Sentinel源码分析—Sentinel是如何进行流量统计的?

  这一篇我还是继续上一篇没有讲完的内容,先上一个例子:
  
  private static final int threadCount = 100;
  
  public static void main(String[] args) {
  
  initFlowRule();
  
  for (int i = 0; i < threadCount; i++) {
  
  Thread entryThread = new Thread(new Runnable() {
  
  @Override
  
  public void run() {
  
  while (true) {
  
  Entry methodA = null;
  
  try {
  
  TimeUnit.MILLISECONDS.sleep(5);
  
  methodA = SphU.entry("methodA");
  
  } catch (BlockException e1) {
  
  // Block exception
  
  } catch (Exception e2) {
  
  // biz exception
  
  } finally {
  
  if (methodA != null) {
  
  methodA.exit();
 
  entryThread.setName("working thread");
  
  entryThread.start();
 
  private static void initFlowRule() {
  
  List rules = new ArrayList();
  
  FlowRule rule1 = new FlowRule();
  
  rule1.setResource("methodA");
  
  // set limit concurrent thread for 'methodA' to 20
  
  rule1.setCount(20);
  
  rule1.setGrade(RuleConstant.FLOW_GRADE_THREAD);
  
  rule1.setLimitApp("default");
  
  rules.add(rule1);
  
  FlowRuleManager.loadRules(rules);
  
  }
  
  SphU#entry
  
  我先把例子放上来
  
  Entry methodA = null;
  
  try {
  
  methodA = SphU.entry("methodA");
  
  // dosomething
  
  } catch (BlockException e1) {
  
  block.incrementAndGet();
  
  } catch (Exception e2) {
  
  // biz exception
  
  } finally {
  
  total.incrementAndGet();
  
  if (methodA != null) {
  
  methodA.exit();
  
  }
  
  }
  
  我们先进入到entry方法里面:
  
  SphU#entry
  
  public static Entry entry(String name) throws BlockException {
  
  return Env.sph.entry(name, EntryType.OUT, 1, OBJECTS0);
  
  }
  
  这个方法里面会调用Env的sph静态方法,我们进入到Env里面看看
  
  public class Env {
  
  public static final Sph sph = new CtSph();
  
  static {
  
  // If init fails, the process will exit.
  
  InitExecutor.doInit()
  
  这个方法初始化的时候会调用InitExecutor.doInit()
  
  InitExecutor#doInit
  
  public static void doInit() {
  
  //InitExecutor只会初始化一次,并且初始化失败会退出
  
  if (!initialized.compareAndSet(false, true)) {
  
  return;
  
  }
  
  try {
  
  //通过spi加载InitFunc子类,默认是MetricCallbackInit
  
  ServiceLoader loader = ServiceLoader.load(InitFunc.class);
  
  List initList = new ArrayList();
  
  for (InitFunc initFunc : loader) {
  
  RecordLog.info("[InitExecutor] Found init func: " + initFunc.getClass().getCanonicalName());
  
  //由于这里只有一个loader里面只有一个子类,那么直接就返回initList里面包含一个元素的集合
  
  insertSorted(initList, initFunc);
  
  }
  
  for (OrderWrapper w : initList) {
  
  //这里调用MetricCallbackInit的init方法
  
  w.func.init();
  
  RecordLog.info(String.format("[InitExecutor] Executing %s with order %d",
  
  w.func.getClass(www.tyyLeapp.com).getCanonicalName(), w.order));
  
  }
  
  } catch (Exception ex) {
  
  RecordLog.warn("[InitExecutor] WARN: Initialization failed", ex);
  
  ex.printStackTrace();
  
  } catch (Error error) {
  
  RecordLog.warn("[InitExecutor] ERROR: Initialization failed with fatal error", error);
  
  error.printStackTrace();
  
  }
  
  }
  
  这个方法主要是通过spi加载InitFunc 的子类,默认是MetricCallbackInit。
  
  然后会将MetricCallbackInit封装成OrderWrapper实例,然后遍历,调用
  
  MetricCallbackInit的init方法:
  
