微服务保护&Sentinel基本使用（未实现规则持久化）
微服务保护&Sentinel基本使用
-
- 一、Sentinel简介
-
- 1.雪崩问题及解决方案
-
- 1.1.雪崩问题
- 1.2.解决方案
- 2.Sentinel介绍与安装
-
- 2.1.安装Sentinel
- 2.2.微服务整合Sentinel
- 二、流量控制
-
- 1.簇点链路
-
- 1.1.示例
- 2.流控模式
-
- 2.1.关联模式
- 2.2.链路模式
- 2.3.总结
- 3.流控效果
-
- 3.1.warm up
- 3.2.排队等待
- 3.3.总结
- 4.热点参数限流
-
- 4.1.实例：
- 三、隔离和降级
-
- 1.Feign整合Sentinel
-
- 1.1.修改调用者服务的配置文件
- 1.2.编写失败降级逻辑
- 1.3.总结
- 2.sentinel的线程隔离
- 3.熔断降级
-
- 3.1.慢调用
- 3.2.异常比例、异常数
- 四、授权规则
-
- 1.获取流控应用（origin）
-
- 1.1.RequestOriginParser接口
- 1.2.给网关（流控应用）添加请求头
- 2.配置授权规则
- 3.测试
- 五、自定义异常结果
-
- 1.BlockExceptionHandler接口
- 2.自定义异常处理（实现BlockExceptionHandler接口）
- 3.测试
一、Sentinel简介
1.雪崩问题及解决方案
1.1.雪崩问题
q:什么是雪崩问题？
a:在微服务中，服务间的调用关系非常复杂，一个服务往往依赖多个其他服务。如果调用链中一个服务故障，则会引起整个调用链都无法访问，这个就是雪崩问题。
1.2.解决方案
雪崩问题的解决方案一般有四种：分别为超时处理，舱壁模式（线程隔离），降级熔断，流量控制，其中流量控制可以避免因瞬间高并发流量而导致的服务器故障。
- 超时处理：设定超时时间，请求超时没有相应就会返回错误信息，不会无休止等待
- 舱壁模式：也称为线程隔离。我们可以限定每个业务能使用的线程数，避免耗尽整个tomcat的资源。
- 降级熔断：由断路器统计业务执行的异常比例，如果超过规定值，则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
QPS：每秒请求次数
通过四种方法的描述，我们可以认为：
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。
2.Sentinel介绍与安装
目前国内比较流行的服务保护技术还是Sentinel框架，接下来，我会说明如何进行sentinel的下载与安装。
2.1.安装Sentinel
1）下载
Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址：https://sentinelguard.io/zh-cn/index.html
我们安装可以通过官网地址跳转到github，点击releases，tag来选择自己想要安装的版本。
2）运行
将jar包放到任意非中文目录，执行命令：
java -jar sentinel-dashboard-1.8.1.jar
如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：
- 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
因为本身是jar包，所以修改不了配置文件，我们可以通过java -d 的参数来进行修改，例如修改端口号为8888
java -jar sentinel-dashboard-1.8.1.jar -D server.port:8888
3）访问
访问http://localhost:8080页面，就可以看到sentinel的控制台了：
这样sentinel就下载安装好了。但是需要进行监控与流量控制，我们还需要绑定相应的微服务，所以要在有需要的服务上引入依赖，修改配置文件，进行整合。
2.2.微服务整合Sentinel
我们在order-service中整合sentinel，并连接sentinel的控制台，步骤如下：
1）引入sentinel依赖
<dependency>
<groupId>com.alibaba.cloudgroupId>
<artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
dependency>
2）配置控制台
修改application.yaml文件，添加下面内容（如果是在nacos配的，要去nacos配置中心进行修改）：
server:
port: 8081
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080
3）访问对应的服务的任意端点
这里我是用了一个名叫userservice的服务，我通过访问localhost:8081/user/2来触发sentinel的监控，这个时候我们访问sentinel控制台，如图：
这样我们就将我们对应的服务与Sentinel整合好了。
二、流量控制
1.簇点链路
首先我们知道，当请求进入服务后，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的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只会监控Controller中的方法。
1.1.示例
我们登录到Sentinel控制台，我们能看到服务点开后，左边有簇点链路，如图：
我们可以看到后面操作那一列，都是针对簇点链路的资源来设置的，因此我们可以通过点击这些按钮来设置我们想要的规则：
- 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
那如果我们想要进行流量控制，我们就可以点击资源/order/{orderId}后面的流控按钮，就可以弹出表单，表单中可以填写限流规则，如下：
这个表单的意思是限制 /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。
点击保存后，我们可以用jmeter进行测试，jmeter的基本使用在我的另一篇中有详细说明，不知道的小伙伴可以去看看。
链接: Jmeter快速入门（无介绍，纯干货，只基本使用）
运行过后，我们查看结果树，则可以看到，1s中如果有超过5次的请求，则会被拦截，相应过来的数据如图：
2.流控模式
刚刚上述例子，只是最基本的流控，在流控规则的配置中，还有高级选项，如图：
一般默认的都是直接模式。
2.1.关联模式
关联模式：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
上图说明：当/order/update资源访问量触发阈值时，就会对/order/query资源限流，避免影响/order/update资源。
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。
