Sentine规则测试

流量控制

直接拒绝

  • provider
@Override
public User testFlowQPSDefault(Long userId) {
    return new User(100L, "国产凌凌漆");
}
  • consumer
/**
 * 限流测试 QPS 直接拒绝
 */
@Scheduled(cron = "0/10 * *  * * ? ")
public void testFlowQPSDefault() {
    for (int i = 1; i <= 10; i++) {
        try {
            log.info("{} : {} ", i, userService.testFlowQPSDefault(100L).getUserName());
        } catch (Exception e) {
            log.error("第 {} 个限流失败", i);
        }
    }
}
  • 限流规则
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":0,"count":6.0,"grade":1,"key":"1548575169161","limitApp":"titans-consumer","maxQueueingTimeMs":500,"resource":"@[email protected]:testFlowQPSDefault(java.lang.Long)","strategy":0,"warmUpPeriodSec":10}]
  • 结果分析
    这个很好理解,每秒通过6个,其它的直接拒绝
2019-01-27 15:50:40.003 : 1 : 国产凌凌漆 
2019-01-27 15:50:40.005 : 2 : 国产凌凌漆 
2019-01-27 15:50:40.006 : 3 : 国产凌凌漆 
2019-01-27 15:50:40.007 : 4 : 国产凌凌漆 
2019-01-27 15:50:40.009 : 5 : 国产凌凌漆 
2019-01-27 15:50:40.011 : 6 : 国产凌凌漆 
2019-01-27 15:50:40.016 : 第 7 个限流失败
2019-01-27 15:50:40.020 : 第 8 个限流失败
2019-01-27 15:50:40.025 : 第 9 个限流失败
2019-01-27 15:50:40.031 : 第 10 个限流失败
......

预热冷启

  • provider
@Override
public User testFlowQPSWarmUp(Long userId) {
    return new User(100L, "国产凌凌漆");
}
  • consumer
/**
 * 限流测试 QPS Warm UP
 */
@Scheduled(fixedDelay = 50000)
public void testFlowQPSWarmUp() throws InterruptedException {
    for (int i = 1; i <= Integer.MAX_VALUE; i++) {
        // 前10个请求,让qps在一个非常低的水平
        if (i <= 10) {
            long time = System.currentTimeMillis() % 2000;
            if (time < 500) {
                time = 500;
            }
            Thread.sleep(time);
        }

        if (i > 10) {
            // 流量突然增大,为了方便测试,这里设置sleep为10之内,qps阈值为20,对于测试来说够了
            Thread.sleep(System.currentTimeMillis() % 10);
        }
        try {
            log.info("{} : {} ", i, userService.testFlowQPSWarmUp(100L).getUserName());
        } catch (Exception e) {
        }
    }
}
  • 限流规则
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":1,"count":20,"grade":1,"key":"1548575169161","limitApp":"titans-consumer","maxQueueingTimeMs":500,"resource":"@[email protected]:testFlowQPSDefault(java.lang.Long)","strategy":0,"warmUpPeriodSec":10}]
  • 结果分析
【前10个请求qps很低】
2019-01-27 16:48:29.947  : 1 : 国产凌凌漆 
2019-01-27 16:48:31.897  : 2 : 国产凌凌漆 
......
2019-01-27 16:48:42.985  : 10 : 国产凌凌漆 

【qps突增加,在接下来的10s,要将QPS从一个很低的值增加要20,下面统计了接下来十几秒内每秒的QPS数量】

【42--3】
【43--6】
【44--7】
【45--7】
【46--7】
【47--8】
【48--9】
【49--9】
【50--10】
【51--12】
【52--14】
【53--17】
【54--20】
【55--20】
【56--20】
【57--20】

【从上面的结果可以看到,到54秒的时候,QPS达到了阈值20,之后就一直保持在20,这样算一下好像 42 到 54 秒超过了10秒中,这是因为第10个请求完成的时间是16:48:42.985,这接近43秒了,这样看偏差会更小一点】

匀速排队

count=10,maxQueueingTimeMs = 20000, count=10代表1s可以通过10个请求,所以每个请求平均100ms,maxQueueingTimeMs = 20000代表队中的请求最长等待时间为20s,也就是 大概能给处理 每秒/200 个请求

