sentinel架构底层原理剖析详解

一，sentinel源码分析

首先查看这个引入的依赖，

<!-- sentinel依赖-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    <version>2021.1</version>
</dependency>
    

接下来看这个外部库里面对应的jar包，然后主要看里面的这个spring.factories这个文件

这个factories的文件里面的内容如下，因此主要分析这个带有autoConfiguration的这个类。

org.springframework.boot.autoconfigure.EnableAutoConfiguration=\
com.alibaba.cloud.sentinel.SentinelWebAutoConfiguration,\
com.alibaba.cloud.sentinel.SentinelWebFluxAutoConfiguration,\
com.alibaba.cloud.sentinel.endpoint.SentinelEndpointAutoConfiguration,\
com.alibaba.cloud.sentinel.custom.SentinelAutoConfiguration,\
com.alibaba.cloud.sentinel.feign.SentinelFeignAutoConfiguration
org.springframework.cloud.client.circuitbreaker.EnableCircuitBreaker=\
com.alibaba.cloud.sentinel.custom.SentinelCircuitBreakerConfiguration

二，SentinelAutoConfiguration

1，aop的底层实现

aop依赖与ioc，在生产bean并进行实例化之前，先通过bean的第一个后置处理器找到所有在类上面加@AspectJ这个注解的所有类，并在这个类的里面找到所有的befeore，after等注解的方法，每一个before，after等都会生成一个对应的advisor，每个advisor包括advise和pointcut，advise主要是用来作为一个增强器的使用，pointcut是为了进行匹配，匹配成功才进行最终的动态代理的生成。最后获取到所有的advisors，由于可能有大量的advisor，因此在bean的最后一个后置处理器才对这些所有的advisor进行处理，即在bean进行初始化之后才进行处理。最后会去循环遍历这些advisors，通过advisors里面封装的pointcut和生成的advisor进行比较，如果匹配成功，则说明bean需要创建动态代理。主要是通过责任链的方式实现

2，SentinelAutoConfiguration源码分析

其主类如下，有一个@ConditionalOnProperty这个注解，这个主要是在springboot在整个容器启动的时候会进行一个自动加载。

@Configuration(proxyBeanMethods = false)
@ConditionalOnProperty(name = "spring.cloud.sentinel.enabled", matchIfMissing = true)
@EnableConfigurationProperties(SentinelProperties.class)
public class SentinelAutoConfiguration {
    
}

在这个类里面，有一个@Bean的一个注解，主要是为了向这个容器里面注入一个SentinelResourceAspect的这个实例。

@Bean
@ConditionalOnMissingBean
public SentinelResourceAspect sentinelResourceAspect() {
	return new SentinelResourceAspect();
}

SentinelResourceAspect这个类如下，在这个方法上有一个**@AspectJ**的这个注解，因此可以知道这个类使用了这个aop来实现，

@Aspect
public class SentinelResourceAspect extends AbstractSentinelAspectSupport{
    
}

在这个类里面，有两个方法，上面有一些@Around，@Pointcut的注解，主要是为了生成一些advisor

@Pointcut("@annotation(com.alibaba.csp.sentinel.annotation.SentinelResource)")
public void sentinelResourceAnnotationPointcut() {
    
}

@Around("sentinelResourceAnnotationPointcut()")
public Object invokeResourceWithSentinel(ProceedingJoinPoint pjp) throws Throwable{
    try {
        //sentinel的核心代码
        entry = SphU.entry(resourceName, resourceType, entryType, pjp.getArgs());
        Object result = pjp.proceed();
        return result;
    }
}

通过这个entry方法最终可以进入到一个entryWithPriority方法里面

private Entry entryWithPriority(){
    //责任链模式
    ProcessorSlot<Object> chain = lookProcessChain(resourceWrapper);
    //通过这个链路调用链路上的某一个槽点
    chain.entry(context, resourceWrapper, null, count, prioritized, args);
}

接下来主要查看这个lookProcessChain的这个方法，里面主要是初始化了一个链条

ProcessorSlot<Object> lookProcessChain(ResourceWrapper resourceWrapper){
    ProcessorSlotChain chain = chainMap.get(resourceWrapper);
    if (chain == null){
        chain = SlotChainProvider.newSlotChain();
    }
    return chain;
} 

接下来主要看这个newSlotChain方法，主要是看这个实例化链路的具体过程。

public static ProcessorSlotChain newSlotChain(){
     slotChainBuilder = SpiLoader.loadFirstInstanceOrDefault(SlotChainBuilder.class, DefaultSlotChainBuilder.class); 
    return slotChainBuilder.build();
}