简单来说，满足下面条件可以使用关联模式：
- 两个有竞争关系的资源
- 一个优先级高，一个优先级低
2.2.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。
实例：
比如：有查询订单和创建订单两种，两种都需要对订单里面的商品进行查询，所以两种都会经过查询商品这一链路，现在我们需要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：
- 在OrderService中添加一个queryGoods方法
- 在OrderController中，创建/order/query端点，调用OrderService中的queryGoods方法
- 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
- 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
上述都无需实现业务，只是创建，调用即可，所以就不截图代码部分了。
但是上述步骤都完成之后，我们会发现一个问题，之前我们说到簇点链路的时候说到过，Sentinel默认会给进入SpringMVC的所有请求（也就是Controller方法）设置同一个root资源，会导致链路模式失效。
我们需要关闭这种对SpringMVC的资源聚合，修改order-service服务的application.yml文件：
spring:
cloud:
sentinel:
# 关闭context整合
web-context-unify: false
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：
接下来我们添加流控规则
点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：
上述规则的含义是：只统计从/order/query进入/goods的资源，QPS阈值为2，超出则被限流。而从/order/save进入/goods的资源则没有这个限制。
2.3.总结
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
3.流控效果
在流控的高级选项中，还有一个流控效果选项：
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
默认的是快速失败
3.1.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
为什么要将阈值初始值设置为maxThreshold / coldFactor？是因为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。
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.
案例
需求：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
用Jmeter测试后，我们观察Sentinel实时监控，可以发现：
在五s的这个区间，一直在慢慢的增加，在5s预热完成后，则是直接到了10
3.2.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。
而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？3
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：
平滑的QPS曲线，对于服务器来说是更友好的。
案例
需求：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
1）添加流控规则
注意：超时时间单位是ms
通过Jmeter测试，得到的实时监控图是这样的：
QPS非常的平滑，一致保持在10，但是当前请求数量超过了QPS的最大值并不会直接被拒绝，而是放入队列，所以他的后续请求响应的时间越来越长，但是当队列中有超过5s还未得到响应的请求，我们会将他拒绝，所以才会有部分请求失败。
3.3.总结
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
4.热点参数限流
我们上面讲的三种限流方式，都是对一个请求的统一限流。而热点参数限流则是分别统计参数值相同的请求，也就是说，之前提到的/order/{orderId}，我们可以通过传递的不同的{orderId}来进行限流。
注意：在配置的时候，因为热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源。
4.1.实例：
案例需求：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）标记资源
给order-service中的OrderController中的/order/{orderId}资源添加注解：
2）热点参数限流规则
访问该接口，可以看到我们标记的hot资源出现了：
这里不要点击hot后面的按钮，页面有BUG
点击左侧菜单中热点规则菜单：
填写表单：
这样就配置好了。
三、隔离和降级
流量控制是预防措施，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）和熔断降级手段了。
- 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。
比如服务A，要调用服务B与服务C。那么线程隔离就会将这两个业务，分别分配10个线程，如果服务C调用一直失败，也只会消耗十个线程，可以有效避免，因为单个服务的故障，导致所有资源被耗尽。
- 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（失败/调用总次数），则熔断该业务，不允许访问该服务的提供者了。
比如服务A，调用服务B，如果调用次数成功了4次，失败了6次，失败比例60%，超过了设置的比例，则会被断路器，熔断该业务请求。
线程隔离以及熔断降级，都是对调用方的保护，是需要在调用方发起远程调用的时候做线程隔离、熔断降级。
一般在Spring-Cloud的服务间的远程调用都是基于Feign来完成的，因此需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。（Dubbo也可以整合，但是下面主要演示Feign整合）
1.Feign整合Sentinel
1.1.修改调用者服务的配置文件
修改OrderService的application.yml文件，开启Feign的Sentinel功能：
feign:
sentinel:
#开启feign对sentinel的支持
enabled: true
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，我们选择这种
这里我们演示方式二的失败降级处理。