  • provider
    如果时dubbo服务,主要设置dubbo服务的timeout >= 20000
/**
 * QPS 匀速排队
 *
 * @param userId
 * @return
 */
@Override
public User testFlowQPSPace(Long userId) throws InterruptedException {
    return new User(100L, "国产凌凌漆");
}
  • consumer
    consumer 需要修改不同的并发数来达到测试效果, 并发数分别为:100、200、250
/**
 * 限流测试 QPS 匀速排队
 */
@Scheduled(fixedDelay = 100000)
public void testFlowQPSPace() throws InterruptedException {
    for (int i = 1; i <= 250; i++) {
        new Thread(() -> {
            try {
                TimeUnit.MILLISECONDS.sleep(5);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            try {
                log.info("{} ", userService.testFlowQPSPace(100L).getUserName());
            } catch (Exception e) {
                log.error(e.getMessage());
                log.error("请求被限流");
            }
        }).start();
    }
}
  • 限流规则
    count=10,maxQueueingTimeMs = 20000, count=10代表1s可以通过10个请求,所以每个请求平均100ms,maxQueueingTimeMs = 20000代表队中的请求最长等待时间为20s,也就是 大概能给处理 每秒/200 个请求,当超过200请求/s 时,多出来的请求就会被直接拒绝
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":2,"count":10,"grade":1,"key":"1548575169161","limitApp":"titans-consumer","maxQueueingTimeMs":20000,"resource":"@[email protected]:testFlowQPSPace(java.lang.Long)","strategy":0,"warmUpPeriodSec":10}]
  • 结果分析
【100个并发,即 100请求/s 情况】
【观察时间,可以发现请求时匀速通过,每100ms一个,耗时大概10s】
2019-01-27 18:08:08.269  : 1 : 国产凌凌漆 
2019-01-27 18:08:08.368  : 2 : 国产凌凌漆 
......
2019-01-27 18:08:18.070  : 99 : 国产凌凌漆 
2019-01-27 18:08:18.168  : 100 : 国产凌凌漆


【200个并发,即 200请求/s 情况】
【观察时间,可以发现请求时匀速通过,每100ms一个,耗时大概20s】
2019-01-27 18:40:56.498  : 国产凌凌漆 
2019-01-27 18:40:56.676  : 国产凌凌漆
......
2019-01-27 18:41:15.868  : 国产凌凌漆 
2019-01-27 18:41:16.071  : 国产凌凌漆

【220个并发,即 220请求/s 情况,每100ms一个,大概有20个请求被直接降级】
2019-01-27 18:44:08.782 : 国产凌凌漆 
2019-01-27 18:44:08.829 : 国产凌凌漆 
2019-01-27 18:44:08.834 : 请求被限流
2019-01-27 18:44:08.834 : 请求被限流
......
2019-01-27 18:44:08.846 : 请求被限流
2019-01-27 18:44:08.928 : 国产凌凌漆 
2019-01-27 18:44:09.020 : 国产凌凌漆 
......

线程数

  • provider
/**
 * 线程数
 *
 * @param userId
 * @return
 */
@Override
public User testFlowThread(Long userId) throws InterruptedException {
    // sleep 1000ms 是为了制造并发场景,其实可以当作时模拟服务调用,在sleep期间可能会堆积大量的请求
    Thread.sleep(1000);
    return new User(100L, "国产凌凌漆");
}
  • consumer
@Scheduled(fixedDelay = 20000)
public void testFlowThread() throws InterruptedException {
    for (int i = 1; i <= 30; i++) {
        new Thread(() -> {
            try {
                log.info("{} ", userService.testFlowThread(100L).getUserName());
            } catch (Throwable e) {
                log.error("请求被限流");
            }
        }).start();
    }
}
  • 限流规则
    count=20,代表线程数20为阈值
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":0,"count":20.0,"grade":0,"key":"1548587521446","limitApp":"titans-consumer","maxQueueingTimeMs":500,"resource":"@[email protected]:testFlowThread(java.lang.Long)","strategy":0,"warmUpPeriodSec":10}]
  • 结果分析
【通过21个,限流10个】
2019-01-27 19:58:45.001 E: 请求被限流
......
2019-01-27 19:58:45.006 E: 请求被限流
2019-01-27 19:58:06.019  国产凌凌漆 
2019-01-27 19:58:06.019  国产凌凌漆 
......

