java 限流熔断_SpringCloud Alibaba微服务实战五 - 限流熔断
简介
Sentinel是面向分布式服务框架的轻量级流量控制框架,主要以流量为切入点,从流量控制,熔断降级,系统负载保护等多个维度来维护系统的稳定性。在SpringCloud体系中，sentinel主要是为了替换原Hystrix的功能，与Hystrix相比，sentinel的隔离级别更加精细，提供的Dashboard可以在线更改限流熔断规则，而且使用也越加方便。要了解更多详细信息请移步至Sentinel官网。
基础准备
要使用Sentinel提供的限流熔断能力，需要先做如下准备：
安装Sentinel 这部分内容我已经在第一期SpringCloud Alibaba微服务实战一 - 基础环境准备中提过，大家可以翻阅查看。
引入Sentinel 在需要配置限流熔断服务的POM文件中引入Sentinel组件
org.springframework.cloud
spring-cloud-starter-alibaba-sentinel
自定义资源
@SentinelResource我们只需要在相关方法上加上
@SentinelResource注解，让其可以成为sentinel识别的资源即可。如：
@GetMapping("/account/getByCode/{accountCode}")
@SentinelResource(value = "getByCode")
public ResultData getByCode(@PathVariable(value = "accountCode") String accountCode){
log.info("get account detail,accountCode is :{}",accountCode);
AccountDTO accountDTO = accountService.selectByCode(accountCode);
return ResultData.success(accountDTO);
}
在配置文件中添加sentinel的服务端地址
server:
port: 8010
spring:
application:
name: account-service
cloud:
nacos:
discovery:
server-addr: 192.168.0.107:8848/
sentinel:
transport:
# sentinel服务端地址
dashboard: 192.168.0.107:8858
# 取消延迟加载
eager: true
经过以上几步我们准备好了使用Sentinel的基础环境，接下来我们看看限流熔断的具体配置。
限流
概念说明
生产者accout-service是一个核心服务，我们通过压测得出服务的最大负载能力为60。如果某个时间account-service的请求数飙升达到了600，那服务肯定就直接gg了。所以为了保护我们的accout-service，我们会给它配置一个限流规则，如果每秒钟有超过60的请求那不好意思我直接丢掉不处理了，然后丢给消费者一个异常，想拖垮我，哼，没门！。
总而言之，限流是通过限制调用方对自己的调用，起到保护自己系统的效果。
限流配置
理想是丰满的，现实是骨感的。由于本人对Jmeter之类的压测工具不是很精通所以为了方便测试，我们就将accout-service的QPS单机阈值设置成5，如果每秒QPS超过5，直接丢弃。
这里的资源名就是我们使用@SentinelResource注解自定义的资源。
打开浏览器，快速刷新浏览器，当每秒请求数超过5时会看到如下错误：
在后端服务日志中你会看到如下的错误日志：
2019-12-10 14:22:31,948 ERROR [dispatcherServlet]:175 - Servlet.service() for servlet [dispatcherServlet] in context with path [] threw exception [Request processing failed; nested exception is java.lang.reflect.UndeclaredThrowableException] with root cause
com.alibaba.csp.sentinel.slots.block.flow.FlowException: null
不要慌，这说明我们的目的达到了，限流成功！
自定义异常
我们可以通过@SentinelResource中添加blockHandler参数，给其添加自定义异常方法。如：
@GetMapping("/account/getByCode/{accountCode}")
@SentinelResource(value = "getByCode",blockHandler = "handleException")
public ResultData getByCode(@PathVariable(value = "accountCode") String accountCode){
log.info("get account detail,accountCode is :{}",accountCode);
AccountDTO accountDTO = accountService.selectByCode(accountCode);
return ResultData.success(accountDTO);
}
/**
* 自定义异常策略
* 返回值和参数要跟目标函数一样，参数可以追加BlockException
*/
public ResultData handleException(String accountCode,BlockException exception){
log.info("flow exception{}",exception.getClass().getCanonicalName());
return ResultData.fail(900,"达到阈值了,不要再访问了!");
}
注意，自定义的异常方法的参数和返回值要跟目标方法一样，参数可以追加BlockException
效果如下：
比之前的那个错误页优雅多了有木有！
持久化配置
由于Sentinel的配置默认是放在内存中的，每当应用重启或者sentinel重启都会丢失数据，我们这里使用Nacos作为配置中心持久化限流配置。
修改pom文件，引入
sentinel-datasource-nacos组件
com.alibaba.csp
sentinel-datasource-nacos
修改application.yml，配置sentinel的数据源
spring:
cloud:
sentinel:
datasource:
ds:
nacos:
server-addr: 10.0.10.48:8848
data-id: ${spring.application.name}-sentinel
group-id: DEFAULT_GROUP
rule-type: flow
在nacos中建立限流配置
account-service-sentinel(配置格式设置成json)
[
{
"resource": "getByCode",
"limitApp": "default",
"grade": 1,
"count": 3,
"strategy": 0,
"controlBehavior": 0,
"clusterMode": false
}
]
可以看到上面配置规则是一个数组类型，数组中的每个对象是针对每一个保护资源的配置对象，每个对象中的属性解释如下：
resource：资源名，即限流规则的作用对象
limitApp：流控针对的调用来源，若为 default 则不区分调用来源
grade：限流阈值类型(QPS 或并发线程数)；0代表根据并发数量来限流，1代表根据QPS来进行流量控制
count：限流阈值
strategy：调用关系限流策略
controlBehavior：流量控制效果(直接拒绝、Warm Up、匀速排队)
clusterMode：是否为集群模式
进入sentinel查看dashboard，发现sentinel自动获取nacos的配置
频繁刷新浏览器调用接口，验证接口是否正常限流
熔断
概念说明
消费者order-service需要先调用product-service获取具体的product，然后再处理其他的业务逻辑。但是这个product-service接口不是很稳定，经常抛出异常；或者是响应缓慢，导致order-service的响应变慢；如果置之不理，order-service可能会被product-service拖垮。这时候为了保护order-service，我们需要对product-service接口进行熔断。
image.png
一言以蔽之：熔断是通过限制自己对外部系统的调用， 起到节约响应时间、维护链路稳定的作用。
熔断配置
Sentinel中的熔断降级有三个降级策略：
RT(平均响应时间)：当资源的平均响应时间超过阈值之后，资源进入准降级状态。接下来如果持续进入 5 个请求，它们的 RT 都持续超过这个阈值，那么在接下的时间窗口之内，对这个方法的调用都会自动抛出 DegradeException 异常。在下一个时间窗口到来时, 会接着再放入5个请求, 再重复上面的判断.