  MetricCallbackInit#init
  
  public void init(www.qjljdgt.cn) throws Exception {
  
  //添加回调函数
  
  //key是com.alibaba.csp.sentinel.metric.extension.callback.MetricEntryCallback
  
  StatisticSlotCallbackRegistry.addEntryCallback(MetricEntryCallback.class.getCanonicalName(),
  
  new MetricEntryCallback(www.liantingzheng.com));
  
  //key是com.alibaba.csp.sentinel.metric.extension.callback.MetricExitCallback
  
  StatisticSlotCallbackRegistry.addExitCallback(MetricExitCallback.class.getCanonicalName(),
  
  new MetricExitCallback());
  
  }
  
  这个init方法就是注册了两个回调实例MetricEntryCallback和MetricExitCallback。
  
  然后会通过调用Env.sph.entry会最后调用到CtSph的entry方法:
  
  public Entry entry(String name, www.jintianxuesha.com EntryType type, int count, Object... args) throws BlockException {
  
  //这里name是Resource,type是out
  
  StringResourceWrapper resource = new StringResourceWrapper(name, type);
  
  //count是1 ,args是一个空数组
  
  return entry(resource, count, args);
  
  }
  
  这个方法会将resource和type封装成StringResourceWrapper实例,然后调用entry重载方法追踪到CtSph的entryWithPriority方法。
  
  //这里传入得参数count是1,prioritized=false,args是容量为1的空数组
  
  private Entry entryWithPriority(ResourceWrapper resourceWrapper, int count, boolean prioritized, Object... args)
  
  throws BlockException {
  
  //获取当前线程的上下文
  
  Context context = ContextUtil.getContext();
  
  if (context instanceof NullContext) {
  
  // The {@link NullContext} indicates that the amount of context has exceeded the threshold,
  
  // so here init the entry only. No rule checking will be done.
  
  return new CtEntry(resourceWrapper,www.tdcqpt.cn  null, context);
  
  }
  
  //为空的话,创建一个默认的context
  
  if (context == null) { //1
  
  // Using default context.
  
  context = MyContextUtil.myEnter(Constants.CONTEXT_DEFAULT_NAME, "", resourceWrapper.getType());
  
  }
  
  // Global switch is close, no rule checking will do.
  
  if (!Constants.ON) {//这里会返回false
  
  return new CtEntry(resourceWrapper, null, context);
  
  }
  
  //2
  
  //创建一系列功能插槽
  
  ProcessorSlot chain = lookProcessChain(resourceWrapper);
  
  /*
  
  * Means amount of resources (slot chain) exceeds {@link Constants.MAX_SLOT_CHAIN_SIZE},
  
  * so no rule checking will be done.
  
  */
  
  //如果超过了插槽的最大数量,那么会返回null
  
  if (chain == null) {
  
  return new CtEntry(resourceWrapper, null, context);
  
  }
  
  Entry e = new CtEntry(resourceWrapper, chain, context);
  
  try {
  
  //3
  
  //调用责任链
  
  chain.entry(context, resourceWrapper, null, count, prioritized, args);
  
  } catch (BlockException e1) {
  
  e.exit(count, args);
  
  throw e1;
  
  } catch (Throwable e1) {
  
  // This should not happen, unless there are errors existing in Sentinel internal.
  
  RecordLog.info("Sentinel unexpected exception", e1);
  
  }
  
  return e;
  
  }
  
  这个方法是最核心的方法,主要做了三件事:
  
  如果context为null则创建一个新的
  
  通过责任链方式创建功能插槽
  
  调用责任链插槽
  
  在讲创建context之前我们先看一下ContextUtil这个类初始化的时候会做什么
  
  ContextUtil
  
  /**
  
  * Holds all {@link EntranceNode}. Each {@link EntranceNode} is associated with a distinct context name.
  
