微服务保护 Sentinel
目录
一：初识Sentinel：
雪崩问题及解决方案:
Sentinel介绍和安装
介绍
安装Sentinel控制台
1 下载jar包
2 启动jar包
3 然后访问：localhost:8080
4 如果要修改Sentinel的默认端口、账户、密码
微服务整合Sentinel
1 引入sentinel依赖：
2 配置控制台地址：
3 配置控制台地址：
4 簇点链路：
二：限流规则
操作快速入门：
1 设置流控规则：
2 jemeter测试：
3 测试结果：
4 监控结果:
流控模式：
1 直接：
2 关联：
例子: 当/order/ update资源被访问的QPS超过5时，对/order/query请求限流
注意:给谁限流就给谁添加规则(所以是给/order/query 资源添加限流规则)
3 链路：
例子:
步骤：
1 在OrderService中添加一个queryGoods方法，不用实现业务
2 在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
3 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
4 Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.yml，添加配置：
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
编辑
流控效果：
快速失败：
warm up(预热模式)：
排队等待：
热点参数限流：
配置示例：
参数设置例外配置(个别参数请求会频繁 可以对个别参数设置例外配置 提高QPS值)
注意:热点参数限流对默认的SpringMVC资源无效
解决方案:
三：隔离和熔断降级
编辑
FeignClient整合Sentinel
1 修改OrderService的application.yml文件，开启Feign的Sentinel功能
2 给FeignClient编写失败后的降级逻辑
方式二:FallbackFactory
步骤一： 给FeignClient编写FallbackFactory
步骤二：将编写的编写FallbackFactory类注册为Bean
步骤三：将FallbackFactory配置到FeignClient
隔离
线程池隔离(线程数)
信号量隔离（Sentinel默认采用 QPS）
线程隔离（舱壁模式）
熔断降级策略
熔断策略有三种：
1 慢调用：
2 异常比例：
4 异常数：
四：授权规则
授权规则
1 实现RequestOriginParser 接口 重写 parseOrigin方法
2 在gateway服务中，利用网关的过滤器添加名为gateway的origin头：
3 给/order/{orderId} 配置授权规则：
自定义异常结果
五：规则持久化
规则管理模式
原始模式
Pull 模式
Push 模式
实现push模式
一 修改 Sentinel客户端 服务
1 引入依赖
2 配置nacos地址
二 修改sentinel-dashboard源码(此次使用的是1.8.1版本)
1 下载源码包
2 修改nacos依赖
3 添加nacos支持
4 修改nacos地址
5 配置nacos数据源
6 修改前端页面
7 重新编译、打包项目
8 启动
一：初识Sentinel：
雪崩问题及解决方案:
雪崩问题:
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。
解决方案:常见有四种方式
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
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。
Sentinel介绍和安装
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
丰富的应用场景:
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。
安装Sentinel控制台
sentinel官方提供了UI控制台，方便我们对系统做限流设置。大家可以在GitHub下载。这儿下载的1.8.1版本为例
1 下载jar包
2 启动jar包
(这儿是windows启动做测试样例)
java -jar sentinel-dashboard-1.8.1.jar
3 然后访问：localhost:8080
即可看到控制台页面，默认的账户和密码都是sentinel
4 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 |
举例说明：
java -jar sentinel-dashboard-1.8.1.jar -Dserver.port=8090
微服务整合Sentinel
1 引入sentinel依赖：
com.alibaba.cloud
spring-cloud-starter-alibaba-sentinel
2 配置控制台地址：
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080 #sentinel 服务的地址
3 配置控制台地址：
访问微服务的任意端点(任意接口)，触发sentinel监控(即自动添加该端点到 sentinel 监控平台)
4 簇点链路：
簇点链路：就是项目内的调用链路，链路中被监控的每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），因此SpringMVC的每一个端点（Endpoint）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，因此我们可以点击对应资源后面的按钮来设置规则：
二：限流规则
操作快速入门：
点击簇点链路列表后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：
1 设置流控规则：
其含义是限制 /order/{orderId}这个资源的单机QPS为5，即每秒只允许5次请求，超出的请求会被拦截并报错。
2 jemeter测试：
3 测试结果：
4 监控结果:
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：
1 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
2 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
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
例子: 当/order/ update资源被访问的QPS超过5时，对/order/query请求限流
注意:给谁限流就给谁添加规则(所以是给/order/query 资源添加限流规则)
3 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
例子:
需求：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。
步骤：
1 在OrderService中添加一个queryGoods方法，不用实现业务
Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法，需要利用@SentinelResource注解，示例
@SentinelResource("goods")
public void queryGoods() {
System.err.println("查询商品");
}
2 在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
3 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
4 Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.yml，添加配置：
spring:
cloud:
sentinel:
web-context-unify: false # 关闭context整合
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
流控效果：
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。
例如:我设置QPS的threshold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.
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
例如：QPS = 5，timeout = 2000，意味着每200ms处理一个队列中的请求,预期等待超过2000ms的请求会被拒绝并抛出异常
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。
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 次(就是请求接口的第一个参数 一秒以内的请求次数不能超过5次)
参数设置例外配置(个别参数请求会频繁 可以对个别参数设置例外配置 提高QPS值)
在热点参数限流的高级选项中，可以对部分参数设置例外配置：
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
注意:热点参数限流对默认的SpringMVC资源无效
解决方案:
需要给资源添加 @SentinelResource("随便取") 注解)
例子:给/order/{orderId}这个资源添加热点参数限流，规则如下：
1 默认的热点参数规则是每1秒请求量不超过2
2 给102这个参数设置例外：每1秒请求量不超过4
3 给103这个参数设置例外：每1秒请求量不超过10
三：隔离和熔断降级
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）和熔断降级手段了。
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。
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。
1 修改OrderService的application.yml文件，开启Feign的Sentinel功能
feign:
sentinel:
enabled: true # 开启Feign的Sentinel功能
2 给FeignClient编写失败后的降级逻辑
(请求超出Sentinel设置的规则 返回请求失败的兜底信息)
方式一：FallbackClass，无法对远程调用的异常做处理
方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种
方式二:FallbackFactory
步骤一： 给FeignClient编写FallbackFactory
在feing-api项目中定义类，实现FallbackFactory：
@Slf4jpublic class UserClientFallbackFactory implements FallbackFactory {
@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("查询用户失败", throwable);
// 根据业务需求返回默认的数据，这里是空用户
return new User();
}
};
}
}
步骤二：将编写的编写FallbackFactory类注册为Bean
在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：
@Bean
public UserClientFallbackFactory userClientFallback(){
return new UserClientFallbackFactory();
}
步骤三：将FallbackFactory配置到FeignClient
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);
}
隔离
线程池隔离(线程数)
特点：基于线程池模式，有额外开销，但隔离控制更强
优点:：支持主动超时 支持异步调用
缺点：线程的额外开销比较大
场景：低扇出
信号量隔离（Sentinel默认采用 QPS）
特点：基于计数器模式，简单，开销小
优点:：轻量级，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
线程隔离（舱壁模式）
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，在前面已经演示过
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，实现舱壁模式。
测试：
结果:
熔断降级策略
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。
熔断策略有三种：
1 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。
例如：
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。
2 异常比例：
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，则触发熔断。
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，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。
4 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超过指定异常数，则触发熔断。
解读：统计最近1000ms内的请求，如果请求量超过10次，并且异常数不低于2，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。
四：授权规则
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
例如，我们限定只允许从网关来的请求访问order-service，那么流控应用中就填写网关的名称
Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。
public interface RequestOriginParser {
/**
* 从请求request对象中获取origin，获取方式自定义
*/
String parseOrigin(HttpServletRequest request);
}
例如，我们尝试从request中获取一个名为origin的请求头，作为origin的值：
1 实现RequestOriginParser 接口 重写 parseOrigin方法
@Component
public class HeaderOriginParser implements RequestOriginParser {
@Override
public String parseOrigin(HttpServletRequest request) {
String origin = request.getHeader("origin");
if(StringUtils.isEmpty(origin)){