异常比例 当资源的每秒异常总数占通过量的比值超过阈值之后，资源进入降级状态，即在接下的时间窗口之内，对这个方法的调用都会自动地抛出DegradeException异常。异常比率的阈值范围是 [0.0, 1.0]，代表 0% - 100%。
异常数 当资源近 1 分钟的异常数目超过阈值之后会进行熔断。
首先我们对原接口进行改造，让其直接抛出Runtimeexception：
@GetMapping("/product/getByCode/{productCode}")
@SentinelResource(value = "/product/getByCode",fallback = "fallbackHandler")
public ResultData getByCode(@PathVariable String productCode){
log.info("get product detail,productCode is :{}",productCode);
ProductDTO productDTO = productService.selectByCode(productCode);
throw new RuntimeException("error");
// return ResultData.success(productDTO);
}
这里我们将product-service设置如下的熔断规则：
如果/product/getByCode的异常率超过50%，那么接下来2秒内直接触发熔断降级，默认情况会抛出DegradeException异常，如：
2019-12-10 19:35:53,764 ERROR [dispatcherServlet]:175 - Servlet.service() for servlet [dispatcherServlet] in context with path [] threw exception [Request processing failed; nested exception is java.lang.reflect.UndeclaredThrowableException] with root cause
com.alibaba.csp.sentinel.slots.block.degrade.DegradeException: null
自定义异常
自定义熔断异常跟限流异常类似，我们使用fallback属性指定自定义异常的方法，如：
@SentinelResource(value = "/product/getByCode",fallback = "fallbackHandler")
public ResultData getByCode(@PathVariable String productCode){
...
}
/**
* 自定义熔断异常
* 返回值和参数要跟目标函数一样
*/
public ResultData fallbackHandler(String productCode){
return ResultData.fail(800,"服务被熔断了，不要调用!");
}
注意，自定义的异常方法的参数和返回值要跟目标方法一样
效果如下：
持久化配置
引入sentinel-datasource-nacos组件，跟限流一样配置即可
修改application.yml，配置sentinel的数据源
spring:
cloud:
sentinel:
datasource:
ds:
nacos:
server-addr: 192.168.0.106:8848
data-id: ${spring.application.name}-sentinel-degrade
group-id: DEFAULT_GROUP
rule-type: degrade
在nacos中建立配置文件
product-service-sentinel-degrade,做如下配置
[
{
"resource": "/product/getByCode",
"count": 0.5,
"grade": 1,
"passCount": 0,
"timeWindow": 2
}
]
可以看到上面配置规则是一个数组类型，数组中的每个对象是针对每一个保护资源的配置对象，每个对象中的属性解释如下：
resource：资源名，即降级规则的作用对象
count：阈值
grade：降级模式 0:RT 1:异常比例 2:异常数
timeWindow：时间窗口(单位秒)
进入sentinel查看dashboard，发现sentinel自动获取nacos的配置
血与泪
大家在使用sentinel过程中如果出现Failed to fetch metric from的错误,具体表现如下：
Failed to fetch metric from
(ConnectionException: Connection refused: no further information)
这个时候你需要去检查下sentinel控制台的服务列表，确认是否跟你ip一致。(我之前是装过虚拟机，sentinel一直抓取的是我虚拟的ip，不知道为什么。。。)
如果发现监听的地址不对的话，可以在sentinel客户端配置中加入客户端ip配置
spring:
cloud:
sentinel:
transport:
client-ip: 192.168.0.108
至此我们已经给我们的微服务加上了限流熔断保护，再也不用担心异常流量的冲击，下游系统不稳定导致自身服务不可用了。那么本期的“SpringCloud Alibaba微服务实战五 - 限流熔断”篇也就该结束啦，咱们下期有缘再见！
系列文章
SpringCloud Alibaba微服务实战一 - 基础环境准备
SpringCloud Alibaba微服务实战二 - 服务注册
SpringCloud Alibaba微服务实战三 - 服务调用
SpringCloud Alibaba微服务实战四 - 版本管理