  */
  
  private static volatile Map contextNameNodeMap = new HashMap<>();
  
  static {
  
  // Cache the entrance node for default context.
  
  initDefaultContext();
  
  }
  
  private static void initDefaultContext() {
  
  String defaultContextName = Constants.CONTEXT_DEFAULT_NAME;
  
  //初始化一个sentinel_default_context,type为in的队形
  
  EntranceNode node = new EntranceNode(new StringResourceWrapper(defaultContextName, EntryType.IN), null);
  
  //Constants.ROOT会初始化一个name是machine-root,type=IN的对象
  
  Constants.ROOT.addChild(node);
  
  //所以现在map里面有一个key=CONTEXT_DEFAULT_NAME的对象
  
  contextNameNodeMap.put(defaultContextName, node);
  
  }
  
  ContextUtil在初始化的时候会先调用initDefaultContext方法。通过Constants.ROOT创建一个root节点,然后将创建的node作为root的子节点入队,然后将node节点put到contextNameNodeMap中
  
  结构如下:
  
  Constants.ROOT:
  
  machine-root(EntryType#IN)
  
  /
  
  /
  
  sentinel_default_context(EntryType#IN)
  
  现在我们再回到entryWithPriority方法中:
  
  if (context == null) {//1
  
  // Using default context.
  
  context = MyContextUtil.myEnter(Constants.CONTEXT_DEFAULT_NAME, "", resourceWrapper.getType());
  
  }
  
  如果context为空,那么会调用MyContextUtil.myEnter创建一个新的context,这个方法最后会调用到ContextUtil.trueEnter方法中进行创建。
  
  protected static Context trueEnter(String name, String origin) {
  
  Context context = contextHolder.get();
  
  if (context == null) {
  
  Map localCacheNameMap = contextNameNodeMap;
  
  DefaultNode node = localCacheNameMap.get(name);
  
  if (node == null) {
  
  //如果为null的话,检查contextNameNodeMap的size是不是超过2000
  
  if (localCacheNameMap.size() > Constants.MAX_CONTEXT_NAME_SIZE) {
  
  setNullContext();
  
  return NULL_CONTEXT;
  
  } else {
  
  // 重复initDefaultContext方法的内容
  
  try {
  
  LOCK.lock();
  
  node = contextNameNodeMap.get(name);
  
  if (node == null) {
  
  if (contextNameNodeMap.size() > Constants.MAX_CONTEXT_NAME_SIZE) {
  
  setNullContext();
  
  return NULL_CONTEXT;
  
  } else {
  
  node = new EntranceNode(new StringResourceWrapper(name, EntryType.IN), null);
  
  // Add entrance node.
  
  Constants.ROOT.addChild(node);
  
  Map newMap = new HashMap<>(contextNameNodeMap.size() + 1);
  
  newMap.putAll(contextNameNodeMap);
  
  newMap.put(name, node);
  
  contextNameNodeMap = newMap;
  
  }
  
  }
  
  } finally {
  
  LOCK.unlock();
  
  }
  
  }
  
  }
  
  context = new Context(node, name);
  
  context.setOrigin(origin);
  
  contextHolder.set(context);
  
  }
  
  return context;
  
  }
  
  在trueEnter方法中会做一个校验,如果contextNameNodeMap中的数量已经超过了2000,那么会返回一个NULL_CONTEXT。由于我们在initDefaultContext中已经初始化过了node节点,所以这个时候直接根据name获取node节点放入到contextHolder中。
  
  创建完了context之后我们再回到entryWithPriority方法中继续往下走:
  
  //创建一系列功能插槽
  
  ProcessorSlot chain = lookProcessChain(resourceWrapper);
  
  通过调用lookProcessChain方法会创建功能插槽
  
  CtSph#lookProcessChain
  
  ProcessorSlot lookProcessChain(ResourceWrapper resourceWrapper) {
  
  //根据resourceWrapper初始化插槽
  
  ProcessorSlotChain chain = chainMap.get(resourceWrapper);
  
  if (chain == null) {
  
  synchronized (LOCK) {
  
  chain = chainMap.get(resourceWrapper);
  
  if (chain == null) {
  
  // Entry size limit.最大插槽数量为6000
  
  if (chainMap.size() >= Constants.MAX_SLOT_CHAIN_SIZE) {
  
  return null;
  
  }
  
  //初始化新的插槽
  
  chain = SlotChainProvider.newSlotChain();
  
  Map newMap = new HashMap(
  
  chainMap.size() + 1);
  
  newMap.putAll(chainMap);
  
  newMap.put(resourceWrapper, chain);
  
  chainMap = newMap;
  
  }
  
  }
  
  }
  
  return chain;
  
  }
  
  这里会调用SlotChainProvider.newSlotChain进行插槽的初始化。
  
  SlotChainProvider#newSlotChain
  
  public static ProcessorSlotChain newSlotChain() {
  
  if (slotChainBuilder != null) {
  
  return slotChainBuilder.build();
  
  }
  
  //根据spi初始化slotChainBuilder,默认是DefaultSlotChainBuilder
  
  resolveSlotChainBuilder();
  
  if (slotChainBuilder == null) {
  
  RecordLog.warn("[SlotChainProvider] Wrong state when resolving slot chain builder, using default");
  
  slotChainBuilder = new DefaultSlotChainBuilder();
  
  }
  
  return slotChainBuilder.build();
  
  }
  
  默认调用DefaultSlotChainBuilder的build方法进行初始化
  
  DefaultSlotChainBuilder#build
  
  public ProcessorSlotChain build() {
  
  ProcessorSlotChain chain = new DefaultProcessorSlotChain();
  
  //创建Node节点
  
  chain.addLast(new NodeSelectorSlot());
  
  //用于构建资源的 ClusterNode
  
  chain.addLast(new ClusterBuilderSlot());
  
  chain.addLast(new LogSlot());
  
  //用于统计实时的调用数据
  
  chain.addLast(new StatisticSlot());
  
  //用于对入口的资源进行调配
  
  chain.addLast(new SystemSlot());
  
  chain.addLast(new AuthoritySlot());
  
  //用于限流
  
  chain.addLast(new FlowSlot());
  
  //用于降级
  
  chain.addLast(new DegradeSlot());
  
  return chain;
  
  }
  
  DefaultProcessorSlotChain里面会创建一个头节点,然后把其他节点通过addLast串成一个链表:
  
  最后我们再回到CtSph的entryWithPriority方法中,往下走调用chain.entry方法触发调用链。
  
  Context
  
  在往下看Slot插槽之前,我们先总结一下Context是怎样的一个结构:
  
  在Sentinel中,所有的统计操作都是基于context来进行的。context会通过ContextUtil的trueEnter方法进行创建,会根据context的不同的name来组装不同的Node来实现数据的统计。
  
  在经过NodeSelectorSlot的时候会根据传入的不同的context的name字段来获取不同的DefaultNode对象,然后设置到context的curEntry实例的curNode属性中。
  
  NodeSelectorSlot#entry
  
  public void entry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, boolean prioritized, Object... args)
  
  throws Throwable {
  
  DefaultNode node = map.get(context.getName());
  
  if (node == null) {
  
  synchronized (this) {
  
  node = map.get(context.getName());
  
  if (node == null) {
  
  node = new DefaultNode(resourceWrapper, null);
  
  HashMap cacheMap = new HashMap(map.size());
  
  cacheMap.putAll(map);
  
  cacheMap.put(context.getName(), node);
  
  map = cacheMap;
  
  // Build invocation tree
  
  ((DefaultNode) context.getLastNode()).addChild(node);
  
  }
  
  }
  
  }
  
  //设置到context的curEntry实例的curNode属性中
  
  context.setCurNode(node);
  
  fireEntry(context, resourceWrapper, node, count, prioritized, args);
  
  }
  
  然后再经过ClusterBuilderSlot槽位在初始化的时候会初始化一个静态的全局clusterNodeMap用来记录所有的ClusterNode,维度是ResourceWrapper。每次调用entry方法的时候会先去全局的clusterNodeMap,找不到就会创建一个新的clusterNode,放入到node的ClusterNode属性中,用来统计ResourceWrapper维度下面的所有数据。
  
  //此变量是静态的,所以只会初始化一次,存有所有的ResourceWrapper维度下的数据
  
  private static volatile Map clusterNodeMap = new HashMap<>();
  
  public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,
  
  boolean prioritized, Object... args)
  
  throws Throwable {
  
  if (clusterNode == null) {
  
  synchronized (lock) {
  
  if (clusterNode == null) {
  
  // Create the cluster node.
  
  clusterNode = new ClusterNode();
  
  HashMap newMap = new HashMap<>(Math.max(clusterNodeMap.size(), 16));
  
  newMap.putAll(clusterNodeMap);
  
  newMap.put(node.getId(), clusterNode);
  
  clusterNodeMap = newMap;
  
