流控模式
流量控制快速入门
- 点击资源/order/{orderId}后面的流控按钮,就可以弹出表单。
- 流控规则
- 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。
三种模式
直接: 当前资源请求数量达到阈值时,对当前资源做限流
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: 多条链路访问同一个资源,同一个资源达到阈值时,我们可以对其中的某条链路做限流
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
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。
- ==当关联资源到达阈值时,对当前资源进行限流==
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。
需求说明
在OrderController新建两个端点:/order/query和/order/update,无需实现业务
配置流控规则,当/order/ update资源被访问的QPS超过5时,对/order/query请求限流
步骤
定义/order/query端点,模拟订单查询
@GetMapping("/query") public String queryOrder() { return "查询订单成功"; }
定义/order/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
- 访问http://localhost:8080/order/query与http://localhost:8080/order/update
- 查看sentinel控制台的簇点链路:
- 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/order/query限流,因此点击它后面的按钮:
- 在表单中填写流控规则
- 在Jmeter测试
- 选择《流控模式-关联》:
- 请求的目标是/order/update,这样这个断点就会触发阈值。
- 但限流的目标是/order/query,我们在浏览器访问,可以发现:
总结
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:
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。
- 步骤:
- 在OrderService中添加一个queryGoods方法,不用实现业务
- 在OrderController中,改造/order/query端点,调用OrderService中的queryGoods方法
- 在OrderController中添加一个/order/save的端点,调用OrderService的queryGoods方法
- 给queryGoods设置限流规则,从/order/query进入queryGoods的方法限制QPS必须小于2
-
添加查询商品方法
在order-service服务中,给OrderService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
在order-service的OrderController中,修改/order/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"; }
新增订单,查询商品
在order-service的OrderController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"); }
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order-service服务的application.yml文件:
spring: 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。
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/order/save:
- 运行的结果:
- 完全不受影响。
- 另一个是访问/order/query:
- 运行结果:
-
总结
流控模式有哪些?
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:
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.
案例
- 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
到Sentinel控制台查看实时监控
一段时间后
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:
- 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:
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
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。
全局参数限流
例如,一个根据id查询商品的接口:
- 修改OrderService的application.yml文件,开启Feign的Sentinel功能:
- 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
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:
案例需求:
- 给/order/{orderId}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
标记资源
给order-service中的OrderController中的/order/{orderId}资源添加注解:
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:
Jmeter测试
- 选择《热点参数限流 QPS1》:
- 这里发起请求的QPS为50
- 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:
Feign整合Sentinel步骤
修改配置,开启sentinel功能
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
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
- 方式一:FallbackClass,无法对远程调用的异常做处理
- 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feing-api项目中定义类,实现FallbackFactory:
代码
package cn.itcast.feign.client.fallback;
import cn.itcast.feign.client.UserFeignClient;
import cn.itcast.feign.pojo.User;
import feign.hystrix.FallbackFactory;
import lombok.extern.slf4j.Slf4j;
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserFeignClient> {
@Override
public UserFeignClient create(Throwable throwable) {
return new UserFeignClient() {
@Override
public User queryById(Long id) {
log.info("Feign远程调用失败");
return new User();
}
};
}
}
步骤二:在feing-api项目中的FeignConfig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:
import cn.itcast.feign.clients.fallback.UserClientFallbackFactory;
import cn.itcast.feign.pojo.User;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {
@GetMapping("/user/{id}")
User findById(@PathVariable("id") Long id);
}
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:
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:
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:
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)。
案例
案例需求: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。然后利用jemeter测试。
配置隔离规则
填写表单
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。
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?
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
慢调用
- 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,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。
案例
需求:给 UserClient的查询用户接口设置降级规则,慢调用的RT阈值为50ms,最小请求数量为2,失败阈值比例为0.4,熔断时长为5
设置慢调用
修改user-service中的/user/{id}这个接口的业务。通过休眠模拟一个延迟时间:
此时,orderId=101的订单,关联的是id为1的用户,调用时长为60ms:
- orderId=102的订单,关联的是id为2的用户,调用时长为非常短;
设置熔断规则
- 下面,给feign接口设置降级规则:
- 规则
- 超过50ms的请求都会被认为是慢请求
解读:RT超过50ms的调用是慢调用,如果请求量超过5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。
测试
在浏览器访问:http://localhost:8088/order/101,快速刷新5次,可以发现:
在浏览器访问:http://localhost:8088/order/102,竟然也被熔断了: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,一个异常比例设置:
- 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0.4,则触发熔断。
- 一个异常数设置:
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2次,则触发熔断。
案例
需求:给 UserClient的查询用户接口设置降级规则,统计时间为1秒,最小请求数量为5,失败阈值比例为0.4,熔断时长为5s
设置异常请求
首先,修改user-service中的/user/{id}这个接口的业务。手动抛出异常,以触发异常比例的熔断:
在2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。
测试
在浏览器快速访问:http://localhost:8088/order/102,快速刷新5次,触发熔断:
授权规则是什么和如何设置授权规则
授权规则
基本规则
- 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/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。
我们允许请求从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)。
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); }
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。
- 例如order-service服务中,我们定义一个RequestOriginParser的实现类: ```java 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; } }
我们会尝试从request-header中获取origin值。
<a name="NCnii"></a>
### 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。**
- **这个需要利用之前学习的一个GatewayFilter来实现,AddRequestHeaderGatewayFilter。**
- **修改gateway服务中的application.yml,添加一个defaultFilter:**
```java
spring:
cloud:
gateway:
default-filters:
- AddRequestHeader=origin,gateway
routes:
# ...略
这样,从gateway路由的所有请求都会带上origin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。
- 配置如下:
- 现在,我们直接跳过网关,访问order-service服务:
- 通过网关访问:
自定义异常结果实现
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。
4.2.1.异常类型
而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 request, HttpServletResponse response, BlockException e) throws Exception; }
这个方法有三个参数:
- HttpServletRequest request:request对象
- HttpServletResponse response:response对象
- BlockException e:被sentinel拦截时抛出的异常
- 这里的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
- 下面,我们就在order-service定义一个自定义异常处理类: ```java package cn.itcast.order.sentinel;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler; import com.alibaba.csp.sentinel.slots.block.BlockException; import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException; import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException; import com.alibaba.csp.sentinel.slots.block.flow.FlowException; import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException; import org.springframework.http.HttpStatus; import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletRequest; import javax.servlet.http.HttpServletResponse;
@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 = HttpStatus.TOO_MANY_REQUESTS.value();
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 = HttpStatus.UNAUTHORIZED.value();;
}
response.setContentType("application/json;charset=utf-8");
response.setStatus(status);
response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");
}
规则持久化(要花钱的)
现在,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。
规则管理模式
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:
- 原始模式:Sentinel的默认模式,将规则保存在内存,重启服务会丢失。
- pull模式
- push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。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。
阿里云AHAS:应用防护接入