然后进入这个build方法，看里面的具体build的构建流程

public ProcessorSlotChain build(){
    ProcessorSlotChain chain = new DefaultProcessorSlotChain();
    //通过这个spi机制进行一个解耦
    //将一些类进行一个加载
    List<ProcessorSlot> sortedSlotList = SpiLoader.loadPrototypeInstanceListSorted(ProcessorSlot.class);
    for (ProcessorSlot slot : sortedSlotList) {
        if (!(slot instanceof AbstractLinkedProcessorSlot)) {
            continue;
        }
        chain.addLast((AbstractLinkedProcessorSlot<?>) slot);
    }
    return chain;
}

这个链路的添加方法如下，主要是将这些slot槽点加入到这个链条里面，主要是通过这个责任链的模式实现。

//头插法
@Override
public void addFirst(AbstractLinkedProcessorSlot<?> protocolProcessor) {
    protocolProcessor.setNext(first.getNext());
    first.setNext(protocolProcessor);
    if (end == first) {
        end = protocolProcessor;
    }
}
//尾插法
@Override
public void addLast(AbstractLinkedProcessorSlot<?> protocolProcessor) {
    end.setNext(protocolProcessor);
    end = protocolProcessor;
}

再链路构建好了之后，就会去调用这个链路里面的slot槽点

接下来主要查看这个DefaultProcessorSlotChain默认类里面的槽点的entry方法

 @Override
public void entry(){
    throws Throwable {
    first.transformEntry(context, resourceWrapper, t, count, prioritized, args);
}

然后在这个transformEntry方法里面，又有一个entry方法，可以发现来里面可以调用多个槽点

 void transformEntry(Context context, ResourceWrapper resourceWrapper, Object o, int count, boolean prioritized, Object... args)
    throws Throwable {
    T t = (T)o;
    entry(context, resourceWrapper, t, count, prioritized, args);
}

然后可以进入这个NodeSelectorSlot这个类里面，主要是构建一个资源的请求路径，然后通过这个fireEntry的方法，来实现各个slot的结点的遍历

public void entry 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);
            }

        }
    }
    context.setCurNode(node);
    fireEntry(context, resourceWrapper, node, count, prioritized, args);
}

3，FlowSlot流控规则

通过上面的源码分析可知，这个sentinel主要是通过这个责任链的方式实现，这个链路上面主要会有大量的slot槽点，通过会通过这个fireEntry方法按顺序来依次遍历一下的槽点，接下来主要分析一下这个FlowSlot的这个限流的这个槽点，每一个槽点就是对应的一个规则

在进入这个规则之后，首先会有一个流量的校验规则，通过这个checkFlorw的方法实现。

@Override
public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,boolean prioritized, Object... args) throws Throwable {
    //校验流量
    checkFlow(resourceWrapper, context, node, count, prioritized);
    fireEntry(context, resourceWrapper, node, count, prioritized, args);
}

可以查看这个checkFlow的这个规则，会获取所有的这个流控规则，如一些阈值的设置，流控模式，流控效果等，如果校验不通过，那么就会直接抛异常

public void checkFlow(){
     Collection<FlowRule> rules = ruleProvider.apply(resource.getName());
    if (rules != null) {
        for (FlowRule rule : rules) {
            if (!canPassCheck(rule, context, node, count, prioritized)) {
                throw new FlowException(rule.getLimitApp(), rule);
            }
        }
    }
}

那么主要是通过这个canPassCheck方法来判断校验是否通过

public boolean canPassCheck(){
    //返回一个本地的检测
    return passLocalCheck(rule, context, node, acquireCount, prioritized)
}

在这个passLocalCheck检测方法里面，会有一个具体的一个规则的判断，会通过这个用户在界面上的选项来进行一个判断，如流控模式是选的直连，关联还是链路

private static boolean passLocalCheck() {
    Node selectedNode = selectNodeByRequesterAndStrategy(rule, context, node);
    if (selectedNode == null) {
        return true;
    }
    return rule.getRater().canPass(selectedNode, acquireCount, prioritized);
}

然后在获取了所有的用户的值之后，会进行一个最终的判断，如判断这个qps或者并发数是否超过这个阈值，其逻辑主要是在这个canPass这个方法里面实现。如果不能通过，那么会直接返回一个false，并且直接会抛一个异常，链路直接断掉。并且这个异常可以进入一个HandlerBlockExecption。

public boolean canPass(Node node, int acquireCount, boolean prioritized) {
    int curCount = avgUsedTokens(node);
    if (curCount + acquireCount > count) {
        if (prioritized && grade == RuleConstant.FLOW_GRADE_QPS) {
            long currentTime;
            long waitInMs;
            currentTime = TimeUtil.currentTimeMillis();
            waitInMs = node.tryOccupyNext(currentTime, acquireCount, count);
            if (waitInMs < OccupyTimeoutProperty.getOccupyTimeout()) {
                node.addWaitingRequest(currentTime + waitInMs, acquireCount);
                node.addOccupiedPass(acquireCount);
                sleep(waitInMs);
                throw new PriorityWaitException(waitInMs);
            }
        }
        return false;
    }
    return true;
}

如果没有出现异常，那么就会继续执行这个以下的业务流程。

4，DegradeSlot熔断规则

类似于这种电路的熔断器一样，主要有三种状态，分别是打开状态，半开状态和关闭状态。

@SpiOrder(-1000)
public class DegradeSlot extends AbstractLinkedProcessorSlot<DefaultNode> {

}

在这个方法里面，有一个entry方法，就是加入这个槽点的一个方法

@Override
public void entry() throws Throwable {
    performChecking(context, resourceWrapper);
    fireEntry(context, resourceWrapper, node, count, prioritized, args);
}

然后这个performChecking方法就是这个熔断器的核心方法，会去获取所有的已经配置的熔断规则，然后去校验每一个断路规则。

void performChecking(Context context, ResourceWrapper r) throws BlockException {
    //获取全部的配置的熔断规则
	List<CircuitBreaker> cir = DegradeRuleManager.getCircuitBreakers(r.getName());
    if (cir == null || cir.isEmpty()) {
        return;
    }
    for (CircuitBreaker cb : cir) {
        if (!cb.tryPass(context)) {
            throw new DegradeException(cb.getRule().getLimitApp(), cb.getRule());
        }
    }
}

然后主要查看这个tryPass的这个方法，如果没有触发这个断路器，那么直接返回true

@Override
public boolean tryPass(Context context) {
    // Template implementation.
    if (currentState.get() == State.CLOSED) {
        return true;
    }
    if (currentState.get() == State.OPEN) {
        // For half-open state we allow a request for probing.
        return retryTimeoutArrived() && fromOpenToHalfOpen(context);
    }
    return false;
}

如果出现这个熔断，那么就会进入这个retryTimeoutArrived方法，如果当前时间大于这个熔断的时间，就会进入一个半开状态

protected boolean retryTimeoutArrived() {
    return TimeUtil.currentTimeMillis() >= nextRetryTimestamp;
}

protected void updateNextRetryTimestamp() {
    this.nextRetryTimestamp = TimeUtil.currentTimeMillis() + recoveryTimeoutMs;
}

半开状态，主要是通过这个fromOpenToHalfOpen实现，会给这个状态做一个标记，作为一个半开状态。就是允许这个客户端发起一次这个请求，看执行结果是否通过，如果通过，则恢复成关闭状态，否则回到之前的全开状态。

protected boolean fromOpenToHalfOpen(Context context) {
    if (currentState.compareAndSet(State.OPEN, State.HALF_OPEN)) {
        notifyObservers(State.OPEN, State.HALF_OPEN, null);
        Entry entry = context.getCurEntry();
        entry.whenTerminate(new BiConsumer<Context, Entry>() {
            @Override
            public void accept(Context context, Entry entry) {
                if (entry.getBlockError() != null) { 
                    currentState.compareAndSet(State.HALF_OPEN, State.OPEN);
                    notifyObservers(State.HALF_OPEN, State.OPEN, 1.0d);
                }
            }
        });
        return true;
    }
    return false;
}

在关闭时有一个这个exit的这个方法，这里面实现了这个状态的切换

public void exit(){
    if (curEntry.getBlockError() == null) {
    	for (CircuitBreaker circuitBreaker : circuitBreakers) {
    	    circuitBreaker.onRequestComplete(context);
    	}
    }
}

然后在这个onRequestComplete方里面有一个核心方法handleStateChangeWhenThresholdExceeded

public void onRequestComplete(Context context){
    handleStateChangeWhenThresholdExceeded(rt);
}

然后进入这个handleStateChangeWhenThresholdExceeded的这个方法，里面有具体的状态切换。就是在进入这个半开状态之后，会再发起一次请求，如果请求时间超过这个阈值，那么又会重新进入这个全开状态，如果没有超过这个阈值，那么就会进入这个关闭状态。

private void handleStateChangeWhenThresholdExceeded(long rt) {
    if (currentState.get() == State.OPEN) {
        return;
    }
    
    if (currentState.get() == State.HALF_OPEN) {
        if (rt > maxAllowedRt) {
            fromHalfOpenToOpen(1.0d);
        } else {
            fromHalfOpenToClose();
        }
        return;
    }
}

这个半开到全开状态的转换，主要是通过这个cas比较与交换的这个算法实现，并且会重新更新这个滑动窗口的这个时间

protected boolean fromHalfOpenToOpen(double snapshotValue) {
    if (currentState.compareAndSet(State.HALF_OPEN, State.OPEN)) {
        updateNextRetryTimestamp();
        notifyObservers(State.HALF_OPEN, State.OPEN, snapshotValue);
        return true;
    }
    return false;
}

三，总结

首先会在这个服务端里面配置一些规则，然后会将这些规则推送给客户端，客户端将这些规则存在一个内存的一个链条里面，在调用所有的处理器的时候，都会经过这个链条。在经过这个链条的过程中，如果有异常抛出，会根据异常的种类，调用对应的降级方法。