1.初识Sentinel

1.1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。
image.png
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。
image.png
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。
image.png
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。
image.png

1.2服务保护技术对比

image.png

1.3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
1.将其拷贝到一个你能记住的非中文目录，然后运行命令：
image.png
2.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
image.png
3.如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：
image.png
举例说明：
image.png

1.4微服务整合Sentinel

要使用Sentinel肯定要结合微服务，这里我们使用SpringCloud实用篇中的cloud-demo工程。
项目结构如下：
image.png
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：

  1. <!--sentinel-->
  2. <dependency>
  3.     <groupId>com.alibaba.cloud</groupId>
  4.     <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
  5. </dependency>

2.配置控制台地址：

  1. spring:
  2.   cloud:
  3.     sentinel:
  4.       transport:
  5.         dashboard: localhost:8080

2.限流规则

2.1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：
image.png

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：
image.png
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

2.2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：
•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
image.png
给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5。然后利用jemeter测试。

2.2.1流控模式-直接

1.设置流控规则：
image.png
2.jemeter测试：
image.png

2.2.2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。
image.png
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

2.2.3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：
• /test1 —>/common
• /test2 —>/common

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OrderService中添加一个queryGoods方法，不用实现业务
2.在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
3.在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
4.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

注意事项：
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@SentinelResource注解.

  1. @SentinelResource("goods")
  2. public void queryGoods() {
  3.     System.err.println("查询商品");
  4. }

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。

  1. spring:
  2.   cloud:
  3.     sentinel:
  4.       web-context-unify: false # 关闭context整合

2.2.4流控模式-总结

•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。

2.3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：

•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。
image.png

2.3.1预热模式

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.
设置QPS的threshold为10，预热时间为5秒，然后在5秒后逐渐增长到10.

2.3.2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。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。

2.4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。
image.png
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：
image.png
结合上一个配置，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。
注意事项：热点参数限流对默认的SpringMVC资源无效。

3.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。
image.pngimage.png

3.1Feign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。

  1. feign:
  2.   sentinel:
  3.     enabled: true # 开启Feign的Sentinel功能

2.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

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

  1. @Slf4j
  2. public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
  3.     @Override
  4.     public UserClient create(Throwable throwable) {
  5.         // 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
  6.         return new UserClient() {
  7.             @Override
  8.             public User findById(Long id) {
  9.                 // 记录异常信息
  10.                 log.error("查询用户失败", throwable);
  11.                 // 根据业务需求返回默认的数据，这里是空用户
  12.                 return new User();
  13.             }
  14.         };
  15.     }
  16. }

步骤二：在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：

  1. @Bean
  2. public UserClientFallbackFactory userClientFallback(){
  3.     return new UserClientFallbackFactory();
  4. }

步骤三：在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：

  1. @FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
  2. public interface UserClient {
  3.     @GetMapping("/user/{id}")
  4.     User findById(@PathVariable("id") Long id);
  5. }

3.2线程隔离

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）
image.png

在添加限流规则时，可以选择两种阈值类型：
image.png
•QPS：就是每秒的请求数。
•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，实现舱壁模式。

3.3熔断降级

熔断降级是解决雪崩问题重要手段。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。而当服务恢复时，断路器会放行访问该服务的请求。
image.png

3.3.1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。
image.png
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。

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，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5
提示：为了触发慢调用规则，我们需要修改UserService中的业务，增加业务耗时：
image.png

3.3.2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。
image.png
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。

image.png
统计最近1000ms内的请求，如果请求量超过10次，并且异常数不低于2，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。

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
提示：为了触发异常统计，我们需要修改UserService中的业务，抛出异常：
image.png

3.3.3熔断策略总结

•慢调用比例：超过指定时长的调用为慢调用，统计单位时长内慢调用的比例，超过阈值则熔断
•异常比例：统计单位时长内异常调用的比例，超过阈值则熔断
•异常数：统计单位时长内异常调用的次数，超过阈值则熔断

4.规则持久化

4.1规则管理模式

Sentinel的控制台规则管理有三种模式：
•原始模式：保存在内存
•pull模式：保存在本地文件或数据库，定时去读取
•push模式：保存在nacos，监听变更实时更新

4.1.1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
image.png

4.1.2pull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。
image.png

4.1.3push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。
image.png

4.2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
修改OrderService，让其监听Nacos中的sentinel规则配置。
具体步骤如下：

4.2.1.引入依赖

  1. 在order-service中引入sentinel监听nacos的依赖：
  2. <dependency>
  3.     <groupId>com.alibaba.csp</groupId>
  4.     <artifactId>sentinel-datasource-nacos</artifactId
  5. </dependency>

4.2.2.配置nacos地址

  1. 在order-service中的application.yml文件配置nacos地址及监听的配置信息：
  2. spring:
  3.   cloud:
  4.     sentinel:
  5.       datasource:
  6.         flow:
  7.           nacos:
  8.             server-addr: localhost:8848 # nacos地址
  9.             dataId: orderservice-flow-rules
  10.             groupId: SENTINEL_GROUP
  11.             rule-type: flow # 还可以是：degrade、authority、param-flow

4.2.3修改sentinel-dashboard源码