【黑马SpringCloud(6)】Sentinel解决雪崩问题

代码地址： https://gitee.com/suisui9857/cloud-demo

雪崩问题

在微服务中，一个微服务往往依赖于多个其它微服务。如果服务提供者I发生了故障，当前的应用的部分业务因为依赖于服务I，因此也会被阻塞。依赖服务I的业务请求被阻塞，用户不会得到响应，则tomcat的这个线程不会释放，于是越来越多的用户请求到来，越来越多的线程会阻塞，服务器支持的线程和并发数有限，请求一直阻塞，会导致服务器资源耗尽，从而导致所有其它服务都不可用，那么当前服务也就不可用了。

微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况，就是雪崩。

解决雪崩问题的常见方式：

• 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。(释放速度没有请求速度快，终有一天会阻塞)
  
• 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。(服务c挂了之后还一直访问，会造成资源浪费)
  
• 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需求。
  
• 流量控制： 限制业务访问的QPS(每秒钟请求的数量)，避免服务因流量的突增而故障。
  

如何避免因瞬间高并发流量而导致服务故障？流量控制

如何避免因服务故障引起的雪崩问题？超时处理，舱壁模式，熔断降级

服务保护技术

早期比较流行的是Hystrix框架，但目前国内实用最广泛的还是阿里巴巴的Sentinel框架，对比如下：

	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，热点数量的限流	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 等	Servlet、Spring Cloud Netflix

Sentinel

sentinel官方提供了UI控制台，方便对系统做限流设置。可以在GitHub下载。

将jar包放到任意非中文目录，执行命令：

java -jar sentinel-dashboard-1.8.1.jar

修改Sentinel的默认端口、账户、密码，可以通过下列配置：

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

修改端口：

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

访问http://localhost:8080页面，可以看到sentinel的控制台：账号和密码默认：sentinel

微服务整合Sentinel

1.引入sentinel依赖

<dependency>
    <groupId>com.alibaba.cloudgroupId> 
    <artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
dependency>

2.修改配置文件

server:
  port: 8088
spring:
  cloud: 
    sentinel:
      transport:
        dashboard: localhost:8090

3.访问order-service的任意端点(http://localhost:8088/order/101)，触发sentinel的监控

流量控制

簇点链路

当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路。簇点链路中被监控的每一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，也就是controller中的方法)，因此SpringMVC的每一个端点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，因此可以点击对应资源后面的按钮来设置规则：

• 流控：流量控制
• 降级：降级熔断
• 热点：热点参数限流，是限流的一种
• 授权：请求的权限控制

入门练习

1.点击资源/order/{orderId}后面的流控按钮，就可以弹出表单

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。(default默认所有请求都检测)

2.给 /order/{orderId}资源设置流控规则，QPS不能超过 5

3.利用jmeter测试，2秒内发闪送20个请求，QPS是10

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(A触发阈值对B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(对请求来源做判断和限流)

关联

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(A触发阈值对B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。业务需求是优先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。

语法说明： 当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。

案例：

• 在OrderController新建两个端点：/order/query和/order/update，无需实现业务

@RestController
@RequestMapping("order")
public class OrderController {
    @GetMapping("/query")
    public String queryOrder() {
        return "查询订单成功";
    }

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

• 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
  
• 在Jmeter测试

200个用户，2秒，因此QPS为100，超过了设定的阈值5

发送http请求：
请求的目标是/order/update，这样这个断点就会触发阈值。限流的目标是/order/query，浏览器访问：

使用关联模式的满足条件：

• 两个有竞争关系的资源
• 一个优先级较高，一个优先级较低

链路

链路： 只针对从指定链路访问都本资源的请求做统计(对请求来源做判断和限流)。
假如有两条请求链路，/test1->/common，/test2->/common，只希望统计从/test2进入到/common的请求，配置如下：

案例： 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。

1. 在OrderService中添加一个queryGoods方法，不用实现业务，被Sentinel监控

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

1.1修改配置文件，因为sentinel默认将controller方法做context整合导致链路模式失效

spring:
  cloud:
    sentinel:
      web-context-unify: false # 关闭context整合

2. 在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法

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

3. 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法

@GetMapping("/save")
public String saveOrder() {
    // 查询商品
    orderService.queryGoods();
    // 查询订单
    System.err.println("新增订单");
    return "新增订单成功";
}

4. 重启服务，访问/order/query和/order/save，可以查看到sentinel的簇点链路规则中，出现了新的资源：

5. 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。

6. Jmeter测试

200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2

一个http请求是访问/order/save：

运行的结果：完全不受影响。

另一个是访问/order/query：

运行结果：

流控模式有哪些？

• 直接：对当前资源限流
• 关联：高优先级资源触发阈值，对低优先级资源限流。
• 链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流

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大于指定时长

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 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.