【通过20个,限流10个】
2019-01-27 19:58:45.001 E: 请求被限流
......
2019-01-27 19:58:45.006 E: 请求被限流
2019-01-27 19:58:25.965  : 国产凌凌漆 
2019-01-27 19:58:25.966  : 国产凌凌漆 
......

链路限流

-provider

/**
 * 链路限流,入口为testRefResource01的调用才会记录到 REF_RESOURCE 的限流统计当中
 *
 * @return
 * @throws BlockException
 */
@Override
public String testRefResource01() throws BlockException {
    testRefResource();
    return "国产凌凌漆";
}

/**
 * 链路限流,入口为testRefResource02的调用不会记录到 REF_RESOURCE 的限流统计当中
 *
 * @return
 * @throws BlockException
 */
@Override
public String testRefResource02() throws BlockException {
    testRefResource();
    return "国产凌凌漆";
}

/**
 * 链路限流,testRefResource01 和 testRefResource02 方法里面调用了这个方法,会根据REF_RESOURCE上的限流规则的refResource字段来决定是否对他们生效
 *
 * @throws BlockException
 */
private void testRefResource() throws BlockException {
    Entry entry = SphU.entry("REF_RESOURCE");
    if (entry != null) {
        entry.exit();
    }

}
  • consumer
    为了查看限流效果,分别执行以下两个定时任务,为了测试方便,这里写到一起
/**
 * 入口为testRefResource01的调用才会记录到 REF_RESOURCE 的限流统计当中
 */
@Scheduled(fixedDelay = 1000)
public void testRefResource01() {
    for (int i = 1; i <= 10; i++) {
        try {
            log.info("{} : {}", i, userService.testRefResource01());
        } catch (Exception e) {
            log.error("第 {} 个限流失败", i);
        }
    }
}

/**
 * 入口为testRefResource02的调用不会记录到 REF_RESOURCE 的限流统计当中
 */
@Scheduled(fixedDelay = 1000)
public void testRefResource02() {
    for (int i = 1; i <= 10; i++) {
        try {
            log.info("{} : {}", i, userService.testRefResource02());
        } catch (Exception e) {
            log.error("第 {} 个限流失败", i);
        }
    }
}
  • 限流规则
    这里的refResource指定为”@[email protected]:testRefResource01()“,代表REF_RESOURCE上这个规则只有在入口为”@[email protected]:testRefResource01()“时才会生效
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":0,"count":6.0,"grade":1,"key":"1548675382541","limitApp":"titans-consumer","maxQueueingTimeMs":500,"refResource":"@[email protected]:testRefResource01()","resource":"REF_RESOURCE","strategy":2,"warmUpPeriodSec":10}]
  • 结果分析
【运行定时任务testRefResource01的结果如下,规则生效了】
2019-01-28 19:45:16.830 : 1 : 国产凌凌漆
2019-01-28 19:45:16.831 : 2 : 国产凌凌漆
2019-01-28 19:45:16.833 : 3 : 国产凌凌漆
2019-01-28 19:45:16.835 : 4 : 国产凌凌漆
2019-01-28 19:45:16.837 : 5 : 国产凌凌漆
2019-01-28 19:45:16.839 : 6 : 国产凌凌漆
2019-01-28 19:45:16.841 : 第 7 个限流失败
2019-01-28 19:45:16.843 : 第 8 个限流失败
2019-01-28 19:45:16.845 : 第 9 个限流失败
2019-01-28 19:45:16.849 : 第 10 个限流失败


【运行定时任务testRefResource01的结果如下,规则没有生效,符合预期】
2019-01-28 19:46:38.777  : 1 : 国产凌凌漆
......
2019-01-28 19:46:39.827  : 10 : 国产凌凌漆

【测试结果符合预期,测试成功】

关联限流

  • provider
/**
 * 关联限流,读方,对读方设置限流规则 strategy = RuleConstant.STRATEGY_RELATE,refResource = 写方,其中的count代表允许 【写方】每秒通过的请求数
 *
 * @return
 */
@Override
public String testRefResourceRelateRead() throws InterruptedException {
    Thread.sleep(300);
    return "国产凌凌漆";
}

/**
 * 关联限流,写方
 *
 * @return
 */
@Override
public String testRefResourceRelateWrite(int i) throws InterruptedException {
    Thread.sleep(200);
    return "国产凌凌漆";
}
  • consumer
    下面两个定时任务分别代表读方和写方,为了便于观察结果,按以下顺序进行操作
    1、不设置任何限流规则,启动读方,观察日志输出;
    2、不设置任何限流规则,启动读方,然后启动写方,观察日志输出;
    3、通过provider的代码可以发现,写方的QPS小于5,这时候对读方添加限流规则,count 分别设置小于5,大于5,启动读方,然后启动写方,观察日志输出;
/**
 * 关联限流,读方, 对读方设置限流规则 strategy = RuleConstant.STRATEGY_RELATE,refResource = 写方,其中的count代表允许 【写方】每秒通过的请求数
 */
@Scheduled(fixedDelay = 1000)
public void testRefResourceRelateRead() {
    for (int i = 1; i <= Integer.MAX_VALUE; i++) {
        try {
            log.info("{} : {}", i, userService.testRefResourceRelateRead());
        } catch (Exception e) {
            log.error("读方第 {} 个限流失败", i);
        }
    }
}


/**
 * 关联限流,写方
 */
@Scheduled(fixedDelay = 1000)
public void testRefResourceRelateWrite() {
    log.info("写方开始启动");
    for (int i = 1; i <= Integer.MAX_VALUE; i++) {
        try {
            log.info("{} : {}", i, userService.testRefResourceRelateWrite(i));
        } catch (Exception e) {
            log.error("写方第 {} 个限流失败,这个按理来说不会打印", i);
        }
    }
}
  • 限流规则
    分别设置以下规则,count值是针对于写方的,即当写方的QPS大于count之后,开始对读方完全限流。
    这里的refResource指定为”@[email protected]:testRefResourceRelateWrite(int)“,也就是写方,代表写方的QPS到达count值时对读方限流
[{"app":"titans-provider3","clusterMode":false,"controlBehavior":0,"count":3.0,"grade":1,"key":"1548679522569","limitApp":"titans-consumer","maxQueueingTimeMs":500,"refResource":"@[email protected]:testRefResourceRelateWrite(int)","resource":"@[email protected]:testRefResourceRelateRead()","strategy":1,"warmUpPeriodSec":10}]


[{"app":"titans-provider3","clusterMode":false,"controlBehavior":0,"count":6.0,"grade":1,"key":"1548679522569","limitApp":"titans-consumer","maxQueueingTimeMs":500,"refResource":"@[email protected]:testRefResourceRelateWrite(int)","resource":"@[email protected]:testRefResourceRelateRead()","strategy":1,"warmUpPeriodSec":10}]
  • 结果分析
1、【不设置规则,只启动读方,日志输出正常,读方没有被限流】
2、【不设置规则,先启动读方,然后启动写方,日志输出正常,读方没有被限流】
3、【设置规则,count=3,先启动读方,然后启动写方,在写方启动之后读方开始被完全限流,关闭写方之后读方恢复正常】
4、【设置规则,count=6,先启动读方,然后启动写方,日志输出正常,读方没有被限流】


熔断降级

RT

  • provider
/**
 * 理想情况
 * 平均响应时间阈值为20毫秒,第40个请求的时候,平局响应时间为20毫秒, 接下来的5个请求 sleep 时间为 41,42,43,44,45
 * 这5个请求的RT均超过阈值, 接下来时间窗口内的请求将被直接拒绝  2s
 *
 * 

* 实际情况 * 考虑服务调用本身的耗时,每个服务调用大概需要1-3ms,这里估算2ms * * @param userId 这里的userId为1-1000的递增数字 * @return * @throws InterruptedException */ @Override public User testDegrRT(Long userId) throws InterruptedException { Thread.sleep(userId % 50); return new User(100L, "国产凌凌漆"); }

  • consumer
/**
 * 测试降级,RT timeWindow 2s, count 20ms,10s执行一次
 */
@Scheduled(cfixedDelay = 10000)
public void testDegrRT() {
    for (int i = 1; i <= 1000; i++) {
        try {
            log.info("{} : {} ", i, userService.testDegrRT(Long.valueOf(i)).getUserName());
        } catch (Exception e) {
        }
    }
}
  • 限流规则
    指定时间窗口为2s,阈值为20ms
[{"app":"titans-provider3","count":20.0,"cut":false,"grade":0,"key":"1548391072645","limitApp":"titans-consumer","passCount":0,"resource":"@[email protected]","timeWindow":2}]
  • 测试结果
【第一个10s之内的请求数】
2019-01-25 13:01:00.067   [pool-2-thread-1]   : 1 : 国产凌凌漆 
...... 
2019-01-25 13:01:01.007   [pool-2-thread-1]   : 41 : 国产凌凌漆 
2019-01-25 13:01:01.050   [pool-2-thread-1]   : 42 : 国产凌凌漆 
【加上服务调用本身的时间,第37个请求的时候平均响应时间达到了20,后面5个请求的响应时间都超过了20,所以对这5个请求之后的2s之内的请求直接降级】

【2s过后,接下来的5个请求响应时间都大于20(对50取余),所以这5个请求通过后,接下来的请求被直接降级,即 577 -1000 的请求被直接降级了,所以没有打印】
2019-01-25 13:01:03.078   [pool-2-thread-1]   : 572 : 国产凌凌漆 
2019-01-25 13:01:03.103   [pool-2-thread-1]   : 573 : 国产凌凌漆 
2019-01-25 13:01:03.129   [pool-2-thread-1]   : 574 : 国产凌凌漆 
2019-01-25 13:01:03.156   [pool-2-thread-1]   : 575 : 国产凌凌漆 
2019-01-25 13:01:03.183   [pool-2-thread-1]   : 576 : 国产凌凌漆 


【消费端定时任务休息了10s之后继续发送请求,这时候上面总共通过了47个请求,平均响应时间 (42*43/2 + 24*3)/47 + 每个请求实际耗时1-2ms】
【上面计算的这个结果是大于20的,但是马上又被接下来的请求耗时给平均下去了】
2019-01-25 13:01:10.004   [pool-2-thread-1]   : 1 : 国产凌凌漆 
......
2019-01-25 13:01:10.893   [pool-2-thread-1]   : 40 : 国产凌凌漆 
2019-01-25 13:01:10.936   [pool-2-thread-1]   : 41 : 国产凌凌漆 
【前面41个请求和第一个10s类似,不过因为第一个10s内的请求平均耗时大于20s,所以这里的平均响应时间提前达到阈值,即 41 的时候就到了】

【接下来类似,只要平均响应到了20 ,就判断接下来的5个请求是否大于阈值,大于就降级 2s】
2019-01-25 13:01:12.944   [pool-2-thread-1]   : 556 : 国产凌凌漆 
......
2019-01-25 13:01:13.597   [pool-2-thread-1]   : 585 : 国产凌凌漆 
2019-01-25 13:01:13.633   [pool-2-thread-1]   : 586 : 国产凌凌漆 

异常比例

这种方式的降级和上面稍有不同,在dubbo服务中,平均RT中的资源可以是接口,也可以时具体的方法,但在和异常相关的降级中,资源只能是方法。 每秒的异常数/每秒的请求量 如果大于阈值,就会在接下来的时间窗口内降级,有一个需要注意的地方,这一秒的请求数达到5之后才会开始计算

  • provider
/**
 * 理想情况
 * 每100毫秒一个请求,一秒钟可以处理10个请求,阈值设置为0.1,timeWindow为2s
 * 

* 这里每3个请求抛出一个异常,1s之内抛出的异常数大于 10%, 所以会被降级2s , 接下来又是一个周期 * * @param userId * @return * @throws InterruptedException */ @Override public User testDegrRatio(Long userId) throws InterruptedException { Thread.sleep(100); if (userId % 3 == 0) { throw new NullPointerException("手动抛出一个业务异常"); } return new User(100L, "国产凌凌漆"); }

  • consumer
@Scheduled(fixedDelay = 10000)
public void testDegrRatio() {
    for (int i = 1; i <= 100; i++) {
        try {
            log.info("{} : {} ", i, userService.testDegrRatio(Long.valueOf(i)).getUserName());
        } catch (Exception e) {
            if (e instanceof NullPointerException) {
                log.error("第 {} 个请求被手动抛出业务异常", i);
            }

            if (e instanceof RpcException) {
                log.error("第 {} 个限流失败", i);
            }
        }
    }
}
  • 降级规则
    指定时间窗口为2s,阈值为0.1,
[{"app":"titans-provider3","count":0.1,"cut":false,"grade":1,"key":"1548558413966","limitApp":"titans-consumer","passCount":0,"resource":"@[email protected]:testDegrRatio(java.lang.Long)","timeWindow":2}]
  • 测试结果
2019-01-27 13:07:14.584 : 1 : 国产凌凌漆 
2019-01-27 13:07:14.687 : 2 : 国产凌凌漆 
2019-01-27 13:07:14.790 : 第 3 个请求被手动抛出业务异常
2019-01-27 13:07:14.891 : 4 : 国产凌凌漆 
2019-01-27 13:07:14.992 : 5 : 国产凌凌漆 

【第3个请求抛出了一个业务异常,但是接下来并没有被直接降级,因为这里还有一个隐藏条件,当这一秒的请求数达到5之后才开始计算,所以第六个请求就被直接降级了】
【而时间窗口定义为2s,该2s内直接拒绝100个请求】
2019-01-27 13:07:14.998 : 第 6 个限流失败
2019-01-27 13:07:15.003 : 第 7 个限流失败
......
2019-01-27 13:07:15.370 : 第 99 个限流失败
2019-01-27 13:07:15.373 : 第 100 个限流失败

异常数量

一分钟内的以异常数如果超过一个阈值,在接下来的timeWindow内服务将处于降级状态,如果timeWindow小于60, 结果是不精确的,所以强烈建议将timeWindow的值设置为大于或者等于60

  • provider
/**
 * 理想情况
 * 每1秒一个请求,一分钟可以处理60个请求,阈值设置为6,每5个请求抛出一个异常,30个请求之后异常数达到阈值,此时耗时30,
 * 然后根据timeWindow进行降级,这时候分两种情况
 * 1、当timeWindow小于60,这时候降级时间是不精确的,不推荐这种做法
 * 

* 2、当timeWindow>=60, 限流时间 从 第一个降级请求开始算,在接下来的timeWindow内,服务将处于降级状态, * 例如第一个降级请求时间是:15:01:10.619, timeWindow=70,那么在 15:01:10.619 - 15:02:20.619 这段时间内服务将处于降级状态 * * @param userId * @return * @throws InterruptedException */ @Override public User testDegrCount(Long userId) throws InterruptedException { Thread.sleep(1000); if (userId % 5 == 0) { throw new NullPointerException("手动抛出一个业务异常"); } return new User(100L, "国产凌凌漆"); }

  • consumer
/**
 * 测试降级, 一分钟之内业务异常数, timeWindow 40s, count 6
 */
@Scheduled(fixedDelay = 10000)
public void testDegrCount() {
    for (int i = 1; i <= 100; i++) {
        try {
            log.info("{} : {} ", i, userService.testDegrCount(Long.valueOf(i)).getUserName());
        } catch (Exception e) {
            if (e instanceof NullPointerException) {
                log.error("第 {} 个请求被手动抛出业务异常", i);
            }

            if (e instanceof RpcException) {
                log.error("第 {} 个限流失败", i);
            }
        }
    }
}
  • 降级规则
[{"app":"titans-provider3","count":6.0,"cut":false,"grade":2,"key":"1548569038841","limitApp":"titans-consumer","passCount":0,"resource":"@[email protected]:testDegrCount(java.lang.Long)","timeWindow":50}]
  • 测试结果
    这一步的结果分析可能会更复杂一些,所以一些连续性的日志我会省略,但不影响分析结果
【13:44:26.187 完成第一个请求】

2019-01-27 13:44:26.187 : 1 : 国产凌凌漆 
......
2019-01-27 13:44:30.196 : 第 5 个请求被手动抛出业务异常
2019-01-27 13:44:31.199 : 6 : 国产凌凌漆 
......
2019-01-27 13:44:35.207 : 第 10 个请求被手动抛出业务异常
2019-01-27 13:44:36.208 : 11 : 国产凌凌漆 
......
2019-01-27 13:44:40.214 : 第 15 个请求被手动抛出业务异常
2019-01-27 13:44:41.216 : 16 : 国产凌凌漆 
......
2019-01-27 13:44:45.223 : 第 20 个请求被手动抛出业务异常
2019-01-27 13:44:46.224 : 21 : 国产凌凌漆 
......
2019-01-27 13:44:50.230 : 第 25 个请求被手动抛出业务异常
2019-01-27 13:44:51.232 : 26 : 国产凌凌漆 
...... 
2019-01-27 13:44:55.238 : 第 30 个请求被手动抛出业务异常

【13:44:55.238 完成第30个请求,耗时30s多一点点,这时候总共抛出了6个业务异常 】

【count=6, timeWindow=40, 因为这时候count已经达到了6,所以第31个请求开始降级】
2019-01-27 13:44:55.243 : 第 31 个限流失败
2019-01-27 13:44:55.248 : 第 32 个限流失败

......这里省略一部分......

2019-01-27 13:44:55.559 : 第 98 个限流失败
2019-01-27 13:44:55.565 : 第 99 个限流失败
2019-01-27 13:44:55.569 : 第 100 个限流失败

【请求被直接降级,所以在上一任务最后一个请求完成之后,即13:44:55.569,等待10s,又开始一个新任务,这时候时间刚好过去40s多一点,所以这一轮的请求被直接降级】
2019-01-27 13:45:05.574 : 第 1 个限流失败
2019-01-27 13:45:05.578 : 第 2 个限流失败

......这里省略一部分......

2019-01-27 13:45:05.936 : 第 98 个限流失败
2019-01-27 13:45:05.939 : 第 99 个限流失败
2019-01-27 13:45:05.943 : 第 100 个限流失败

【又是一轮任务,这时候时间过去50s多一点,还在一分钟之内,所以请求被直接降级】
2019-01-27 13:45:15.948 : 第 1 个限流失败
2019-01-27 13:45:15.952 : 第 2 个限流失败

......这里省略一部分......

2019-01-27 13:45:16.326 : 第 98 个限流失败
2019-01-27 13:45:16.329 : 第 99 个限流失败
2019-01-27 13:45:16.333 : 第 100 个限流失败

【这里又开始了一轮任务,其实还是有点疑问,按理来说,这时候一分钟已经结束了,应该不会被限流,因为是计算有一些误差】
2019-01-27 13:45:26.349 : 第 1 个限流失败
2019-01-27 13:45:26.356 : 第 2 个限流失败

......这里省略一部分......

2019-01-27 13:45:26.709 : 第 98 个限流失败
2019-01-27 13:45:26.713 : 第 99 个限流失败
2019-01-27 13:45:26.716 : 第 100 个限流失败

【上一轮降级完成之后,又开始下一轮降级】
2019-01-27 13:45:37.718 : 1 : 国产凌凌漆 
2019-01-27 13:45:38.719 : 2 : 国产凌凌漆 
2019-01-27 13:45:39.721 : 3 : 国产凌凌漆 
2019-01-27 13:45:40.722 : 4 : 国产凌凌漆 
2019-01-27 13:45:41.724 : 第 5 个请求被手动抛出业务异常
2019-01-27 13:45:42.725 : 6 : 国产凌凌漆 
2019-01-27 13:45:43.726 : 7 : 国产凌凌漆 
2019-01-27 13:45:44.728 : 8 : 国产凌凌漆 
2019-01-27 13:45:45.729 : 9 : 国产凌凌漆 

考虑到这里需要根据不同的timeWindow考虑各种情况,下面是一个结果汇总

当 timeWindow = 20 的时候, 第1个请求 完成时间  14:47:03.402, 第30个请求完成时间 14:47:32.483。接下来就是降级,在 14:48:04.031 的时候还处于降级状态,在 14:48:15.033 的时候处于非降级状态

当 timeWindow = 30 的时候, 第1个请求 完成时间  14:43:27.979, 第30个请求完成时间 14:43:57.054。接下来就是降级,在 14:44:49.285 的时候还处于降级状态,在 14:45:00.287 的时候处于非降级状态

当 timeWindow = 40 的时候, 第1个请求 完成时间  14:53:12.703, 第30个请求完成时间 14:53:41.834。接下来就是降级,在 14:54:13.409 的时候还处于降级状态,在 14:54:24.411 的时候处于非降级状态

当 timeWindow = 50 的时候, 第1个请求 完成时间  14:56:01.244, 第30个请求完成时间 14:56:30.345。接下来就是降级,在 14:57:12.310 的时候还处于降级状态,在 14:57:23.315 的时候处于非降级状态

【当timeWindow>=60, 限流时间 从 第一个降级请求开始算,在接下来的timeWindow内,服务将处于降级状态, 例如第一个降级请求时间是:15:01:10.619, timeWindow=70,那么在 15:01:10.619 - 15:02:20.619 这段时间内服务将处于降级状态】
当 timeWindow = 60 的时候, 第1个请求 完成时间  15:00:41.495, 第30个请求完成时间 15:01:10.619。接下来就是降级,在 15:02:03.071 的时候还处于降级状态,在 15:02:14.075 的时候处于非降级状态
当 timeWindow = 60 的时候, 第1个请求 完成时间  15:02:14.075, 第30个请求完成时间 15:02:43.140。接下来就是降级,在 15:03:35.314 的时候还处于降级状态,在 15:03:46.316 的时候处于非降级状态     

当 timeWindow = 70 的时候, 第1个请求 完成时间  15:05:08.084, 第30个请求完成时间 15:05:37.145。接下来就是降级,在 15:06:39.727 的时候还处于降级状态,在 15:06:50.730 的时候处于非降级状态
当 timeWindow = 70 的时候, 第1个请求 完成时间  15:06:50.730, 第30个请求完成时间 15:07:19.775。接下来就是降级,在 15:08:22.343 的时候还处于降级状态,在 15:08:33.345 的时候处于非降级状态

从上面的结果可以看到,timeWindow 在 小于60 的时候, 降级时间是没有规律的,即降级死不精确的,当timeWindow>=60, 限流时间 从 第一个降级请求开始算,在接下来的timeWindow内,服务将处于降级状态, 例如第一个降级请求时间是:15:01:10.619, timeWindow=70,那么在 15:01:10.619 - 15:02:20.619 这段时间内服务将处于降级状态。


权限控制

权限控制用于控制哪些调用方可以通过请求,比如指定服务A只有服务B才可以调用,或者只有服务B不可以调用,通过规则中得limitApp来控制

白名单

  • provider
/**
 * 权限测试,黑名单,只有titans-consumer,titans-consumer2 才能调用
 *
 * @param userId
 * @return
 */
@Override
public User testAuthWhite(Long userId) {
    return new User(100L, "国产凌凌漆");
}
  • consumer
/**
 * 权限测试 白名单,只有titans-consumer,titans-consumer2 才能调用,其它都不可以调用
 */
@Scheduled(fixedDelay = 10000)
public void testAuthWhite() {
    for (int i = 1; i <= 10; i++) {
        try {
            log.info("{} : {} ", i, userService.testAuthWhite(100L).getUserName());
        } catch (Exception e) {
            log.error("第 {} 个限流失败", i);
        }
    }
}
  • 权限规则
[{"app":"titans-provider3","key":"1548592173001","limitApp":"titans-consumer,titans-consumer2","resource":"@[email protected]:testAuthWhite(java.lang.Long)","strategy":0}]
  • 结果分析
【调用方是 titans-consumer 时,调用成功】

【调用方是 titans-consumer2 时,调用成功】

【调用方是 titans-consumer3 时,调用失败】

黑名单

  • provider
/**
 * 权限测试,黑名单,只有titans-consumer,titans-consumer2 不能调用
 *
 * @param userId
 * @return
 */
@Override
public User testAuthBlack(Long userId) {
    return new User(100L, "国产凌凌漆");
}
  • consumer
@Scheduled(fixedDelay = 10000)
public void testAuthBlack() {
    for (int i = 1; i <= 10; i++) {
        try {
            log.info("{} : {} ", i, userService.testAuthBlack(100L).getUserName());
        } catch (Exception e) {
            log.error("第 {} 个限流失败", i);
        }
    }
}
  • 权限规则
[{"app":"titans-provider3","key":"1548592326969","limitApp":"titans-consumer,titans-consumer2","resource":"@[email protected]:testAuthBlack(java.lang.Long)","strategy":1}]
  • 结果分析
【调用方是 titans-consumer 时,调用失败】

【调用方是 titans-consumer2 时,调用失败】

【调用方是 titans-consumer3 时,调用成功】

【调用方是 titans-consumer4 时,调用成功】

你可能感兴趣的:(Sentine规则测试)