微服务高级篇【1】之微服务保护

前言

• 本文是学习自黑马程序员，大部分的内容来自微服务课程！！！
• 本文的意义在于学习记录，虽然黑马的学习文档很详细，但是由于课程不可能是时时最新，所以学习使用的工具、内容等版本有一定的差异！！
• 本文，是立足于黑马的教程，对后来的学习者，对其中的细节问题，进行记录和补充！！！
• 文章有不足之处，感谢大家的指正！！！
• 文章后半部分，有关实际操作的部分，小编不再赘述！！！对于操作部分，一定要亲自动手！！！

一 初识Sentinel

1.1 雪崩问题

• 微服务中，服务间调用关系错综复杂，一个微服务往往依赖于多个其它微服务
  

• 如图，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。此时，其它不依赖于服务I的业务似乎不受影响。
  

• 但是，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。那么，依赖于当前服务的其它服务随着时间的推移，最终也都会变的不可用，形成级联失败，雪崩就发生了

• 微服务调用链路中的某个服务故障，引起整个链路中的所有微服务都不可用，这就是雪崩。
  

1.2 解决方法

• 解决雪崩问题的常见方式有四种：
  • 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
  • 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。
  • 熔断降级：由断路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请求。
  • 流量控制：限制业务访问的QPS，避免服务因流量的突增而故障。

---

1. 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
     

---

2. 仓壁模式
   • 仓壁模式来源于船舱的设计：船舱都会被隔板分离为多个独立空间，当船体破损时，只会导致部分空间进入，将故障控制在一定范围内，避免整个船体都被淹没。
   • 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。
     

---

3. 断路器
   • 由断路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请求。
   • 断路器会统计访问某个服务的请求数量，异常比例，当发现访问服务D的请求异常比例过高时，认为服务D有导致雪崩的风险，会拦截访问服务D的一切请求，形成熔断。
     

---

4. 流量控制
   • 限制业务访问的QPS，避免服务因流量的突增而故障。
     

1.3 小结

• 雪崩问题：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。
• 限流是对服务的保护，避免因瞬间高并发流量而导致服务故障，进而避免雪崩。是一种预防措施。
• 超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在一定范围，避免雪崩。是一种补救措施。

1.4 服务保护技术对比

在SpringCloud当中支持多种服务保护技术：

• Netfix Hystrix
• Sentinel
• Resilience4J

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，这里我们做下对比：

	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

1.5 Sentinel介绍

• Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址
• Sentinel 具有以下特征:
  •丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。
  •完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接入应用的单台机器秒级数据，甚至 500 台以下规模的集群的汇总运行情况。
  •广泛的开源生态：Sentinel 提供开箱即用的与其它开源框架/库的整合模块，例如与 Spring Cloud、Dubbo、gRPC 的整合。您只需要引入相应的依赖并进行简单的配置即可快速地接入 Sentinel。
  •完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。

1.6 Sentinel安装

1. sentinel版本的选择：
   • 如果你使用的JDK是1.8，那么完全可以使用资料中的jar包
   • 如果你的JDK较新，请到GitHub下载，最新版！！！
2. 运行
   • 将jar包放到任意非中文目录，执行命令：

   java -jar sentinel-dashboard-x.x.x.jar
   

   • 如果要修改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

• 例如，修改端口：

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

3. 访问
   • 访问http://localhost:8080页面，就可以看到sentinel的控制台
   • 需要输入账号和密码，默认都是：sentinel
     
   • 登录后，发现一片空白，什么都没有：因为还没有与微服务整合
     

1.7 微服务整合Sentinel

• 在微服务项目中整合sentinel，并连接sentinel的控制台，步骤如下：

1. 引入sentinel依赖

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

2. 配置控制台
   • 修改application.yaml文件，添加下面内容

   server:
     port: 8088
   spring:
     cloud: 
       sentinel:
         transport:
           dashboard: localhost:8080 #连接到sentinel 如果你的sentinel是在linux中启动的，请修改为linux的IP
   

3. 访问微服务项目的任意端点
   • 打开浏览器，访问http://localhost:8088/order/101，这样才能触发sentinel的监控。
   • 然后再访问sentinel的控制台，查看效果
     