假如设置QPS的maxThreshold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.

案例： 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

Jmeter测试：QPS为10.

刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3：

随着时间推移，成功比例越来越高：

Sentinel控制台查看实时监控：

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。
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，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。

使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：平滑的QPS曲线，对于服务器来说是更友好的。

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

Jmeter测试：QPS为15，已经超过了我们设定的10。

如果是之前的快速失败、warmup模式，超出的请求应该会直接报错。现在结果都通过了。

sentinel查看实时监控的QPS曲线：

QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。

当队列满了以后，才会有部分请求失败：

流控效果有哪些？

• 快速失败：QPS超过阈值时，拒绝新的请求
• warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。
• 排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝

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。

例如，访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：
当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。

配置示例：代表的含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5，对查询商品这个接口的所有商品一视同仁，QPS都限定为5。

在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商品不一样，高一些。就需要配置热点参数限流的高级选项了：

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

案例： 给/order/{orderId}这个资源添加热点参数限流，规则如下：

• 默认的热点参数规则是每1秒请求量不超过2
• 给102这个参数设置例外：每1秒请求量不超过4
• 给103这个参数设置例外：每1秒请求量不超过10

1.给order-service中的OrderController中的/order/{orderId}资源添加注解：
热点参数限流对默认的SpringMVC资源无效

   @SentinelResource("hot")
    @GetMapping("{orderId}")
    public Order queryOrderByUserId(@PathVariable("orderId") Long orderId) {
        return orderService.queryOrderById(orderId);
    }

2.点击左侧菜单中热点规则菜单：点击新增，填写表单：

3.Jmeter测试：发起请求的QPS为5.

包含3个http请求：

普通参数，QPS阈值为2

运行结果：

例外项，QPS阈值为4


例外项，QPS阈值为10

隔离和降级

限流是一种预防措施，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。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。
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。需要在调用方 发起远程调用时做线程隔离、或者服务熔断。微服务远程调用都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。

FeignClient整合Sentinel

1.修改OrderService的application.yml文件，开启Feign的Sentinel功能：

Sentinel会自动监护Feign客户端，把它变成链路中的一个资源

feign:
  sentinel:
    enabled: true # 开启feign对sentinel的支持

2.给FeignClient编写失败后的降级逻辑(业务失败后，不能直接报错，而应该返回用户一个友好提示或者默认结果，这个就是失败降级逻辑)

• FallbackClass，无法对远程调用的异常做处理
• FallbackFactory，可以对远程调用的异常做处理，我们选择这种

2.1.在feing-api项目中定义类，实现FallbackFactory：

@Slf4j
//指定给哪个feign客户端编写
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
            public User findById(Long id) {
                //记录异常信息
                log.error("查询用户异常", throwable);
                //根据业务需求返回默认的数据，这里是空用户
                return new User();
            }
        };
    }
}

2.2.在feing-api项目中的DefaultFeignConfiguration类中注入UserClientFallbackFactory

public class DefaultFeignConfiguration {
    @Bean
    public Logger.Level feignLogLevel(){
        return Logger.Level.BASIC; // 日志级别为BASIC
    }

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

2.3.在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：

@FeignClient(value = "userservice", configuration = DefaultFeignConfiguration.class,fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {

    @GetMapping("/user/{id}")
    User findById(@PathVariable("id") Long id);
}

3.重启后，访问一次订单查询业务，然后查看sentinel控制台，可以看到新的簇点链路：

线程隔离(舱壁模式)

