SpringCloudAlibaba中使用Sentinel实现流量控制以及流控规则详解

场景

SpringCloudAlibaba中使用Nacos实现服务注册与发现(从实例入手)：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/125177618

SpringCloudAlibaba中使用Nacos实现配置中心和配置动态刷新：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/125181154

在上面实现的Nacos作为服务注册中心与配置中心之后，学习Sentinel作为流量控制的使用。

Sentinel

是什么

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 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保护服务的稳定性。

特性

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、Apache Dubbo、gRPC、Quarkus 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。同时 Sentinel 提供 Java/Go/C++ 等多语言的原生实现。

完善的 SPI 扩展机制：

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。

Sentinel分为两个部分

核心库（Java 客户端）不依赖任何框架/库，能够运行于所有 Java 运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。

控制台（Dashboard）基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器。

官网

https://github.com/alibaba/Sentinel/wiki/%E4%BB%8B%E7%BB%8D

教程

https://spring-cloud-alibaba-group.github.io/github-pages/greenwich/spring-cloud-alibaba.html#_spring_cloud_alibaba_sentinel

下载

https://github.com/alibaba/Sentinel/releases

直接点击jar包进行下载

下载之后直接运行jar包

java -jar sentinel-dashboard-1.8.4.jar

启动成功之后访问8080端口

http://localhost:8080/

 

默认用户名密码都是sentinel,登录成功之后

 

注：

博客：
https://blog.csdn.net/badao_liumang_qizhi
关注公众号
霸道的程序猿
获取编程相关电子书、教程推送与免费下载。

实现

1、搭建演示工程，参考上面新建模块的流程，新建模块cloudalibaba-sentinel-service8401

修改pom文件，添加sentinel依赖

        
        
            com.alibaba.cloud
            spring-cloud-starter-alibaba-sentinel
        

除此之外，还需要添加nacos以及其它依赖，完整pom文件

    
        SpringCloudDemo
        com.badao
        1.0-SNAPSHOT
    
    4.0.0

    cloudalibaba-sentinel-service8401

    
        8
        8
    

    
        
        
            com.alibaba.cloud
            spring-cloud-starter-alibaba-nacos-discovery
        
        
        
            com.alibaba.cloud
            spring-cloud-starter-alibaba-sentinel
        
        
        
            org.springframework.boot
            spring-boot-starter-web
        
        
            org.springframework.boot
            spring-boot-starter-actuator
        
        
            org.projectlombok
            lombok
        
    

新建并修改application.yml配置文件，配置nacos地址和sentinel的地址等

server:
  port: 8401

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848 #Nacos服务注册中心地址
    sentinel:
      transport:
        dashboard: localhost:8080 #配置Sentinel dashboard地址
        #默认8719端口，如果被占用则自动从8719开始依次+1扫描，直至找到被占用的端口
        port: 8719

management:
  endpoints:
    web:
      exposure:
        include: '*'

新建主启动类并添加注解@EnableDiscoveryClient

package com.badao.springcloudalibabademo;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.cloud.client.discovery.EnableDiscoveryClient;

@EnableDiscoveryClient
@SpringBootApplication
public class MainApp8401
{
    public static void main(String[] args) {
        SpringApplication.run(MainApp8401.class, args);
    }
}

新建Controller，并新增两个简单的接口

package com.badao.springcloudalibabademo.controller;

import lombok.extern.slf4j.Slf4j;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;


@RestController
@Slf4j
public class FlowLimitController
{
    @GetMapping("/testA")
    public String testA()
    {
        return "------testA";
    }

    @GetMapping("/testB")
    public String testB()
    {
        log.info(Thread.currentThread().getName()+"\t"+"...testB");
        return "------testB";
    }

}

2、启动Nacos,启动上面的sentinel,再启动8401服务

Sentinel采用的是懒加载的方式，所以需要调用一次接口才会在Sentinel中有数据。

所以在浏览器中多次调用接口

http://localhost:8401/testA

然后访问sentinel的dashboard

 

就可以实时监控刚才调用的服务了。

3、点击流控规则，再点击新增流控规则，可以看到如下界面

 

说明：

资源名：唯一名称，默认请求路径。

针对来源：Sentinel可以针对调用者进行限流，填写微服务名，默认defaule(不区分来源)

阈值类型/单机阈值：

QPS:每秒终的请求数量，当调用该api的QPS达到阈值的时候，进行限流。

线程数:当调用该api的线程数达到阈值的时候，进行限流。

流控模式：

直接:api达到限流条件时，直接限流。

关联:当关联的资源达到阈值时，就限流自己。

链路:只记录指定链路上的流量(指定资源从入口资源进来的流量，如果达到阈值，就进行限流)【api级别的针对来源】

流控效果：

快速失败:直接失败，抛异常。

Warm Up:根据codeFactor(冷加载因子，默认3)的值，从阈值/codeFactor，经过预热时长，才达到设置的QPS阈值。

排队等待:匀速排队，让请求以匀速的速度通过，阈值类型必须设置为QPS，否则无效。

这块说明可以具体参考官方说明文档：

https://github.com/alibaba/Sentinel/wiki/%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6

4、阈值类型为QPS演示

在上面的新建流控规则，选择QPS,高级选项中保持默认，设置单机阈值为1，

单机阈值为1即代表一秒以内如果请求次数大于1次则进行限流。

访问testA接口，先慢频率访问，后快速访问

 

5、并发线程数阈值类型演示

继续上面的将阈值类型修改为并发线程数，并设置单机阈值为1。

 

此时为了演示出效果，需要修改接口有个延迟返回效果，避免返回过快

    @GetMapping("/testA")
    public String testA()
    {
        //暂停毫秒
        try{
            TimeUnit.MILLISECONDS.sleep(800);
        }catch (InterruptedException e){e.printStackTrace();}
        return "------testA";
    }

让testA接口延迟0.8秒返回。

此时当并发量过大时就会触发限流

 

6、流控模式为关联效果

要实现当关联资源/testB的qps阈值超过1时，就限流/testA

修改流控规则如下

 

为了模拟/testB多次请求，可以借助于Jmeter或者Postman用来做定时模拟请求

这里用postman-新建Collections-新建请求request为testB-配置请求20次，每隔300毫秒请求一次。

 

在模拟请求testB的过程中，此时再请求testA就会触发限流。

 

7、流控效果Warm Up效果演示

Warm Up

Warm Up（RuleConstant.CONTROL_BEHAVIOR_WARM_UP）方式，即预热/冷启动方式。

当系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。

通过"冷启动"，让通过的流量缓慢增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮。

概述

当流量突然增大的时候，我们常常会希望系统从空闲状态到繁忙状态的切换的时间长一些。即如果系统在此之前长期处于空闲的状态，

我们希望处理请求的数量是缓步的增多，经过预期的时间以后，到达系统处理请求个数的最大值。Warm Up（冷启动，预热）模式就是为了实现这个目的的。

这个场景主要用于启动需要额外开销的场景，例如建立数据库连接等。

它的实现是在 Guava 的算法的基础上实现的。然而，和 Guava 的场景不同，Guava 的场景主要用于调节请求的间隔，

即 Leaky Bucket，而 Sentinel 则主要用于控制每秒的 QPS，即我们满足每秒通过的 QPS 即可，我们不需要关注每个请求的间隔，

换言之，我们更像一个 Token Bucket。

我们用桶里剩余的令牌来量化系统的使用率。假设系统每秒的处理能力为 b,系统每处理一个请求，就从桶中取走一个令牌；

每秒这个令牌桶会自动掉落b个令牌。令牌桶越满，则说明系统的利用率越低；当令牌桶里的令牌高于某个阈值之后，我们称之为令牌桶"饱和"。

当令牌桶饱和的时候，基于 Guava 的计算上，我们可以推出下面两个公式:

rate(c)=m*c+ coldrate

其中，rate 为当前请求和上一个请求的间隔时间，而 rate 是和令牌桶中的高于阈值的令牌数量成线形关系的。

cold rate 则为当桶满的时候，请求和请求的最大间隔。通常是 coldFactor * rate(stable)。

官网详细文档

https://github.com/alibaba/Sentinel/wiki/%E9%99%90%E6%B5%81---%E5%86%B7%E5%90%AF%E5%8A%A8

公式讲解

阈值除以coldFactor(默认值为3)，经过预热时长后才会达到阈值。

默认coldFactor为3，即请求QPS从threshols/3开始，经预热时长逐渐升至设定的QPS阈值。

举例

系统初始化的阈值为6/3=2，即阈值刚开始为2；然后过了4秒之后阈值才慢慢升高恢复至6

此时再高频访问testA,一开始阈值是2，所以会被限流，在4秒之后，阈值变为6，则可以正常访问

应用场景：

秒杀系统在开启的瞬间，会有很多流量上来，就有可能会把系统打死，预热方式就是慢慢的把阈值增长到设置的阈值。

8、排队等待演示效果

匀速排队：让请求以均匀的速度通过，阈值类型必须设置成QPS，否则无效。

这种方式主要用于处理间隔性突发的流量，例如消息队列。例如在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，

我们希望系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。

设置含义：/testA每秒1次请求，超过的话就排队等待，等待的超时时间为20000毫秒。

编辑上面的流控规则为排队等待

 

修改testA的接口使其输出一些信息

    @GetMapping("/testA")
    public String testA()
    {
        log.info(Thread.currentThread().getName()+"\t"+"...testA");
        return "------testA";
    }

然后再用postman发起20次请求，每次请求间隔200毫秒，可以看到testA接口仍然是1秒响应一次