---

• 后续测试，使用的测试工具是Jmeter，所以接下来学习以下Jmeter的安装和使用

二 测试工具：Jmeter

• Jmeter依赖于JDK，所以必须确保当前计算机上已经安装了JDK，并且配置了环境变量

2.1 Jmeter安装和配置

1. 可以Apache Jmeter官网下载，地址
   
2. 解压
   
   • bin目录就是执行的脚本，其中包含启动脚本：
3. 双击即可运行，但是有两点注意：
   • 启动速度比较慢，要耐心等待
   • 启动后黑窗口不能关闭，否则Jmeter也跟着关闭了
     

2.2 Jmeter快速入门

2.2.1 设置中文语言

- 方式一：永久中文，打开jmeter文件夹，在bin目录中找到 **jmeter.properties**，添加下面配置：
- **注意：前面不要出现#，#代表注释，另外这里是下划线，不是中划线**

- 方式二：暂时设置，在图形化界面中选择Potions->Choose Language->English

2.2.2 设置Jmeter桌面快捷图标

1. 为jmeter文件的bin目录—>jmeter.bat文件，右键创建桌面快捷方式
   
2. 修改快捷方式的属性
   
3. 制作jmeter快捷方式的图标
   • 进入到apache-jmeter-5.5\docs\images目录，选一张合适的图标，然后打开在线生成透明ICO图标网站
   • 上传图片，制作ico图标，然后将其放入到apache-jmeter-5.5\docs\images目录
   • 最后右键桌面的快捷方式，修改属性->更改图标->浏览apache-jmeter-5.5\docs\images目录选择ico图标文件即可
     

2.3 Jmeter无法保存测试的问题

1. 在jmeter5.4.1中设置外观为window,重启即可解决
2. 在最新的jmeter5.5中则无此问题，建议大家尝试最新版
   • 可以在默认Darcula样式下，正常保存测试计划
     

2.4 jmeter基本用法

• 在测试计划上点鼠标右键，选择添加 > 线程（用户） > 线程组：
  
• 在新增的线程组中，填写线程信息：
  
• 给线程组点鼠标右键，添加http取样器：
  
• 编写取样器内容：
  
• 添加监听报告：
  
• 添加监听结果树：
  
• 汇总报告结果：
  
• 结果树结果
  

三 流量控制

3.1 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（Endpoint）就是调用链路中的一个资源。
  • 如：刚才访问的order-service中的OrderController中的端点：/order/{orderId}
    
• 流控、熔断等都是针对簇点链路中的资源来设置的，因此我们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

3.2 快速入门

1. 点击资源/order/{orderId}后面的流控按钮，就可以弹出表单
   
2. 表单中可以填写限流规则
   
3. 利用jmeter测试
   
   

• 注意：不要点击菜单中的执行按钮来运行

4. 执行结果
   

3.3 流控模式

• 在添加限流规则时，点击高级选项，可以选择三种流控模式：
  • 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
  • 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

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

• 注意，重启服务之后，记得访问一次之后，sentinel才可以显示簇点链路
  
  

• 重启服务，查看sentinel控制台的簇点链路：
  
• 配置流控规则
  
  
• 在Jmeter测试
  
  • 1000个用户，100秒，因此QPS为10，超过了我们设定的阈值：5
  • 查看http请求：
    
• 请求的目标是/order/update，这样这个断点就会触发阈但限流的目标是/order/query
  
• 满足下面条件可以使用关联模式:
  • 两个有竞争关系的资源
  • 一个优先级较高，一个优先级较低

3.4 链路模式

• 链路模式：只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。

1. 如：设置两个链路访问相同的资源
   
2. 添加流控规则
   
3. Jmeter测试
   
   • 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：每次只有2个通过
     

3.5 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小于指定时长

3.5.1 warm up

• 阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。
• 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.
• 例如，我设置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.
  
• 配置流控规则
  
• Jmeter测试
  
• Sentinel控制台查看实时监控：
  

3.5.2 排队等待

• 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。
• 工作原理
  • 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。
  • 那什么叫做预期等待时长呢？比如现在一下子来了12 个请求，因为每200ms执行一个请求，那么：
    • 第6个请求的预期等待时长 = 200 * （6 - 1） = 1000ms
    • 第12个请求的预期等待时长 = 200 * （12-1） = 2200ms
• 现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：
  
• 如果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：
  
• 动图解释：
  
• 添加流控规则
  
• Jmeter测试测试结果
  
  • 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。

3.6 热点参数限流

• 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。

3.6.1 全局参数限流

• 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：
  • 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
    

3.6.2 热点参数限流

• 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。那就需要配置热点参数限流的高级选项
  

四 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。而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

• 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。
  

• 熔断降级：是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
  

• 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。

• 而我们的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。

4.1 FeignClient整合Sentinel

• SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。

4.1.1 修改配置，开启sentinel功能

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

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

4.1.2 编写失败降级逻辑

• 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。
• 给FeignClient编写失败后的降级逻辑
  ①方式一：FallbackClass，无法对远程调用的异常做处理
  ②方式二：FallbackFactory，可以对远程调用的异常做处理【采用】

• 这里演示方式二的失败降级处理。

• 步骤一：在feing-api项目中定义类，实现FallbackFactory：

  • 代码：

  
  @Slf4j
  public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
      @Override
      public UserClient create(Throwable throwable) {
          return new UserClient() {
              @Override
              public User findById(Long id) {
                  log.error("查询用户异常", throwable);
                  return new User();
              }
          };
      }
  }
  
  

• 步骤二：在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：

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

• 步骤三：在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：

  @FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
  public interface UserClient {
  
      @GetMapping("/user/{id}")
      User findById(@PathVariable("id") Long id);
  }
  

• 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：
  

4.1.3 总结

• Sentinel支持的雪崩解决方案：

  • 线程隔离（仓壁模式）
  • 降级熔断

• Feign整合Sentinel的步骤：

  • 在application.yml中配置：feign.sentienl.enable=true
  • 给FeignClient编写FallbackFactory并注册为Bean
  • 将FallbackFactory配置到FeignClient

4.2 线程隔离（舱壁模式）

4.2.1 线程隔离的实现方式

• 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
• 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。
• 两者的优缺点：
  

4.2.2 sentinel的线程隔离

• 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
• 线程数：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）

4.3 熔断降级

• 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。

• 下面演示断路器的执行图：
  
  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

4.3.1 慢调用

• 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。
• 演示
  
  • 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。超过50ms的请求都会被认为是慢请求。

4.3.2 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，一个异常比例设置：
  
  • 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。

五 授权规则

• 授权规则可以对请求方来源做判断和控制。

5.1 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。

• 演示：【有关微服务操作略过】
  

  • 只允许网关访问服务
    
  • 直接访问出错
    
  • 通过网关访问：
    

5.2 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。

1. 异常类型
   • 如果要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;
   }
   

   • 这个方法有三个参数：
     • 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

5.3 自定义异常处理

@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 + "}");
    }
}

• 授权拦截：
  

六 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，我们必须确保这些规则的持久化，避免丢失。

6.1 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
  • push模式

6.2 pull模式

• 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。
  

6.3 push模式

• 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。
  

6.4 实现push模式

6.4.1下载和解压Sentinel源码

• Sentinel下载地址
  
• 然后并用IDEA打开这个项目，结构如下：
  

6.4.2 修改nacos依赖

• 在sentinel-dashboard源码文件夹的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：
  

6.4.3 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
  

• 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：
  

6.4.4 配置nacos数据源

6.4.5 修改前端页面

• 还要修改前端页面，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
  

• 修改其中的文本

  <li ui-sref-active="active" ng-if="entry.appType==0">
     <a ui-sref="dashboard.flow({app: entry.app})">
       <i class="glyphicon glyphicon-filter">i>  流控规则-NACOSa>
   li>
  

6.4.6 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：
  
  

6.4.7 启动

• 启动方式跟官方一样：

  java -jar sentinel-dashboard.jar
  

• 如果要修改nacos地址，需要添加参数：

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