深入理解 Sentinel：从基础到实战的微服务治理
目录
一、初识Sentinel
【1】雪崩问题及解决方案
1.雪崩问题
微服务中，服务间调⽤关系错综复杂，⼀个微服务往往依赖于多个其它微服务。
如图，如果服务提供者I发生了故障，当前的应⽤的部分业务因为依赖于服务I，因此也会被阻塞。此时， 其它不依赖于服务I的业务似乎不受影响。
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
2.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
3.仓壁模式
仓壁模式来源于船舱的设计，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。
4.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。
5.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。
6.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：
限流是对服务的保护，避免因瞬间⾼并发流量⽽导致服务故障，进⽽避免雪崩是⼀种预防措施。
超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在⼀定范围，避免雪崩。是⼀种补救措施。
【2】服务保护技术对比
在SpringCloud当中⽀持多种服务保护技术：
- Netfix Hystrix
- Sentinel
- Resilience4J
早期比较流行的是Hystrix框架，但⽬前国内实⽤最⼴泛的还是阿里巴巴的Sentinel框架，这⾥我们做下对比：
【3】Sentinel介绍和安装
1.初识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.安装Sentinel
1）下载
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。
2）运行
将jar包放到任意非中文目录，执行命令：java -jar sentinel-dashboard-1.8.1.jar
3）访问
访问http://localhost:8080⻚⾯，就可以看到sentinel的控制台了：
需要输⼊账号和密码，默认都是：sentinel
登录后，发现一片空白，什么都没有：
这是因为我们还没有与微服务整合；懒加载
【4】微服务整合Sentinel
我们在shop-order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.配置控制台
修改application.yaml文件，添加下面内容：spring: cloud: sentinel: transport: dashboard: localhost:8080
3.访问order-service的任意端点
打开浏览器，访问http://localhost:8091/order/prod/19，这样才能触发sentinel的监控。
然后再访问sentinel的控制台，查看效果
二、流量控制
【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、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。
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
【2】快速入门
1.示例
点击资源/order/prod/{pid}后⾯的流控按钮，就可以弹出表单。
QPS即每秒查询率，QPS = req/sec = 请求数/秒，即每秒的响应请求数，也即是最大吞吐能力
2.练习
需求：给 /order/prod/{pid}这个资源设置流控规则，QPS不能超过5，然后测试。
1）首先在sentinel控制台添加限流规则
2）利用jmeter测试
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：
结果：
可以看到，成功的请求每次只有5个
【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
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。
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：
【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
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，持续指定时⻓后，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
配置流控规则
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，意味着预期等待时⻓超过 2000ms的请求会被拒绝并抛出异常。
那什么叫做预期等待时⻓呢？
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：
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
【5】热点参数限流
1.全局参数限流
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
2.热点参数限流
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1，则每1秒允许的QPS为4
- 如果参数值是2，则每1秒允许的QPS为10
三、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。
【1】FeignClient整合Sentinel
1.修改配置，开启sentinel功能
修改shop-Order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.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
方式1：
步骤⼀：配置yml文件开启支持
feign: sentinel: enabled: true步骤⼆：创建ProductServiceFallBack类实现降级方案编辑@Component public class ProductServiceFallBack implements IProductService { @Override public Product findByPid(Integer pid) { Product product = new Product(); product.setPid(-1); product.setPname("暂⽆商品"); return product; } }步骤三：配置属性@FeignClient(value="service-product", fallback = ProductServiceFallBack.cla ss)
方式2：步骤⼀：配置yml文件开启支持feign: sentinel: enabled: true步骤⼆：创建ProductServiceFallBack类实现降级方案编辑@Component public class ProductServiceFallBack implements FallbackFactory<ProductServ ice> { @Override public ProductService create(Throwable throwable) { return new ProductService() { @Override public Product findByPid(Integer pid) { System.out.println("异常信息："+throwable); Product product = new Product(); product.setPid(-1); product.setPname("暂⽆商品"); return product; } }; } }步骤三：配置属性@FeignClient(value="service-product", fallbackFactory = ProductServiceFallB ack.class)
【2】线程隔离（舱壁模式）
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：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（Sentinel默认采用）：
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
2.sentinel的线程隔离
1）配置隔离规则
选择feign接口后面的流控按钮：
2）Jmeter测试
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。
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。
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
感谢你花时间读到这里～ 如果你觉得这篇内容对你有帮助，不妨点个赞让更多人看到；如果有任何想法、疑问，或者想分享你的相关经历，欢迎在评论区留言交流，你的每一条互动对我来说都很珍贵～ 我们下次再见啦！😊😊
码道开发者社区，聚焦华为云码道 CodeArts 代码智能体，沉淀 Agent、Skill、鸿蒙开发实战内容，供开发者查阅资料、交流技术、分享工程实践
更多推荐
19
0- 0
已为社区贡献2条内容
所有评论(0)