SpringCloud Alibaba学习(四)——Sentinel实现限流、降级、熔断配置和测试使用

一、Sentinel简介

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。

《SpringCloud Alibaba Sentinel 官方文档》
《Sentinel github开源代码和文档介绍》

[问：]Sentinel 与 Hystrix 存在哪些不同？

Hystrix 需要引入大量的pom依赖，以及需要在配置文件中做一定量的配置编写；其次使用流量监控等操作时，需要额外配置很多，过于麻烦。
Sentinel 只需要引入对应pom依赖即可，能够在界面上直接进行配置，无需写太多的配置文件。

二、Sentinel 下载、安装和使用

2.1、下载sentinel

下载链接

• 启动、使用
  使用 Sentinel 时，需要注意几点

端口占用为 8080 (与tomcat类似)
这是一个jar项目，使用 java -jar xxxxx.jar 启动

查看配置文件，并无端口号相关的配置信息，采取的是Springboot 默认的 8080端口启动。

[注意：]Sentinel需要额外注意端口信息

尝试采取指定端口号启动方式，但无效；可能是官方出现的隐藏bug。
后期如做配置，需要额外注意Sentinel 的端口信息！

2.2、启动 Nacos、Sentinel

java -jar sentinel-dashboard-1.7.2.jar

扫描二维码关注公众号，回复： 11502967 查看本文章

访问：

localhost:8080

账号、密码分别为：sentinel

2.3、创建测试项目

创建子项目 cloudalibaba-Sentinel-Server-8500

引入依赖信息：

<!-- SpringCloud ailibaba nacos -->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <!--监控 -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
        </dependency>
        <!--   使用 openfeign 组件  -->
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-openfeign</artifactId>
        </dependency>
        <!--  使用 Sentinel 组件 -->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>
        <!--  sentinel 的数据持久化  -->
        <dependency>
            <groupId>com.alibaba.csp</groupId>
            <artifactId>sentinel-datasource-nacos</artifactId>
        </dependency>

编写配置文件信息，指明当前微服务的端口、服务别名以及让Sentinel监听当前微服务。

## 该服务的端口信息
server:
  port: 8500

## 服务别名和nacos服务注册发现地址配置
spring:
  application:
    name: cloudalibaba-sentiner-server
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848
    sentinel:  ## 流控
      transport:
        # sentinel dashboard的地址(sentinel的地址--8080监控当前8500微服务)
        dashboard: localhost:8080
        # 为应用开启额外的端口，上报监控信息
        # 默认为8719端口，加入被占用将会自动从8719开始+1扫描，直至找到未被占用的端口地址
        port: 8719

## 监控相关
management.endpoints.web.exposure.include: '*'

编写启动类和测试类：

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.cloud.client.discovery.EnableDiscoveryClient;

@SpringBootApplication
@EnableDiscoveryClient
public class SentinelApplication8500 {
    public static void main(String[] args) {
        SpringApplication.run(SentinelApplication8500.class,args);
    }
}

import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class TestController {

    @RequestMapping("/test1")
    public String test1(){
        return "----this is test1";
    }

    @RequestMapping("/test2")
    public String test2(){
        return "----this is test2";
    }
}

2.4、启动测试项目

启动测试项目 cloudalibaba-Sentinel-Server-8500。
在nacose中完成了服务的注册：

查看Sentinel，但是并无监控信息。

Sentinel是一款 懒加载 式的架构，需要对接口进行请求后，才能获得相关监控信息。

请求接口后再次刷新Sentinel并查看信息统计：

http://localhost:8500/test2
http://localhost:8500/test1

三、Sentinel 阈值类型和流控模式

界面配置专业词汇概述：

名称	介绍	注意项
资源名	唯一名称	默认为请求路径
针对资源	Sentinel可以针对调用者进行限流，填写微服务名	默认为default
阈值类型 QPS	每秒钟的请求数量	当调用该api的QPS达到阈值时，进行限流操作
阈值类型 线程数		当调用该api的请求线程数达到阈值时，触发限流
流控模式 直接		当api达到限流条件时，直接限流。
流控模式 关联		当关联的资源达到阈值时，就限流自己。
流控模式 链路		当从某个接口过来的资源达到限流条件时，开启限流。
流控效果 快速失败		直接进行失败，抛出异常。
流控效果 Warm Up		根据codeFactor(冷加载因子，默认为3)的值，从阈值/codeFactor，经过预热时长，才达到设置的QPS阈值。
流控效果 排队等待		匀速排队，让请求以匀速的速度通过，阈值类型必须设定为QPS，否则无效

3.1、阈值类型 QPS、流控模式 直接

修改 /test1 请求的流控规则，如下图所示：

默认的高级设置为：

每秒允许请求数为 1

请求并进行测试：

测试需要讲究快速点击、缓慢点击

• 缓慢点击
  
• 快速点击
  

表示1秒内，查询1次请求OK；
如果请求在1秒内的次数高于1次，则进入快速失败流程，报默认的错误提示！

3.2、阈值类型 线程数、流控模式 直接

修改 /test1 的请求限流配置，将QPS更改为线程数。


再次请求：

http://localhost:8500/test1

发现：

无论请求速率多么快，都不会进入限流回执。

[问：]这是为什么？
分析问题前，需要了解 QPS 和线程数这两种方式的区别：

类型	区别描述	关键
QPS	假设100个请求同时过来，QPS设置一秒一个请求线程通过，1秒内其他请求直接进行拦截。	每秒请求数
线程数	假设100个请求同时过来，线程数允许所有的请求进入，但每次只允许一个请求执行操作，其他请求数等待。	最大请求数

修改处理接口：

import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class TestController {

    @RequestMapping("/test1")
    public String test1(){
        return "----this is test1";
    }

    @RequestMapping("/test2")
    public String test2(){
        return "----this is test2";
    }

    /**
     * 模拟  阈值类型  为  线程数
     * @return
     */
    @RequestMapping("/test3")
    public String test3(){
        // 每次请求过来，都延时800毫秒做处理
        try {
            Thread.sleep(800);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return "----this is test3";
    }
}

再次请求测试：

http://localhost:8500/test3
快速点击！

3.3、阈值类型 QPS、流控模式 关联

此次的配置采取如下方式：

当关联的资源达到限流条件时，开启限流
配置请求 /test2 限流QPS，关联 /test1

文档解释现象：

/test1 与 /test2 有关联关系。
若 /test2 达到阈值时，会对 /test1 进行限流！

实用背景：

下单和支付接口进行关联。
如若支付接口达到阈值，就限定下单接口少产生支付接口，缓解压力！

如何进行测试呢？

1、正常请求 /test1，无关乎快速还是缓慢，都会是正常返回信息。
2、循环不断请求/test2，触发该接口的限流操作。
3、再次请求/test1，查看请求回执状态信息。

正常请求/test1：

http://localhost:8500/test1
无论快慢，都是返回下列信息！

使用postman、jmeter等工具，迭代请求/test2，触发限流后，再次请求/test1查看回执状态信息：

运行 postman，浏览器访问：http://localhost:8500/test1

现象：

当/test2触发了限流，此时的/test1请求将会受到影响！
当/test2限流结束，/test1才能继续请求得到回执！

3.4、QPS、链路

链路：当从某个接口过来的资源达到限流条件时，开启限流。

链路流控是针对上级接口！

[注意：]此处有巨坑！

1、Sentinel 从 1.6.3版本开始，Sentinel Web Filter 默认收敛所有URL的入口Context，因此链路限流不生效。
2、1.7.0版本开始，官方在CommomFilter中引入了一个WEB_CONTEXT_UNIFY参数，用于控制是否收敛context。默认为true(默认收敛所有)，配置为false则可根据不同URL进行链路的限流操作。
3、Spring Cloud Alibaba 在2.1.1.RELEASE版本后，可以根据配置spring.cloud.sentinel.filter.enabled: false来关闭自动收敛。

---

如何进行测试呢？
1、修改父pom中的Spring Cloud Alibaba 的依赖版本信息

<!-- 将2.1.0版本更改为2.1.1版本 -->
<spring.cloud.alibaba.version>2.1.1.RELEASE</spring.cloud.alibaba.version>

2、增加一个服务接口，使得两个controller均可调用。

import com.alibaba.csp.sentinel.annotation.SentinelResource;
import org.springframework.stereotype.Service;

@Service
public class ServiceImpl {

    //必须加上 @SentinelResource 注解，此处该注解类似 @HystrixCommand
    @SentinelResource("message")
    public  String message(){
        return "message";
    }
}

3、编写配置类文件，设置WEB_CONTEXT_UNIFY为false。

import com.alibaba.csp.sentinel.adapter.servlet.CommonFilter;
import org.springframework.boot.web.servlet.FilterRegistrationBean;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class FilterContextConfig {

    @Bean
    public FilterRegistrationBean sentinelFilterRegistration(){
        FilterRegistrationBean registrationBean = new FilterRegistrationBean();
        registrationBean.setFilter(new CommonFilter());
        registrationBean.addUrlPatterns("/*");
        //入口资源关闭聚合
        registrationBean.addInitParameter(CommonFilter.WEB_CONTEXT_UNIFY,"false");
        registrationBean.setName("sentinelFilter");
        registrationBean.setOrder(1);
        return registrationBean;
    }
}

4、在yml配置文件中，需要新增配置信息

5、编写请求控制器类，调用服务中的方法。

import cn.linkpower.servive.ServiceImpl;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class TestController {

    /**
     *链路demo
     */

    @Autowired
    private ServiceImpl serviceImpl;

    @RequestMapping("/message1")
    private String message1(){
        serviceImpl.message();
        return "lianlu  message1";
    }

    @RequestMapping("/message2")
    private String message2(){
        serviceImpl.message();
        return "lianlu  message2";
    }
}

6、启动并测试

先分别请求 http://localhost:8500/message1 和 http://localhost:8500/message2 使得Sentinel中存在监控信息。

设置Sentinel中的 message信息。采取链路形式构成关联

再次快速请求 http://localhost:8500/message1 和 http://localhost:8500/message2

[总结：]

当配置message资源 链路 /message1 请求接口时，如果 /message1 出现请求超过限流值，则会触发限流，但 /message2 并不受影响！
反之，/message2 受影响，但 /message1不受影响！

[注：]@SentinelResource 注解在博客下会说明！

四、Sentinel 流控效果

此处的效果测试，均采用 阈值类型：QPS、流控模式：直接。

4.1、直接

直接失败，抛出异常，不做任何额外处理，是最简单的方式。

4.2、Warm Up

从开始阈值，到最大QPS阈值会有一个缓冲阶段，
一开始的阈值是最大QPS阈值的1/3，然后缓慢增长，直到最大阈值，适用于突然增大的流量转化为缓步增长。
避免突然大流量造成服务器的宕机！

阈值最初为10；
最初的处理请求数最大为：10/3=3；
在5s时间内，由3缓慢升为10。

使用jmeter进行压测
创建线程组：

创建请求：

突然出现大量请求，不会直接进行实际处理，会将请求预热后在做处理！

4.3、排队等待

让请求以均匀的速率通过，单机阈值为每秒通过的请求数，其余的排队等待；
其次，还可以设置一个排队等待的超时时间，若请求在超时时间内还未被处理，则会被丢弃。

达到的目的：
匀速处理多个请求，而不是一开始超过阈值的请求直接失败！

编写测试接口：

   /**
     * 队列等待模式测试
     */
    @RequestMapping("/test4")
    public String test4(){
        log.info("当前线程执行信息：{}",Thread.currentThread().getName());
        return "duilie wait test4";
    }

设置 Jmeter 一个线程每秒钟访问俩次：


打印日志信息：

观察发现：
每秒钟限定处理一个请求数。
但是jmeter每秒钟发送2个请求。
设置了延迟等待 500ms后，只有少数请求会进入降级！

五、Sentinel熔断降级

• 平均响应时间 (DEGRADE_GRADE_RT)：当 1s 内持续进入 N 个请求，对应时刻的平均响应时间（秒级）均超过阈值（count，以 ms 为单位），那么在接下的时间窗口（DegradeRule 中的timeWindow，以 s 为单位）之内，对这个方法的调用都会自动地熔断（抛出 DegradeException）。注意Sentinel 默认统计的 RT 上限是 4900 ms，超出此阈值的都会算作 4900 ms，若需要变更此上限可以通过启动配置项-Dcsp.sentinel.statistic.max.rt=xxx 来配置。
• 异常比例 (DEGRADE_GRADE_EXCEPTION_RATIO)：当资源的每秒请求量 >= N（可配置），并且每秒异常总数占通过量的比值超过阈值（DegradeRule 中的 count）之后，资源进入降级状态，即在接下的时间窗口（DegradeRule 中的 timeWindow，以 s 为单位）之内，对这个方法的调用都会自动地返回。异常比率的阈值范围是 [0.0, 1.0]，代表 0% - 100%。
• 异常数 (DEGRADE_GRADE_EXCEPTION_COUNT)：当资源近 1 分钟的异常数目超过阈值之后会进行熔断。注意由于统计时间窗口是分钟级别的，若 timeWindow 小于 60s，则结束熔断状态后仍可能再进入熔断状态。

5.1、RT 平均响应时间

1、如果请求的平均响应数超过阈值(ms)，则会进入准降级状态。
2、如果接下来1s内持续进入5个请求，他们的RT都持续超过了这个阈值，那么在接下来的时间窗口(s)内，就会对这个服务进行降级。
3、RT默认最大为4900ms，如果需要更大，可以通过 -Dcsp.sentinel.statistic.max.rt=xxx 进行配置。

配置案例：
java代码逻辑为：

   /**
     * 降级测试
     * @param name
     * @return
     */
    @RequestMapping("/jiangji")
    public String jiangji(@RequestParam("name") String name){
        //当请求参数为 1 时，响应延迟600ms 也就是RT可以配置允许时间比这个数低的值
        if("1".equalsIgnoreCase(name)){
            try {
                Thread.sleep(600);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
        log.info("请求的name：{},时间为：{}",String.valueOf(name),new Date().getTime());
        return "jiangji test name="+String.valueOf(name)+" 当前时间："+new Date().getTime();
    }

先进行请求，然后sentinel中配置图如下：


请求测试：

1、正常请求：
http://localhost:8500/jiangji?name=2
不会出现熔断保护。
2、异常请求：
http://localhost:8500/jiangji?name=1

熔断保护时间内，请求正常流程：
http://localhost:8500/jiangji?name=11

保护时间过后，在请求正常流程：
http://localhost:8500/jiangji?name=11

[总结]

1、配置熔断保护的接口，如果不出现超时情况时，不会触发熔断保护降级。
2、当设定RT为500ms后，请求异常流程，1s内平均请求响应都超时并达到对应的数目(测试显示5个)，会触发熔断保护，并保护10s(这个时间是时间窗口的配置)。
3、熔断保护期间内，正常请求也会被熔断、降级。
4、10s后，熔断结束，会重新对请求响应时间进行统计判断。

5.2、异常比例数

每秒的异常总数，占通过量的比值超过配置的值之后，触发熔断降级。
时间窗口和之前一样，属于熔断保护时间。
占的比值数范围为：[0.0,1.0]；

代码案例：

    /**
     * 异常触发熔断降级测试
     */
    int a = 0;
    @RequestMapping("/exct")
    public String exct(){
        a ++ ;
        if(a % 3 == 0){
            //模拟异常
            throw new RuntimeException("请求取余数为0了");
        }
        return "异常导致的熔断降级测试";
    }

暂时未配置时，当请求数每次达到 a % 3 == 0时，就会产生异常：

http://localhost:8500/exct

配置Sentinel，使得其具备熔断降级的策略：

由于 a % 3 == 0触发异常，也就是说异常比例为 1/3。只需要配置的数小于 1/3即可。

请求测试：

http://localhost:8500/exct
正常缓慢请求时，依然和之前一致，出现报错信息。
当请求异常比例大于等于配置数时，出现熔断降级。

5.3、异常数

资源 1分钟 内的异常总数超过限定的阈值，触发熔断降级！

设定异常数为3，表示一分钟请求的异常出现了3个及以上，触发熔断降级！

[注意]此处有坑！

由于异常数是按照分钟统计的个数，时间窗口中的设置也必须要大于60s。
不然会出现：结束熔断保护后仍可能继续熔断保护(不会释放！)

请求测试：

http://localhost:8500/exct
当请求出现异常的次数达到设定的值时，立马出现熔断降级现象。

当熔断保护的时间过了之后，释放，再次请求会重新进行统计！

六、Sentinel热点规则

热点参数流控规则。

何为热点：

热点即经常访问的数据。

热点限流的思想是什么？

假设某一时间段内的某个用户频繁的去访问，就可以采取热点规则方式，对其进行限流操作。

6.1、初级配置和测试

案例测试：

    /**
     * 热点规则测试项
     * @param p1
     * @param p2
     * @return
     */
    @RequestMapping("/hostkey")
    //名称唯一 但 热点规则 必须需要此项配置，无此注解不生效
    @SentinelResource(value = "hostkey",blockHandler = "fallback_hostkey")
    public String testHotKey(@RequestParam(value="p1",required = false) String p1,
                             @RequestParam(value="p2",required = false) String p2){

        return "---- test Hot Key ----";
    }
    // 修改sentinel 降级的默认回执方法(传递参数的一致性，并且需要携带 BlockException)
    public String fallback_hostkey(String p1, String p2, BlockException blockException){
        return "限流咯。。。。";
    }

当不配置任何规则时，此时的回执信息为：

http://localhost:8500/hostkey

配置Sentinel中的热点规则属性。

当请求地址携带p1参数，且每秒钟的请求数高于配置的1次时，触发降级。

请求测试：

1、不携带参数，快速点击
http://localhost:8500/hostkey

2、携带参数，但不携带p1，快速点击
http://localhost:8500/hostkey?p2=33333

3、携带p1参数，缓慢点击
http://localhost:8500/hostkey?p1=33333

4、携带p1参数，快速点击

6.2、高级配置

针对个别用户频繁访问时，采取了限流操作(按照参数接受类型，但不是具体的数值)。
但是，针对管理员频繁的访问查看或测试数据时，此时不应限流。

配置项：

达到的目的，当p1为520时，限流量放大！

请求测试：

1、缓慢请求，p1非特定值
http://localhost:8500/hostkey?p1=52

2、快速请求，p1非特定值

3、缓慢请求，p1为特定值
http://localhost:8500/hostkey?p1=520

4、快速请求，p1为特定值（每秒请求大于2触发）

6.3、@SentinelResource 修饰的controller出现异常了会走blockHandler提示返回么？

修改controller，如下所示：

    // 修改sentinel 降级的默认回执方法
    public String fallback_hostkey(String p1, String p2, BlockException blockException){
        return "限流咯。。。。";
    }

    /**
     * 热点规则测试项
     * @param p1
     * @param p2
     * @return
     */
    @RequestMapping("/hostkey2")
    //名称唯一 但 热点规则 必须需要此项配置，无此注解不生效
    @SentinelResource(value = "hostkey",blockHandler = "fallback_hostkey")
    public String testHotKey2(@RequestParam(value="p1",required = false) String p1,
                             @RequestParam(value="p2",required = false) String p2){
        int a = 10/0;
        return "---- test Hot Key ----";
    }

重启项目，再次访问：

http://localhost:8500/hostkey2

[发现：]

出现了异常，但未进入blockHandler中。

[如何解决呢？]

@SentinelResource 其实和 @HystrixCommand 类似，拥有一个 fallback！

修改代码：

    // 修改sentinel 降级的默认回执方法
    public String fallback_hostkey(String p1, String p2, BlockException blockException){
        return "限流咯。。。。";
    }

    /**
     * 热点规则测试项
     * @param p1
     * @param p2
     * @return
     */
    @RequestMapping("/hostkey2")
    //名称唯一 但 热点规则 必须需要此项配置，无此注解不生效
    @SentinelResource(value = "hostkey",blockHandler = "fallback_hostkey",fallback = "except_fallback")
    public String testHotKey2(@RequestParam(value="p1",required = false) String p1,
                             @RequestParam(value="p2",required = false) String p2){
        int a = 10/0;
        return "---- test Hot Key ----";
    }

    public String except_fallback(String p1, String p2){
        return "出现了异常。。。。。";
    }

重启再次请求：

http://localhost:8500/hostkey2

七、Sentinel系统自适应限流

之前的配置操作，采取的是针对单个请求地址、请求别名进行配置的限流操作，sentinel同时也提供了一种很潮流的方式实现配置操作—系统自适应限流。

何为系统自适应限流？

Sentinel 系统自适应限流从整体维度对应用入口流量进行控制，结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS和并发线程数等几个维度的监控指标，通过自适应的流控策略，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。

《系统自适应限流》

文档中，对系统自适应限流有如下几种配置：

阈值类型的含义如下所示：

• Load 自适应(仅支持Linux/Unix-like)
  系统的 load1 作为启发指标，进行自适应系统保护。当系统 load1 超过设定的启发值，且系统当前的并发线程数超过估算的系统容量时才会触发系统保护（BBR 阶段）。系统容量由系统的 maxQps * minRt 估算得出。设定参考值一般是 CPU cores * 2.5。(系统核心数*2.5)
• CPU usage（1.5.0+ 版本）
  当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0），比较灵敏。
• 平均 RT
  当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒。
• 并发线程数
  当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。
• 入口 QPS
  当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。

配置案例：
配置入口QPS

只配置 QPS 项，其他流控模式未配置。

请求测试：
缓慢请求 /test1

快速请求 /test1

缓慢请求 /test2

快速请求 /test2

八、代码git地址

git地址