return "blank";
}
return origin;
}
}
2 在gateway服务中，利用网关的过滤器添加名为gateway的origin头：
spring:
cloud:
gateway:
default-filters:
- AddRequestHeader=origin,gateway # 添加名为origin的请求头，值为gateway
3 给/order/{orderId} 配置授权规则：
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。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;
}
而BlockException包含很多个子类，分别对应不同的场景：
| 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 |
我们在order-service中定义类，实现BlockExceptionHandler接口：
@Component
public class SentinelBlockHandler implements BlockExceptionHandler {
@Override
public void handle(
HttpServletRequest httpServletRequest,
HttpServletResponse httpServletResponse, 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 DegradeException) {
msg = "请求被降级了！";
} else if (e instanceof ParamFlowException) {
msg = "热点参数限流！";
} else if (e instanceof AuthorityException) {
msg = "请求没有权限！";
status = 401;
}
httpServletResponse.setContentType("application/json;charset=utf-8");
httpServletResponse.setStatus(status);
httpServletResponse.getWriter().println("{\"message\": \"" + msg + "\", \"status\": " + status + "}");
}
}
五：规则持久化
规则管理模式
Sentinel的控制台规则管理有三种模式：
| 推送模式 |
说明 |
优点 |
缺点 |
| 原始模式 |
API 将规则推送至客户端并直接更新到内存中，扩展写数据源（WritableDataSource），默认就是这种 |
简单，无任何依赖 |
不保证一致性；规则保存在内存中，重启即消失。严重不建议用于生产环境 |
| Pull 模式 |
扩展写数据源（WritableDataSource）， 客户端主动向某个规则管理中心定期轮询拉取规则，这个规则中心可以是 RDBMS、文件 等 |
简单，无任何依赖；规则持久化 |
不保证一致性；实时性不保证，拉取过于频繁也可能会有性能问题。 |
| Push 模式 |
扩展读数据源（ReadableDataSource），规则中心统一推送，客户端通过注册监听器的方式时刻监听变化，比如使用 Nacos、Zookeeper 等配置中心。这种方式有更好的实时性和一致性保证。生产环境下一般采用 push 模式的数据源。 |
规则持久化；一致性； |
引入第三方依赖 |
原始模式
控制台配置的规则直接推送到Sentinel客户端，也就是我们的应用。然后保存在内存中，服务重启则丢失
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。
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。
首先Sentinel控制台通过API将规则推送至客户端并更新到内存中，接着注册的写数据源会将新的规则保存到本地文件中。使用Pul模式的数据源时一般不需要对Sentinel控制台进行改造。
这种实现方法好处是简单，不引入新的依赖，坏处是无法保证监控数据的一致性
实现push模式
1 修改 Sentinel客户端 服务，使其监听Nacos配置中心
2 修改Sentinel-dashboard源码，配置nacos数据源
3 修改Sentinel-dashboard源码，修改前端页面
4 重新编译、打包-dashboard源码
一 修改 Sentinel客户端 服务
1 引入依赖
com.alibaba.csp
sentinel-datasource-nacos
2 配置nacos地址
spring:
cloud:
sentinel:
datasource:
flow:
nacos:
server-addr: localhost:8848 # nacos地址
dataId: orderservice-flow-rules
groupId: SENTINEL_GROUP
rule-type: flow # 还可以是：degrade、authority、param-flow
二 修改sentinel-dashboard源码(此次使用的是1.8.1版本)
1 下载源码包
github下https://github.com/alibaba/Sentinel/releases/tag/1.8.1载地址
然后并用IDEA打开这个项目，结构如下：
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：
将sentinel-datasource-nacos依赖的scope去掉
com.alibaba.csp
sentinel-datasource-nacos
3 添加nacos支持
在sentinel-dashboard的test的rule包下，已经编写了对nacos的支持，我们需要将其拷贝到main的rule包下。
4 修改nacos地址
然后，还需要修改测试代码中的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:88485 配置nacos数据源
另外，还需要修改com.alibaba.csp.sentinel.dashboard.controller.v2包下的FlowControllerV2类：
让我们添加的Nacos数据源生效：
6 修改前端页面
接下来，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：
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如果要修改nacos地址，需要添加参数：
java -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar