Sentinel

Sentinel流量控制

1. 雪崩问题

2. 服务保护技术对比

3. 认识Sentinel

Sentinel流量控制

sentinel是用来做限流、隔离、降级、熔断的功能。本质要做的就是统计数据和规则判断

1. 雪崩问题

在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，称为雪崩

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，请求超过时间没有响应就返回错误信息，不会无休止等待。新的超时连接数/s 大于释放的超时连接数/s 时，还是会雪崩
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。完全解决雪崩，但是资源利用不好

3、熔断降级: 由熔断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。完全解决雪崩

4、流量控制: 限制业务访问的QPS(每秒钟处理的请求数量)，避免服务因流量的突增而故障。根源解决雪崩，使用的是Sentinel

2. 服务保护技术对比

Sentinel读 sēn tǐ nǒu，Hystrix读 hēi sǐ trǐ kě

	Sentinel	Hystrix
隔离策略	信号量隔离	线程池隔离/信号量隔离
熔断降级策略	基于慢调用比例或异常比例	基于失败比率
实时指标实现	滑动窗口	滑动窗口 (基于 RxJava)
规则配置	支持多种数据源	支持多种数据源
扩展性	多个扩展点	插件的形式
基于注解的支持	支持	支持
限流	基于 QPS，支持基于调用关系的限流	有限的支持
流量整形	支持慢启动、匀速排队模式	不支持
系统自适应保护	支持	不支持
控制台	开箱即用，可配置规则、查看秒级监控、机器发现等	不完善
常见框架的适配	Servlet、Spring Cloud、Dubbo、gRPC	Servlet、Spring Cloud Netflix

3. 认识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

4. 安装启动Sentinel

sentinel官方提供了UI控制台，方便我们对系统做限流设置

sentinel-dashboard-1.8.1.jar  下载: https://cowtransfer.com/s/14e414d742ae4b

在D盘新建sentinel-dashboard目录，把下载的jar包粘贴进sentinel-dashboard目录，输入CMD如下

d:
cd sentinel-dashboard
java -jar sentinel-dashboard-1.8.1.jar

localhost:8080

登录sentinel控制台

修改sentinel的默认端口、用户、密码

配置项	默认值	说明
server.port	8080	服务端口
sentinel.dashboard.auth.username	sentinel	默认用户名
sentinel.dashboard.auth.password	sentinel	默认密码

java -jar sentinel-dashboard-1.8.1.jar -Dserver.port=8090 #这条命令我这边运行是无效的，指定不了端口

java -jar sentinel-dashboard-1.8.1.jar --server.port=8090

5. 微服务整合sentinel

提供了一个写好的cloud-demo微服务项目，下载后解压得到cloud-demo文件夹，里面有两个sql文件，导入进自己的数据库

https://cowtransfer.com/s/acdf30714d5741

cloud-demo项目结构如下图

第一步: 用idea打开cloud-demo微服务项目，修改application.yml的数据库连接信息

第二步: 本地启动nacos注册中心(默认是8848端口)。m表示启动模式，standalone表示单机启动。除了单机启动模式，还有集群启动的模式

第三步: 为避免端口冲突，关闭sentinel，重新启动sentinel(指定为8090端口)

java -jar sentinel-dashboard-1.8.1.jar -Dserver.port=8090 #这条命令我这边运行是无效的，指定不了端口
java -jar sentinel-dashboard-1.8.1.jar --server.port=8090

第四步: 先运行nacos注册中心运行cloud-demo微服务项目的UserApplication(8081端口)、OrderApplication(8088端口)、GatewayApplication(10010端口)引导类

第四步: 浏览器访问

http://localhost:8081/user/3

第五步: 在order-service中整合sentinel，并且连接sentinel的控制台。需要在order-service的pom.xml添加如下

<!--整合sentinel-->
<dependency>
	<groupId>com.alibaba.cloud</groupId>
	<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

第六步: 在order-service中整合sentinel，并且连接sentinel的控制台。需要在order-service的application.yml添加如下

spring:
 cloud:
	# 配置sentinel
    sentinel:
      transport:
        dashboard: localhost:8090 # 你启动sentinel控制台jar包的端口，默认是8080，但是我设置成了8090

第七步: 重新运行order-service的OrderApplication引导类
第八步: 浏览器访问(多访问几次，等下sentinel监控曲线会更明显)order-service微服务的任意端点(也就是任意地址)，触发sentinel监控

第九步: 浏览器访问sentinel控制台，查看是否能监控到order-service微服务项目，也就是order-service有没有整合sentinel成功

如果你order-service被访问的少，或者没访问量，那么上图的 '实时监控' 曲线不显示，解决就是使劲访问你的order-service，例如访问下面那个地址
下面我们会详细学习如何使用sentinel的控制台，去管理我们的order-service项目

6. 限流规则-直接模式

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，如下图

案例: 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
第一步: 浏览器访问sentinel控制台，并设置 '流控' 规则，也就是流量控制

第二步: 第一种测试方法。疯狂访问http://localhost:8088/order/101。需要1秒钟手点5次

第三步: 第二种测试方法。下一节来学

7. jmeter测试工具

jmeter 读 jēi mī tě。使用jmeter测试工具。jmeter下载如下
下载之后解压，在bin目录中找到 jmeter.properties，添加下面配置

然后打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter
为了方便，我们下载下面这个文件，下载到桌面，然后用jemeter打开这个文件

下载并配置好jmeter之后，紧接着上一节的测试

8. 限流规则-关联模式

1、启动nacos(默认8848端口)。在命令行输入如下。m表示启动模式，standalone表示单机启动。除了单机启动模式，还有集群启动的模式

d:
cd D:\Nacos\nacos\bin
startup.cmd -m standalone

2、启动sentinel(指定为8090端口)

d:
cd sentinel-dashboard
java -jar sentinel-dashboard-1.8.1.jar --server.port=8090

3、运行cloud-demo微服务项目的UserApplication(8081端口)、OrderApplication(8088端口)、GatewayApplication(10010端口)引导类
4、浏览器访问(多访问几次，等下sentinel监控曲线会更明显)order-service微服务的任意端点(也就是任意地址)，触发sentinel监控
5、sentinel监控。浏览器访问 http://localhost:8090

在添加限流规则时，点击高级选项，可以选择三种流控模式，分别是直接模式、关联模式、链路模式

●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 (我们在 '6. 限流规则' 演示的，默认就是直接模式)
●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 ○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
●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 ○使用场景: 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

演示其中的关联模式，需求如下
1、在OrderController新建两个端点：/order/query和/order/update，无需实现业务
2、配置流控规则，当/order/ update资源被访问的QPS超过5时，对/order/query请求限流
具体操作如下
第一步: 在order-service的OrderController添加如下

@GetMapping("/query")
public String queryOrder(){
	return "查询订单成功";
}

@GetMapping("/update")
public String updateOrder(){
	return "更新订单成功";
}

第二步: 重新运行OrderApplication引导类，然后浏览器访问 http://localhost:8088/order/query

第三步: 浏览器访问sentinel控制台 http://localhost:8090/

第四步: 添加流控规则，选择关联模式

第五步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第六步: 查看jmeter的请求情况

第七步: 查看被关联的那个服务，也就是去访问一下 order/query，看有没有被限流

总结: 什么时候需要在限流规则里使用 '关联模式'

1、两个有竞争关系的资源
2、一个优先级高，另一个优先级低，当优先级高的被大量访问时，对限流优先级低的那个做限流

9. 限流规则-链路模式

在添加限流规则时，点击高级选项，可以选择三种流控模式，分别是直接模式、关联模式、链路模式
●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 (我们在 '6. 限流规则' 演示的，默认就是直接模式)
●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
○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
●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
○使用场景: 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。只希望统计从 /test2 进入到 /common 的请求
演示其中的链路模式，需求如下

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

具体步骤如下
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

具体操作如下
第一步: 在order-service的OrderService类添加如下

@SentinelResource("goods")
public void xxqueryGoods(){
	System.out.println("查询商品");
}

第二步: 在order-service的application.yml修改一下

web-context-unify: false # 关闭context整合

第三步: 在order-service的的OrderController类的xxqueryOrder、xxupdateOrder方法修改为如如下

@GetMapping("/query")
public String xxqueryOrder(){
    //查询商品
	orderService.xxqueryGoods();
	System.out.println("查询订单");
	return "查询订单成功";
}

@GetMapping("/save")
public String xxsaveOrder(){
    //查询商品
    orderService.xxqueryGoods();
    System.out.println("新增订单");
    return "新增订单成功";
}

@GetMapping("/update")
public String xxupdateOrder(){
    return "更新订单成功";
}

第四步: 重新运行OrderApplication引导类，然后浏览器访问 http://localhost:8088/order/query、save

第五步: 在浏览器的sentinel添加限流规则，模式为链路模式

第六步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第七步: 查看jmeter的请求情况

10. 流控效果-预热模式

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。默认是这种
●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

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 ，取整之后也就是3，然后在5秒后逐渐增长到10

需求: 给/order/{orderId}这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒。具体操作如下
第一步: 浏览器打开sentinel，在 /order/{orderId} 设置流控规则。
如果没有找到 /order/{orderId} ，就先疯狂访问http://localhost:8088/order/101，触发sentinel

第二步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第三步: 查看jmeter的请求情况

11. 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

案例: 给/order/{orderId}这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s。具体操作如下
第一步: 浏览器打开sentinel，在 /order/{orderId} 设置流控规则

第二步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第三步: 查看jmeter的请求情况

12. 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

需求: 给/order/{orderId}这个资源添加热点参数限流，规则如下
1、默认的热点参数规则是每1秒请求量不超过2
2、给102这个参数设置例外：每1秒请求量不超过4
3、给103这个参数设置例外：每1秒请求量不超过10
具体操作如下
第一步: 由于热点 '参数限流' 对默认的SpringMVC资源无效，所以我们要先去order-service项目的OrderController类的queryOrderByUserId方法添加如下注解

@SentinelResource("hot")

第二步: 重新运行OrderApplication引导类，然后浏览器访问 http://localhost:8088/order/101，触发sentinel
第三步: 浏览器打开sentinel，在 /order/{orderId} 设置热点规则

第四步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第五步: 查看jmeter的请求情况

总结: 热点参数限流是一种更细粒度的限流，可以精细到参数级别，如果有更细粒度限流的需求，就可以使用热点参数限流

高级篇-sentinel隔离和降级

1、启动nacos(默认8848端口)。在命令行输入如下。m表示启动模式，standalone表示单机启动。除了单机启动模式，还有集群启动的模式

d:
cd D:\Nacos\nacos\bin
startup.cmd -m standalone

2、启动sentinel(指定为8090端口)

d:
cd sentinel-dashboard
java -jar sentinel-dashboard-1.8.1.jar --server.port=8090

3、运行cloud-demo微服务项目的UserApplication(8081端口)、OrderApplication(8088端口)、GatewayApplication(10010端口)引导类
4、浏览器访问(多访问几次，等下sentinel监控曲线会更明显)order-service微服务的任意端点(也就是任意地址)，触发sentinel监控

http://localhost:8088/order/101

5、sentinel监控。浏览器访问 http://localhost:8090
6、启动jemeter

d:
cd D:\apache-jmeter-5.4.1\bin
jmeter.bat

1. Feign整合Sentinel

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，避免坏的微服务拖垮
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。整合的具体操作如下

第一步: 在order-service项目的application.yml添加如下，开启Feign的Sentinel功能

feign:
  sentinel:
    enabled: true #开启Feign的sentinel功能

第二步: 在feign-api项目的clients目录新建fallback.UserClientFallbackFactory类，实现FallbackFactory工厂

package cn.itcast.feign.clients.fallback;

import cn.itcast.feign.clients.UserClient;
import cn.itcast.feign.pojo.User;
import feign.hystrix.FallbackFactory;
import lombok.extern.slf4j.Slf4j;


//实现FallbackFactory接口，泛型是我们关联的Feign客户端接口，也就是UserClient
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
    @Override
    public UserClient create(Throwable throwable) {
        ///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
        return new UserClient() {
            @Override
            //在这个方法里面编写降级的逻辑，可以是返回友好的提示，也可以是返回默认结果
            public User findById(Long id) {
                log.error("查询用户异常",throwable);
                //返回空的用户对象
                return new User();
            }
        };
    }
}

第三步: 把刚刚的UserClientFallbackFactory类注册为一个bean。在feign-api项目的DefaultFeignConfiguration类添加如下

@Bean
public UserClientFallbackFactory userClientFallbackFactory(){
	return new UserClientFallbackFactory();
}

第四步: 在feign-api项目的UserClient接口的FeignClient注解添加如下

fallbackFactory = UserClientFallbackFactory.class

第五步: 重启order-service项目
第六步: 多访问几次 http://localhost:8088/order/101，触发sentinel
第七步: 浏览器访问sentinel页面 http://localhost:8090/

2. 线程隔离

先把上面那节做完，再做这一节
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)

两种线程隔离方式的区别如下表。
扇出: 依赖的服务越多、扇出就越高、调用的就越多，线程要开启的就越多，消耗就越大。例如网关的扇出就很高

	信号量隔离	线程池隔离
优点	轻量级，无额外开销	支持主动超时、支持异步调用
缺点	不支持主动超时、异步调用	线程的额外开销比较大
场景	高频调用、高扇出的时候适合使用信号量隔离	低扇出的时候适合使用线程池隔离

Sentinel如何实现信号量隔离(是线程隔离的其中一种方式)，相关概念如下
1、QPS：就是每秒的请求数，在快速入门中已经演示过
2、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

需求: 给UserClient的查询用户接口设置流控规则，线程数不能超过 2。然后利用jmeter测试。具体操作如下
第一步: 浏览器访问sentinel页面 http://localhost:8090/

第二步: 启动jmeter(读 jēi mī tě)。打开里面bin目录的jmeter.bat文件，即可运行，运行期间不要关闭黑窗口，会弹出一个可视化页面来操作jemeter

第三步: 查看jmeter的请求情况。虽然后面几个没报错，但是本质是报错的，只是被我们降级处理过，如可去idea看降级的处理代码

第四步: 由于在feign-api项目的UserClient接口添加了降级策略，所以当线程超出的时候，不会报错，而是会走UserClientFallbackFactory类写好的降级方法，也就是findById方法。如下图

3. 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(也叫状态机，包含下图的三个状态Closed、Open、Half-Open)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。Sentinel如何实现熔断降级

断路器熔断策略有三种：慢调用、异常比例、异常数

4. 熔断降级-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。'调用' 也叫 '慢调用比例'

上图表示: 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
具体操作如下
第一步: 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。把user-service项目的UserController类的queryById方法修改为如下

@GetMapping("/{id}")
public User queryById(@PathVariable("id") Long id,
		@RequestHeader(value = "Truth", required = false) String truth) throws InterruptedException {
        
	if(id == 1){
		//休眠，触发熔断
		Thread.sleep(60);
	}
    return userService.queryById(id);
}

第二步: 重新启动user-service的UserApplication引导类，访问UserService中id为1的数据，看一下是否是会慢60毫秒

第三步: 浏览器访问sentinel页面 http://localhost:8090/，设置降级规则

第四步: 测试。浏览器不断刷新http://localhost:8088/order/101

5. 熔断降级-异常比例或异常数

上面刚学的慢调用，总结就是只要你请求的数据出现慢返回的情况，sentinel就会熔断该请求对应的服务。下面要学的异常比例，也就是只要你请求的数据出现多次返回异常的情况，sentinel就会熔断该请求对应的服务。'异常数' 也叫 '异常比例'

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

上面两张图是同样的作用，也就是 '异常比例' 和 '异常数'，其实只有一个地方的区别，一个是填小数(占总比例)，另一个是填整数(填多少是多少)

上面两张图的作用是: 统计最近1000ms内的请求，如果请求量超过10次，异常次数超过4次，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5。具体操作如下
第一步: 为了触发异常统计，我们需要修改UserService中的业务，抛出异常。把user-service项目的UserController类的queryById方法修改为如下

@GetMapping("/{id}")
public User queryById(@PathVariable("id") Long id,
@RequestHeader(value = "Truth", required = false) String truth) throws InterruptedException {
	if(id == 1){
		//休眠，触发熔断
		Thread.sleep(60);
    } else if(id == 2){
		//当查询UserService微服务id=2的数据时，就抛一次异常
		throw new RuntimeException("故意出错，作用是触发熔断");
	}
	return userService.queryById(id);
}

第二步: 重新启动user-service的UserApplication引导类，访问UserService中id为2的数据，看一下是否是会报异常导致查不出数据

第三步: 浏览器访问sentinel页面 http://localhost:8090/，设置降级规则

第四步: 测试。浏览器不断刷新http://localhost:8088/order/102，访问5次以上

高级篇-sentinel授权规则

1、启动nacos(默认8848端口)。在命令行输入如下。m表示启动模式，standalone表示单机启动。除了单机启动模式，还有集群启动的模式

d:
cd D:\Nacos\nacos\bin
startup.cmd -m standalone

2、启动sentinel(指定为8090端口)

d:
cd sentinel-dashboard
java -jar sentinel-dashboard-1.8.1.jar --server.port=8090

3、运行cloud-demo微服务项目的UserApplication(8081端口)、OrderApplication(8088端口)、GatewayApplication(10010端口)引导类
4、浏览器访问(多访问几次，等下sentinel监控曲线会更明显)order-service微服务的任意端点(也就是任意地址)，触发sentinel监控

http://localhost:8088/order/101

5、sentinel监控。浏览器访问 http://localhost:8090
6、启动jemeter

d:
cd D:\apache-jmeter-5.4.1\bin
jmeter.bat

1. 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

案例: 给/order/{orderId} 配置授权规则。具体操作如下
第一步: 在order-service项目的cn.itcast.order目录新建sentinel.HeaderOriginParser类，写入如下

package cn.itcast.order.sentinel;

import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;
import org.apache.commons.lang.StringUtils;
import org.springframework.stereotype.Component;

import javax.servlet.http.HttpServletRequest;


@Component
//新建的这个类要去实现RequestOriginParser接口
public class HeaderOriginParser implements RequestOriginParser {
    @Override
    public String parseOrigin(HttpServletRequest xxrequest) {
        //尝试获取请求头
        String y_origin = xxrequest.getHeader("yyorigin");
        //非空判断
        if(StringUtils.isEmpty(y_origin)){
            //如果请求头为空，就给一个默认的值，避免为空
            y_origin="blank";
        }
        //有请求头的话，就下一行return返回
        return y_origin;
    }
}

第二步: 在gateway项目的application.yml添加如下，例如网关的过滤器给请求加一个请求头叫yyorigin，值是yyorigin_value

- AddRequestHeader=yyorigin,yyorigin_value #所有经过网关的请求都会带上yyorigin请求头，值是yyorigin_value

第三步: 重启GatewayApplication引导类、OrderApplication引导类
第四步: 浏览器访问sentinel页面 http://localhost:8090/，设置授权规则

第五步: 测试。访问 http://loalhost:8088/order/101，查看从浏览器直接访问是否被允许访问

第六步: 测试。访问 http://localhost:10010/order/101，查看从网关访问是否被允许访问
如果还是不行就访问 http://localhost:10010/order/101?authorization=admin

2. 自定义异常结果

在前面所有不符合我们在sentinel指定的规则的请求，都会在页面报错，但是报错不雅观，而且不管是什么问题都是同一个报错页面在浏览器
下面我们将学习自定义异常，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

异常	说明
FlowException	限流异常
ParamFlowException	热点参数限流的异常
DegradeException	降级异常
AuthorityException	授权规则异常
SystemBlockException	系统规则异常

具体操作如下
第一步: 在order-service项目的sentinel目录新建SentinelExceptionHandler类，写入如下

package cn.itcast.order.sentinel;

import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowException;
import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;
import org.springframework.stereotype.Component;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

@Component
//在这个类实现BlockExceptionHandler接口
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 + "}");
    }
}

第二步: 重新启动OrderApplication引导类
第三步: 浏览器访问sentinel页面 http://localhost:8090/，设置一些规则

第四步: 查看这次的错误页面长什么样

3. 规则持久化

在前面学习的所有为sentinel配置规则时，只要是服务重启，那么规则就失效，需要重新配置一次，原因是sentinel默认会把这些规则保存在内存里，当重启的时候就丢失了。下面就来学如何让规则持久化的相关知识，分几节来学

3.1. 规则管理模式

Sentinel的控制台规则管理有三种模式

推送模式	说明	优点	缺点
原始模式	API 将规则推送至客户端并直接更新到内存中，扩展写数据源，默认就是这种	简单，无任何依赖	不保证一致性；规则保存在内存中，重启即消失。严重不建议用于生产环境
Pull 模式	扩展写数据源，客户端主动向某个规则管理中心定时轮询拉取规则,，这个规则中心可以是RDBMS文件	简单，无任何依赖；规则持久化	不保证一致性；实时性不保证，拉取过于频繁也可能会有性能问题
Push 模式	扩展读数据源，规则中心统一推送，客户端通过注册监听器的方式时刻监听变化，比如使用 Nacos、Zookeeper 等配置中心。这种方式有更好的实时性和一致性保证。生产环境下一般采用 push 模式的数据源	规则持久化；一致性	引入第三方依赖

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

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

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

3.2. 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

具体操作如下
第一步: 在order-service的pom.xml添加如下，作用是引入sentinel监听nacos的依赖

<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-datasource-nacos</artifactId>
</dependency>

第二步: 在order-service中的application.yml修改相关配置为如下，作用是配置nacos地址及监听的配置信息

spring:
  cloud:
    sentinel:
      datasource:
        flow:
          nacos:
            server-addr: localhost:8848 # nacos地址
            dataId: orderservice-flow-rules
            groupId: SENTINEL_GROUP
            rule-type: flow # 还可以是：degrade、authority、param-flow

第三步: 重新启动OrderApplication引导类
第四步: 下载sentinel-dashboard.jar包。下载到你的sentinel目录，例如我的是 'D:\sentinel-dashboard'

https://cowtransfer.com/s/26e336459c5247

第五步: 停止官方sentinel的运行，去运行上面你下载的这个sentinel。注意启动时Nacos要修改成你的Nacos地址，sentinel启动端口自定义为8090

d:
cd sentinel-dashboard
java -jar sentinel-dashboard.jar --nacos.addr=localhost:8848 --server.port=8090

第六步: 浏览器访问sentinel页面 http://localhost:8090
如果进入什么都没有，就访问 http://localhost:8088/order/101，多访问几次触发sentinel，然后再回来访问就行了

第七步: 在sentinel添加一个流控规则(限流规则)，注意必须在 '流控规则-NACOS' 加才行

第八步: 浏览器访问nacos页面

第九步: 测试。验证这个流控规则有没有生效。疯狂访问 http://localhost:8088/order/101，超出1秒1次就会限流，我们在第七步设置的QPS为1

第十步: 测试。重启order-service项目服务(重启OrderApplication)，看一下流控规则还会不会生效

也就是我们通过实现push模式，实现了规则持久化

Sentinel流量控制

1. 雪崩问题

2. 服务保护技术对比

3. 认识Sentinel

4. 安装启动Sentinel

5. 微服务整合sentinel

6. 限流规则-直接模式

7. jmeter测试工具

8. 限流规则-关联模式

9. 限流规则-链路模式

10. 流控效果-预热模式

11. 流控效果-排队等待

12. 热点参数限流

高级篇-sentinel隔离和降级

1. Feign整合Sentinel

2. 线程隔离

3. 熔断降级

4. 熔断降级-慢调用

5. 熔断降级-异常比例或异常数

高级篇-sentinel授权规则

1. 授权规则

2. 自定义异常结果

3. 规则持久化

3.1. 规则管理模式

3.2. 实现push模式

相关推荐

最近更新

热门阅读