Cloud Alibaba Sentinel——流控-吉桂权的个人主

一、基础概述

1、官网：https://github.com/alibaba/Sentinel/wiki/介绍

Sentinel是什么？

分布式系统的流量防卫兵！！！——Hystrix的阿里版

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度保护服务的稳定性。

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、Sentinel与豪猪哥Hystrix的对比 —— 约定 > 配置 > 编码

Hystrix

1、需要我们程序员自己手动搭建服务监控平台 hystrix-dashboard；

2、没有一套web界面可以给我们进行更加细粒度化的配置；

Sentinel

1、单独一个组件，可以完全独立出来，也不用我们自己搭建监控服务；

2、直接界面化地细粒度统一配置；

3、Sentinel的主要特征：

4、Sentinel的开源生态：

5、Sentinel的组成：

Sentinel主要分为两个部分：

核心库（Java 客户端）不依赖任何框架/库，能够运行于所有 Java 运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。
控制台（Dashboard）基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器（默认端口8080）。

二、Sentinel的下载与安装——Windows版

1、下载地址：

https://github.com/alibaba/Sentinel/releases

本次我选择的版本是 v1.7.0，下载完是一个jar包；

2、使用 java -jar 运行；

3、运行成功后，访问 http://localhost:8080 即可，默认账号密码为 sentinel

三、Sentinel初始化监控使用

1、我们快速创建一个服务 cloudalibaba-sentinel-service8401

pom.xml：

<?xml version="1.0" encoding="UTF-8"?>
<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">
    <parent>
        <artifactId>cloud2020</artifactId>
        <groupId>com.jiguiquan.springcloud</groupId>
        <version>1.0-SNAPSHOT</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>cloudalibaba-sentinel-service8401</artifactId>

    <dependencies>
        <!--springcloud alibaba nacos discovery 以后服务中将nacos和sentinel一起配-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
        </dependency>
        <!--springcloud alibaba sentinel-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>
        <!--springcloud alibaba sentinel-datasource-nacos 后续做持久化用到-->
        <dependency>
            <groupId>com.alibaba.csp</groupId>
            <artifactId>sentinel-datasource-nacos</artifactId>
        </dependency>

        <!--openfeign-->
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-openfeign</artifactId>
            <version>2.2.1.RELEASE</version>
        </dependency>

        <!--公共服务模块依赖-->
        <dependency>
            <groupId>com.jiguiquan.springcloud</groupId>
            <artifactId>cloud-api-commons</artifactId>
            <version>${project.version}</version>
        </dependency>

        <!--springboot项目web和actuator最好一起走-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
        </dependency>

        <!--热部署devtools-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>

        <!--lombok-->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>

        <!--测试-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
        </dependency>
    </dependencies>
</project>

2、配置文件 application.yml：

server:
  port: 8401

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848
    sentinel:
      transport:
        dashboard: localhost:8080
        #默认是8719端口，如果没占用，就会开始+1一直找，直到找到未被占用的端口
        port: 8719

management:
  endpoints:
    web:
      exposure:
        include: '*'

3、启动类就省了：

4、业务类：FlowLimitController.java:

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

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

5、启动测试，依次启动Nacos服务、Sentinel-dashboard服务、8401服务：

顺利启动后，我们会发现Sentinel监控平台，依旧空空如也；

因为Sentinel使用的是懒加载机制，所以我们调用触发一次对8401服务的访问；

这样我们就能看到Sentinel的初始化监控界面了！！！

四、Sentinel流量控制（流控）

1、流控规则简介：

我们还可以参考阿里云的这块关于流控的知识：

https://help.aliyun.com/document_detail/101077.html

2、测试 QPS-直接失败

为 /testA 访问路径，添加如下流控规则：QPS（每秒访问次数） > 2，直接失败

然后快速点击访问 /testA 多次，确保 QPS > 2

显然 QPS 大于阈值后，会直接被Sentinel流控规则拦截！

3、测试线程数-直接失败

为 /testB 访问路径，添加如下限流规则：

为了模拟多个线程，我们让 /testB 的简单业务，阻塞 1 秒钟；

@GetMapping("testB")
public String testB(){
    try {
        TimeUnit.SECONDS.sleep(1);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    return "--------testB";
}

然后快速地访问 /testB 路径，我们发现原本简单的testB也被Sentinel的流控规则给拦截了；

阈值类型 QPS 和线程数的区别
QPS	在进入服务之前就被拦截了（银行大门）
线程数	在进入服务之后，开始办理服务的过程中，被拦截（业务柜台）

4、流控模式——关联

定义：当关联的资源达到阈值时，就限流自己 —— 别人惹事，我来背锅

我们设计一个这样的场景：当与testA关联的资源testB达到阈值后，就限流testA —— testB惹事，限流testA

实际场景：比如支付接口达到阈值后，我们就限流下订单的业务；

配置如下：

测试，因为设计两个接口，手速肯定不够，所以我们借助postman工具，循环访问：

在postmen对testB的循环访问前，testA的访问一切正常，但是运行后，testA的访问，也出现了问题：

这就是Sentinel流控模式之关联！

5、流控模式——链路（多个请求调用了同一个微服务）：略

6、流控效果——预热（Warm Up）

公式：阈值除以coldFactor（默认值为3），经过预热时长后才会达到阈值！

Warm Up（RuleConstant.CONTROL_BEHAVIOR_WARM_UP）方式，即预热/冷启动方式；

当系统长时间处于低水位情况下，当流量突然增加时，直接把系统拉升到高水位，可能瞬间将系统冲垮；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过程时间，避免冷系统被冲垮；

通常，冷启动的过程QPS曲线如下图：

当流量突然增大的时候，我们常常会希望系统从空闲状态到繁忙状态的切换的时间长一些。即如果系统在此之前长期处于空闲的状态，我们希望处理请求的数量是缓步的增多，经过预期的时间以后，到达系统处理请求个数的最大值。Warm Up（冷启动，预热）模式就是为了实现这个目的的。

这个场景主要用于启动需要额外开销的场景，例如建立数据库连接等。

默认 coldFactor 为 3，即请求 QPS 从 threshold / 3 开始，经 预热时长 逐渐升至设定的 QPS 阈值。

Demo配置：

场景：秒杀系统，在开启的瞬间，会有很多流量上来，很有可能会把系统打死，预热方式就是为了保护系统，可以慢慢地将流量放进来，慢慢地把阈值增长到设置的目标阈值；

7、流控效果——排队等待

匀速排队（RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER）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。

阈值类型必须设成QPS，无法设成线程数；

含义： /testA 每秒一次请求，超过的话就排队等待，等待的超时时间为20000毫秒，超过timwout时间，这个请求就会被直接打回；

该方式的作用如下图所示：

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。

Sentinel的流控作用就到这里！

个人此项目代码地址（持续更新）：

https://github.com/jiguiquan/cloud2020