文章目录
一.前置知识
1.雪崩问题
设想一下以下场景:
服务A需要调用服务D实现某种功能,但服务D因为某种原因宕机了,导致请求服务A实现调用服务D的请求结果一直得不到响应,服务A中等待的线程数越积越多,从而超出Tomcat服务器所能承受的线程数,导致了服务A也宕机了,这种情况也会导致后面请求服务A的服务宕机,从而导致整个微服务不可用。
总而言之: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。
那么该如何解决雪崩问题呢?
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
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。
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。
4.流量控制：限制业务访问的QPS(每秒查询率)，避免服务因流量的突增而故障。
2.服务保护技术对比
二.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。
安装Sentinel控制台:
github下载jar包: https://github.com/alibaba/Sentinel/releases
在无中文目录下使用java -jar启动服务即可
如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：
三.微服务整合Sentinel
1.引入sentinel依赖：
<!--sentinel-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
2.配置控制台地址：
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080
3.访问微服务的任意端点，触发sentinel监控(即访问任意Controller下的Restful接口即可)
1.限流规则
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（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：
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：
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。
1.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
1.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。
图片解释:当write到达单机阈值后,对read做限流(对哪个端点做限流就在哪个端点添加限流规则)
总结:满足下面条件可以使用关联模式：
- 两个有竞争关系的资源
- 一个优先级较高，一个优先级较低
2.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和/test2/common
如果只希望从/test2进入到/common的请求做限流，则可以这样配置：
需要注意的是,如果两个服务调用同一个业务接口,需要对业务接口添加资源即使其成为簇点链路
Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法，需要利用@SentinelResource注解，示例：
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，添加配置：
添加配置后,可以看到链路不基于一个根(sentinel_spring_web_context)了:
2.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
流控效果-warm up
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.
例如，我设置QPS的threshold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.
流控效果-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。
例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常
热点参数限流(更细粒度的限流方式)
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。
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：
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:需要使用@SentinelResource注解添加方法为资源
2.隔离和降级
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。
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。
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。
Feign整合Sentinel
1.修改OrderService的application.yml文件，开启Feign的Sentinel功能
feign:
sentinel:
enabled: true #开启Feign的Sentinel功能
2.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(推荐)：FallbackFactory，可以对远程调用的异常做处理
步骤二具体实现方法:
在feing-api项目中定义类，实现FallbackFactory：
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
@Override
public UserClient create(Throwable throwable) {
return id -> {
log.error("查询用户失败", throwable);
return new User();
};
}
}
在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：
@Bean
public UserClientFallbackFactory userClientFallback(){return new UserClientFallbackFactory();}
在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：
@FeignClient(value = "userservice",fallbackFactory = UserClientFallbackFactory.class)
1.线程隔离
线程隔离有两种方式实现：
1.线程池隔离
在线程隔离中,采用的是创建多个有限容量的线程池,当有服务访问时使用线程池里面的线程,当出现服务宕机时,线程会被占用,从而导致线程池无可用资源(线程),从而进行隔离
2.信号量隔离（Sentinel默认采用）
在信号量隔离中,采用的是创建一个计数器,当有请求访问服务时,计数器使固定的信号量减一,当服务出现宕机,因为线程被阻塞不能归还信号量,导致信号量值逐渐减为空,请求无法继续访问服务,从而实现隔离
信号量隔离和线程池隔离的对比:
高扇出:一个服务依赖于多个服务,低扇出则反之
sentinel默认实现的是信号量隔离
在实现了sentinel整合feign后,sentinel可以监控资源feign中的UserClient中的Restful API,如下图所示:
点击流控,设置舱壁模式
在添加限流规则时，可以选择两种阈值类型：
QPS：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。
2.熔断降级
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。
断路器熔断策略有三种：慢调用、异常比例、异常数
1.熔断策略-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，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。
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。例如：
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0.5，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。
3.授权规则
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
例如，我们限定只允许从网关来的请求访问order-service，那么流控应用中就填写网关的名称
实现方式:
Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。故需要先实现解析请求头来源
1.在需要访问的服务加上请求来源解析
//配置请求头来源解析器
@Component
public class HeaderOriginParser implements RequestOriginParser {
@Override
public String parseOrigin(HttpServletRequest httpServletRequest) {
String header = httpServletRequest.getHeader("origin");
if(StringUtils.isEmpty(header)){
return "blank";
}else{
return header;
}
}
}
2.在gateway过滤器中添加请求头信息
- AddRequestHeader=origin,gateway
3.配置授权规则:
来自浏览器的请求被拦截:
来自网关的请求不会被拦截:
具体流程为:
自定义异常结果自定义异常结果
上面的截图可以看到请求被拦截依然显示是限流异常,故需要修改默认抛出异常的消息.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。如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：
而BlockException包含很多个子类，分别对应不同的场景：
以访问order-service为例子:
@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 = 429;
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 = 401;
}
response.setContentType("application/json;charset=utf-8");
response.setStatus(status);
response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");
}
}
测试从浏览器直接访问结果:
可以看到实现接口BlockExceptionHandler后自定义异常生效.
4.规则持久化
规则管理模式
Sentinel的控制台规则管理有三种模式：
规则管理模式-原始模式
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
规则管理模式-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。
规则管理模式-push模式(推荐)
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。
这里不进行实现了,很复杂,了解即可
![[论文阅读]DETR](https://img-blog.csdnimg.cn/direct/e8df1ed8695749d1b661ff6ad6833838.png)