  }
  
  }
  
  }
  
  node.setClusterNode(clusterNode);
  
  if (!"".equals(context.getOrigin())) {
  
  Node originNode = node.getClusterNode().getOrCreateOriginNode(context.getOrigin());
  
  context.getCurEntry().setOriginNode(originNode);
  
  }
  
  fireEntry(context, resourceWrapper, node, count, prioritized, args);
  
  }
  
  StatisticSlot
  
  public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,
  
  boolean prioritized, Object... args) throws Throwable {
  
  try {
  
  //先直接往下调用,如果没有报错则进行统计
  
  // Do some checking.
  
  fireEntry(context, resourceWrapper, node, count, prioritized, args);
  
  //当前线程数加1
  
  // Request passed, add thread count and pass count.
  
  node.increaseThreadNum();
  
  //通过的请求加上count
  
  node.addPassRequest(count);
  
  ...
  
  } catch (PriorityWaitException ex) {
  
  node.increaseThreadNum();
  
  ...
  
  } catch (BlockException e) {
  
  //设置错误信息
  
  // Blocked, set block exception to current entry.
  
  context.getCurEntry().setError(e);
  
  ...
  
  //设置被阻塞的次数
  
  // Add block count.
  
  node.increaseBlockQps(count);
  
  ...
  
  throw e;
  
  } catch (Throwable e) {
  
  // Unexpected error, set error to current entry.
  
  context.getCurEntry().setError(e);
  
  //设置异常的次数
  
  // This should not happen.
  
  node.increaseExceptionQps(count);
  
  ...
  
  throw e;
  
  }
  
  }
  
  这段代码中,我把不相关的代码都省略了,不影响我们的主流程。
  
  在entry方法里面,首先是往下继续调用,根据其他的节点的情况来进行统计,比如抛出异常,那么就统计ExceptionQps,被阻塞那么就统计BlockQps,直接通过,那么就统计PassRequest。
  
  我们先看一下线程数是如何统计的:node.increaseThreadNum()
  
  DefaultNode#increaseThreadNum
  
  我们先看一下DefaultNode的继承关系:
  
  public void increaseThreadNum() {
  
  super.increaseThreadNum();
  
  this.clusterNode.increaseThreadNum();
  
  }
  
  所以super.increaseThreadNum是调用到了父类的increaseThreadNum方法。
  
  this.clusterNode.increaseThreadNum()这句代码和super.increaseThreadNum是一样的使用方式,所以看看StatisticNode的increaseThreadNum方法就好了
  
  StatisticNode#increaseThreadNum
  
  private LongAdder curThreadNum = new LongAdder();
  
  public void decreaseThreadNum() {
  
  curThreadNum.increment();
  
  }
  
  这个方法很简单,每次都直接使用LongAdder的api加1就好了,最后会在退出的时候减1,使用LongAdder也保证了原子性。
  
  如果请求通过的时候会继续往下调用node.addPassRequest:
  
  DefaultNode#addPassRequest
  
  public void addPassRequest(int count) {
  
  super.addPassRequest(count);
  
  this.clusterNode.addPassRequest(count);
  
  }
  
  这句代码也是调用了StatisticNode的addPassRequest方法进行统计的。
  
  StatisticNode#addPassRequest
  
  public void addPassRequest(int count) {
  
  rollingCounterInSecond.addPass(count);
  
  rollingCounterInMinute.addPass(count);
  
  }
  
  这段代码里面有两个调用,一个是按分钟统计的,一个是按秒统计的。因为我们这里是使用的FlowRuleManager所以是会记录按分钟统计的。具体是怎么初始化,以及怎么打印统计日志的可以看看我上一篇分析:1.Sentinel源码分析—FlowRuleManager加载规则做了什么?,我这里不再赘述。
  
  所以我们直接看看rollingCounterInMinute.addPass(count)这句代码就好了,这句代码会直接调用ArrayMetric的addPass方法。
  
  ArrayMetric#addPass
  
  public void addPass(int count) {
  
  //获取当前的时间窗口
  
  WindowWrap wrap = data.currentWindow();
  
  //窗口内的pass加1
  
  wrap.value().addPass(count);
  
  }
  
  这里会首先调用currentWindow获取当前的时间窗口WindowWrap,然后调用调用窗口内的MetricBucket的addPass方法加1,我继续拿我上一篇文章的图过来说明:
  
  我面来到MetricBucket的addPass方法:
  
  MetricBucket#addPass
  
  public void addPass(int n) {
  
  add(MetricEvent.PASS, n);
  
  }
  
  public MetricBucket add(MetricEvent event, long n) {
  
  counters[event.ordinal()].add(n);
  
  return this;
  
  }
  
  addPass方法会使用枚举类然后将counters数组内的pass槽位的值加n;counters数组是LongAdder数组,所以也不会有线程安全问题。
  
  node.increaseBlockQps和node.increaseExceptionQps代码也是一样的,大家可以自行去看看。
  
  FlowSlot
  
  FlowSlot可以根据预先设置的规则来判断一个请求是否应该被通过。
  
  FlowSlot
  
  private final FlowRuleChecker checker;
  
  public FlowSlot() {
  
  this(new FlowRuleChecker());
  
  }
  
  public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,
  
  boolean prioritized, Object... args) throws Throwable {
  
  checkFlow(resourceWrapper, context, node, count, prioritized);
  
  fireEntry(context, resourceWrapper, node, count, prioritized, args);
  
  }
  
  void checkFlow(ResourceWrapper resource, Context context, DefaultNode node, int count, boolean prioritized)
  
  throws BlockException {
  
  checker.checkFlow(ruleProvider, resource, context, node, count, prioritized);
  
  }
  
  FlowSlot在实例化的时候会设置一个规则检查器,然后在调用entry方法的时候会调用规则检查器的checkFlow方法
  
  我们进入到FlowRuleChecker的checkFlow 方法中:
  
  FlowRuleChecker#checkFlow
  
  public void checkFlow(Function> ruleProvider, ResourceWrapper resource,
  
  Context context, DefaultNode node, int count, boolean prioritized) throws BlockException {
  
  if (ruleProvider == null || resource == null) {
  
  return;
  
  }
  
  //返回FlowRuleManager里面注册的所有规则
  
  Collection rules = ruleProvider.apply(resource.getName());
  
  if (rules != null) {
  
  for (FlowRule rule : rules) {
  
  //如果当前的请求不能通过,那么就抛出FlowException异常
  
  if (!canPassCheck(rule, context, node, count, prioritized)) {
  
  throw new FlowException(rule.getLimitApp(), rule);
  
  }
  
  }
  
  }
  
  }
  
  private final Function> ruleProvider = new Function>() {
  
  @Override
  
  public Collection apply(String resource) {
  
  // Flow rule map should not be null.
  
  Map> flowRules = FlowRuleManager.getFlowRuleMap();
  
  return flowRules.get(resource);
  
  }
  
  };
  
  checkFlow这个方法就是过去所有的规则然后根据规则进行过滤。主要的过滤操作是在canPassCheck中进行的。
  
  FlowRuleChecker#canPassCheck
  
  public boolean canPassCheck(/*@NonNull*/ FlowRule rule, Context context, DefaultNode node, int acquireCount,
  
  boolean prioritized) {
  
  //如果没有设置limitapp,那么不进行校验,默认会给个defualt
  
  String limitApp = rule.getLimitApp();
  
  if (limitApp == null) {
  
  return true;
  
  }
  
  //集群模式
  
  if (rule.isClusterMode()) {
  
  return passClusterCheck(rule, context, node, acquireCount, prioritized);
  
  }
  
  //本地模式
  
  return passLocalCheck(rule, context, node, acquireCount, prioritized);
  
  }
  
  这个方法首先会校验limitApp,然后判断是集群模式还是本地模式,我们这里暂时分析本地模式。
  
  FlowRuleChecker#passLocalCheck
  
  private static boolean passLocalCheck(FlowRule rule, Context context, DefaultNode node, int acquireCount,
  
  boolean prioritized) {
  
  //节点选择
  
  Node selectedNode = selectNodeByRequesterAndStrategy(rule, context, node);
  
  if (selectedNode == null) {
  
  return true;
  
  }
  
  //根据设置的规则来拦截
  
  return rule.getRater().canPass(selectedNode, acquireCount, prioritized);
  
  }
  
  本地模式中,首先会调用selectNodeByRequesterAndStrategy进行节点选择,根据不同的模式选择不同的节点,然后调用规则控制器的canPass方法进行拦截。
  
  FlowRuleChecker#selectNodeByRequesterAndStrategy
  
  static Node selectNodeByRequesterAndStrategy(/*@NonNull*/ FlowRule rule, Context context, DefaultNode node) {
  
  // The limit app should not be empty.
  
  String limitApp = rule.getLimitApp();
  
  //关系限流策略
  
  int strategy = rule.getStrategy();
  
  String origin = context.getOrigin();
  
  //origin不为`default` or `other`,并且limitApp和origin相等
  
  if (limitApp.equals(origin) && filterOrigin(origin)) {//1
  
  if (strategy == RuleConstant.STRATEGY_DIRECT) {
  
  // Matches limit origin, return origin statistic node.
  
  return context.getOriginNode();
  
  }
  
  //关系限流策略为关联或者链路的处理
  
  return selectReferenceNode(rule, context, node);
  
  } else if (RuleConstant.LIMIT_APP_DEFAULT.equals(limitApp)) {//2
  
  if (strategy == RuleConstant.STRATEGY_DIRECT) {
  
  //这里返回ClusterNode,表示所有应用对该资源的所有请求情况
  
  // Return the cluster node.
  
  return node.getClusterNode();
  
  }
  
  //关系限流策略为关联或者链路的处理
  
  return selectReferenceNode(rule, context, node);
  
  } else if (RuleConstant.LIMIT_APP_OTHER.equals(limitApp)
  
  && FlowRuleManager.isOtherOrigin(origin, rule.getResource())) {//3
  
  if (strategy == RuleConstant.STRATEGY_DIRECT) {
  
  return context.getOriginNode();
  
  }
  
  //关系限流策略为关联或者链路的处理
  
  return selectReferenceNode(rule, context, node);
  
  }
  
  return null;
  
  }
  
  这个方法主要是用来根据控制根据不同的规则,获取不同的node进行数据的统计。
  
  在标记1中表示,如果流控规则配置了来源应用且不是"default"或者"other"这种特殊值,那么这种时候该规则就只对配置的来源应用生效。
  
  在标记2中表示,limitApp是"default",代表针对所有应用进行统计。
  
  标记7中,这个是"other"值的处理,假设当前请求来源不在当前规则的limitApp中,则进行下面的处理。
  
  我这里引用官方文档的一段话进行解释:
  
  default:表示不区分调用者,来自任何调用者的请求都将进行限流统计。如果这个资源名的调用总和超过了这条规则定义的阈值,则触发限流。
  
  {some_origin_name}:表示针对特定的调用者,只有来自这个调用者的请求才会进行流量控制。例如 NodeA 配置了一条针对调用者caller1的规则,那么当且仅当来自 caller1 对 NodeA 的请求才会触发流量控制。
  
  other:表示针对除 {some_origin_name} 以外的其余调用方的流量进行流量控制。例如,资源NodeA配置了一条针对调用者 caller1 的限流规则,同时又配置了一条调用者为 other 的规则,那么任意来自非 caller1 对 NodeA 的调用,都不能超过 other 这条规则定义的阈值
  
  同一个资源名可以配置多条规则,规则的生效顺序为:{some_origin_name} > other > default
  
  然后返回到passLocalCheck方法中,继续往下走,调用rule.getRater(),我们这里没有指定特殊的rater,所以返回的是DefaultController。
  
  DefaultController#canPass
  
  public boolean canPass(Node node, int acquireCount, boolean prioritized) {
  
  //判断是限流还是限制并发数量,然后获取流量或并发数量
  
  int curCount = avgUsedTokens(node);
  
  //如果两者相加大于限定的并发数
  
  if (curCount + acquireCount > count) {
  
  ...
  
  return false;
  
  }
  
  return true;
  
  }
  
  这里首先调用avgUsedTokens,根据grade判断当前的规则是QPS限流还是线程数限流,如果两者之和大于count,那么返回false。
  
  返回false之后会回到FlowRuleChecker的checkFlow方法,抛出FlowException异常。
  
  到这里Sentinel的主流程就分析完毕了。

你可能感兴趣的:(Sentinel源码分析—Sentinel是如何进行流量统计的?)