线程隔离： 调用者在调用服务提供者时，给每个调用的请求分配独立线程池，出现故障时，最多消耗这个线程池内资源，避免把调用者的所有资源耗尽。

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）

线程池隔离：给每个服务调用业务分配一个线程池，利用线程池本身实现隔离效果(基于计数器模式，简单，开销小)

• 优点：支持主动超时(在远程调用请求的独立线程，通过线程池可以终止)，支持异步调用
• 缺点：线程的额外开销比较大
• 场景：低扇出(依赖的服务少)

信号量隔离：不创建线程池，而是计数器模式，记录业务使用的线程数量，达到信号量上限时，禁止新的请求(基于线程池模式，有额外开销，但隔离控制更强)

• 优点：轻量集，无额外开销
• 缺点：不支持主动超时，不支持异步调用
• 场景：高频调用，高扇出

实现线程隔离

在添加限流规则时，可以选择两种阈值类型：

• QPS：就是每秒的请求数，在快速入门中已经演示过
• 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，实现线程隔离（舱壁模式）。

案例： 给 order-service服务中的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jemeter测试。

1.配置隔离规则

2.Jmeter测试

一次发生10个请求，有较大概率并发线程数超过2，而超出的请求会走之前定义的失败降级逻辑。

查看运行结果：发现虽然结果都是通过了，不过部分请求得到的响应是降级返回的null信息。

熔断降级

熔断降级： 在调用方这边加入断路器，统计对服务提供者的调用，如果调用的失败比例过高，则熔断该业务，不允许访问该服务的提供者了。

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。

断路器控制熔断和放行是通过状态机来完成的：

状态机包括三个状态：

• closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态
• open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态5秒后会进入half-open状态
• half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。
  • 请求成功：则切换到closed状态
  • 请求失败：则切换到open状态

断路器熔断策略有三种：慢调用、异常比例、异常数

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。

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。

案例： 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

1.设置慢调用

@Service
public class UserService {

    @Autowired
    private UserMapper userMapper;

    public User queryById(Long id) throws Exception {
            if (id == 1) {
                Thread.sleep(60);
            }
        return userMapper.findById(id);
    }
}

2.给feign接口设置降级规则：

超过50ms的请求都会被认为是慢请求

3.测试

在浏览器访问：http://localhost:8080/order/101，快速刷新5次，触发了熔断，请求时长缩短至5ms，快速失败了，并且走降级逻辑，返回的null

在浏览器访问：http://localhost:8088/order/102，也被熔断了：

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，异常比例设置：

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0.4，则触发熔断。

一个异常数设置：

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2次，则触发熔断。

案例： 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5s

1.设置异常请求

@Service
public class UserService {

    @Autowired
    private UserMapper userMapper;

    public User queryById(Long id) throws Exception {
            if (id == 1) {
                Thread.sleep(60);
            }else if(id == 2){
                throw new RuntimeException("故意抛出异常，触发异常比例熔断");
            }
        return userMapper.findById(id);
    }
}

2.设置熔断规则

在5次请求中，只要异常比例超过0.4，也就是有2次以上的异常，就会触发熔断。

3.测试

在浏览器快速访问：http://localhost:8088/order/102，快速刷新5次，触发熔断：

访问本来应该正常的103：

Sentine熔断降级的策略有哪些？
慢调用比例：超过指定时长的调用为慢调用，统计单位时长内慢调用的比例，超过阈值则熔断
异常比例：统计单位时长内异常调用的比例，超过阈值则熔断
异常数：统计单位时长内异常调用的次数，超过阈值则熔断

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

• 资源名：就是受保护的资源，例如/order/{orderId}
• 流控应用：是来源者的名单，
  • 如果是勾选白名单，则名单中的来源被许可访问。
  • 如果是勾选黑名单，则名单中的来源被禁止访问。

允许请求从gateway到order-service，不允许浏览器访问order-service，那么白名单中就要填写网关的来源名称（origin）。

获取origin

Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源。

public interface RequestOriginParser {
    /**
     * 从请求request对象中获取origin，获取方式自定义
     */
    String parseOrigin(HttpServletRequest request);
}

默认情况下，sentinel不管请求者从哪里来，返回值永远是default，也就是说一切请求的来源都被认为是一样的值default。因此，需要自定义这个接口的实现，让不同的请求，返回不同的origin。