首先展示一下我的feign-api的项目结构
步骤一：在feing-api项目中定义类，实现FallbackFactory：
@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（配置类）中将UserClientFallbackFactory注册为一个Bean：
步骤三：在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：
重启后，再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：
我们没有整合之前，是没有其它服务的路径的，通过Feigin整合Sentinel后，我们可以将完整的调用链展示出来，哪怕是远程调用的。
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
2.sentinel的线程隔离
案例需求：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
选择feign接口后面的流控按钮：
填写表单
然后配置完成后，通过Jmeter测试：
我这里是1s内发送10次请求，我们可以发现都能成功访问，不过部分请求得到的响应是降级返回的null信息。
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。
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
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。
案例
需求：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
为了让响应时间变慢，我们可以在代码中，添加休眠
我们可以访问一下，如果订单查询orderId = 101，则远程调用查询1号用户，F12打开控制台，我们可以看到调用时间，远远超过50ms
而我们访问订单orderId = 102，则远程调用查询2号用户（并不会执行刚刚代码里加的休眠）。我们可以看到调用时间非常快。
2）设置熔断规则
下面，给feign接口设置降级规则：
填写表单
3）测试
在浏览器访问：http://localhost:8088/order/101，快速刷新5次，可以发现：
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
注意： 因为熔断的是链路，并不是单个id，所以不管传任何Id，哪怕响应时长不超过50ms的id过来，也是会被降级，返回null，只有过了我们设置的熔断时长之后，才能尝试断路器切换到Closed状态。
在浏览器访问：http://localhost:8088/order/102，竟然也被熔断了：
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。
因为这两个相差不大，我们演示一下异常比例配置。
案例
需求：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
首先，修改user-service中的/user/{id}这个接口的业务。手动抛出异常，以触发异常比例的熔断：
也就是说，id 为 2时，就会触发异常（对应访问orderId为102）
2）设置熔断规则
给feign接口设置降级规则：
填写表单
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：
此时，我们去访问本来应该正常的103：
上面说过，必须过了熔断时长后，断路器才会再次尝试Closed，所以现在哪怕访问正常的，也是熔断的。
四、授权规则
授权规则可以对请求方来源做判断和控制。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
点击左侧菜单的授权，可以看到授权规则：
比如：
我们允许请求从gateway（来访者）到order-service（受保护资源），不允许浏览器访问order-service（来访者），那么白名单中就要填写网关的来源名称（origin）。
1.获取流控应用（origin）
1.1.RequestOriginParser接口
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);
}
这个方法的作用就是从request对象中，获取请求者的origin值并返回。
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，我们需要自定义这个接口的实现，让不同的请求，返回不同的origin。
例如order-service服务中，我们定义一个RequestOriginParser的实现类：
@Component
public class HeaderOriginParser 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;
}
}
这一段的代码的意思是：尝试从request-header中获取origin值。
1.2.给网关（流控应用）添加请求头
既然获取请求origin的方式是从reques-header中获取origin值，我们必须让所有从gateway路由到微服务的请求都带上origin头。
这个需要一个GatewayFilter来实现，AddRequestHeaderGatewayFilter。
修改gateway服务中的application.yml，添加一个defaultFilter：
spring:
cloud:
gateway:
default-filters:
- AddRequestHeader=origin,gateway
routes:
# ...略
这样，从gateway路由的所有请求都会带上origin头，值为gateway。而从其它地方到达微服务的请求则没有这个头。
2.配置授权规则
接下来，我们添加一个授权规则，放行origin值为gateway的请求。
点击授权
配置如下：
3.测试
配置好后，如果我们跳过网关，直接访问order-service服务：
这时候，通过网关访问：
五、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.BlockExceptionHandler接口
而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
这里的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 |
2.自定义异常处理（实现BlockExceptionHandler接口）
下面，我们就在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 + "}");
}
}
3.测试
重启测试，在不同场景下，会返回不同的异常消息。
限流时：
授权拦截时：