1.在order-service服务中，定义RequestOriginParser的实现类，获取origin

@Component
public class HeaderOriginParse implements RequestOriginParser {
    @Override
    public String parseOrigin(HttpServletRequest request) {
        // 1.获取请求头
        String origin = request.getHeader("origin");
        // 2.非空判断
        if (StringUtils.isEmpty(origin)) {
            origin = "blank";
        }
        return origin;
    }
}

给网关添加请求头

获取请求origin的方式是从reques-header中获取origin值，所以必须让所有从gateway路由到微服务的请求都带上origin头。需要通过AddRequestHeaderGatewayFilter来实现。

2.修改gateway服务中的application.yml，添加一个defaultFilter：

spring:
  cloud:
    gateway:
      default-filters:
        - AddRequestHeader=origin,gateway #添加名为origin的请求头，值为gateway
      routes:
       # ...略

3.配置授权规则

4.测试，直接跳过网关，访问order-service服务：

5.通过网关访问：

自定义异常结果

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。异常结果都是flow limmiting（限流）。这样不够友好，无法得知是限流还是降级还是授权拦截。

自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

public interface BlockExceptionHandler {
    /**
     * 处理请求被限流、降级、授权拦截时抛出的异常：BlockException
     */
    void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;
}

三个参数：

• HttpServletRequest request：request对象
• HttpServletResponse response：response对象
• BlockException e：被sentinel拦截时抛出的异常

BlockException包含多个不同的子类：

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

1.在order-service定义一个自定义异常处理类：

@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 + "}");
    }
}

2.重启测试，在不同场景下，会返回不同的异常消息.

规则持久化

sentinel的所有规则都是内存存储，重启后所有规则都会丢失。在生产环境下，必须确保这些规则的持久化，避免丢失。

规则管理模式

规则是否能持久化，取决于规则管理模式，sentinel支持三种规则管理模式：

• 原始模式：Sentinel的默认模式，将规则保存在内存，重启服务会丢失。
• 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。
  • 缺点：时效性较差，数据不一致
    
• 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。
  

实现push模式

修改OrderService，让其监听Nacos中的sentinel规则配置。

1.在order-service中引入sentinel监听nacos的依赖：

<dependency>
    <groupId>com.alibaba.cspgroupId>
    <artifactId>sentinel-datasource-nacosartifactId>
dependency>

2.在order-service中的application.yml文件配置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 # 限流还可以是：degrade(降级)、authority(授权)、param-flow(热点参数)
        # 配置多个
        degrade:
          nacos:
            server-addr: localhost:8848 # nacos地址
            dataId: orderservice-degrade-rules
            groupId: SENTINEL_GROUP
            rule-type: degrade # 限流还可以是：degrade(降级)、authority(授权)、param-flow(热点参数)

3.修改sentinel-dashboard源码

3.1解压sentinel源码包，用IDEA打开这个项目，结构如下：

3.2修改nacos依赖

在sentinel-dashboard源码的pom文件中，nacos的依赖默认的scope是test，只能在测试时使用，这里要去除：

<dependency>
    <groupId>com.alibaba.cspgroupId>
    <artifactId>sentinel-datasource-nacosartifactId>
    <scope>testscope>
dependency>

3.3添加nacos支持

在sentinel-dashboard的test包下，已经编写了对nacos的支持，我们需要将其拷贝到main下。

4.修改nacos地址

修改测试代码中的NacosConfig类：

修改其中的nacos地址，让其读取application.properties中的配置：

在sentinel-dashboard的application.properties中添加nacos地址配置：

nacos.addr=localhost:8848

5.配置nacos数据源

修改com.alibaba.csp.sentinel.dashboard.controller.v2包下的FlowControllerV2类：

让添加的Nacos数据源生效：

6.修改前端页面，添加一个支持nacos的菜单。

修改src/main/webapp/resources/app/scripts/directives/sidebar/目录下的sidebar.html文件：

将其中的这部分注释打开：

修改其中的文本：

7.重新编译，打包项目

运行IDEA中的maven插件，编译和打包修改好的Sentinel-Dashboard：

8.启动
启动方式跟官方一样：

java -jar sentinel-dashboard.jar

修改nacos地址，需要添加参数：

java -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar