Sentinel是面向分布式服务架构的轻量级流量控制组件，主要以流量为切入点，从限流、流量整形、服务降级、系统负载保护等多个维度来帮助我们保障微服务的稳定性。

稳定是系统的基础能力，稳定性差的系统会出现服务超时或服务不可用，给用户带来不好的体验，也会对业务造成不良影响。

Sentinel的特性

Sentinel有如下特性：

应用场景丰富：几乎涵盖所有的应用场景，例如秒杀、消息削峰填谷、集群流量控制等。
实时监控：Sentinel提供了实时监控功能，开发者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台以下规模的集群汇总运行情况。
支持开源生态：Sentinel提供开箱即用的与其它开源框架的整合，例如Spring Cloud、Dubbo、gRPC的整合。开发者只需要引入相应的依赖并进行简单的配置即可快速接入Sentinel。
支持SPI扩展点：Sentinel提供SPI扩展点支持，开发者可以通过扩展点来定制化限流规则，动态数据源适配等需求。

Sentinel分为两个部分：

核心库(Java客户端)：不依赖任何框架，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。

Sentinel的部署

Sentinel提供一个轻量级的开源控制台，它支持机器发现以及健康情况管理、监控、规则管理和推送等功能。

Sentinel Dashboard的安装步骤如下：

在GitHub中Sentinel的源码仓库中下载源码或者下载已经构建好的jar
通过以下命令启动控制台

java -Dserver.port=7777 -Dcsp.sentinel.dashboard.server=localhost:7777 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar

默认登陆的用户名和密码都是sentinel

在这里插入图片描述

Sentinel的基本应用

Sentinel实现限流

使用Sentinel的核心库实现限流，主要分以下几个步骤：

定义资源
定义限流规则
检验规则是否生效

资源就是通过限流保护的基本元素，比如一个方法。

首先需要引入Sentinel的核心库：


     com.alibaba.csp
     sentinel-core
     1.7.1

然后定义一个普通的业务方法：

 private static void testSentinel() {
    try (Entry entry = SphU.entry("testSentinel")) {
        System.out.println("Test Sentinel " + System.currentTimeMillis());
    } catch (BlockException e) {
        //
    }
}

在testSentinel方法中，通过使用Sentinel中的SphU.entry("testSentinel")定义一个资源来实现流控的逻辑，它表示当请求进入testSentinel方法时，需要进行限流判断，如果抛出BlockException异常，则表示触发了限流。

接着我们要针对这个需要保护的资源定义限流规则：

private static void intiFlowRules() {
    List rules = new ArrayList<>();
    FlowRule rule = new FlowRule();
    rule.setResource("testSentinel");
    rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
    rule.setCount(20);
    rules.add(rule);
    FlowRuleManager.loadRules(rules);
}

对于资源testSentinel，通过initFlowRules方法设置限流规则，其中的参数含义如下：

Grade: 限流阈值类型，QPS模式或者并发线程数模式
count: 限流阈值
resource: 设置需要保护的资源，这个资源的名称必须与SphU.entry中使用的名称保持一致

所以，上面代码的意思是对于testSentinel这个方法，每秒钟最多允许通过20个请求。

最后，通过main方法进行测试：

public static void main(String[] args) {
    intiFlowRules();
    while (true) {
        testSentinel();
    }
}

运行main方法之后，可以在{包名-类名}-metrics.log.date文件中看到如下日志：

1588859287000|2020-05-07 21:48:07|testSentinel|20|95214|20|0|0|0|0|0
1588859288000|2020-05-07 21:48:08|testSentinel|20|523818|20|0|0|0|0|0
1588859289000|2020-05-07 21:48:09|testSentinel|20|659792|20|0|0|0|0|0

上述日志对应字段的含义如下：

timestamp|yyyy-MM-dd HH:mm:ss|resource|passQps|blockQps|successQps|exceptionQps|rt|occupiedPassQps|concurrency|classification

passQps:              代表通过的请求
blockQps:             代表被阻止的请求
successQps:           代表成功执行完成的请求个数
exceptionQps:         代表用户自定义的异常
rt:                   代表平均响应时长
occupiedPassQps:      代表优先通过的请求
concurrency:          代表并发量
classification:       代表资源类型

从日志中可以看出，这个程序每秒稳定输出20次，和规则中预先设定的阈值是一样的，而每秒被拒绝的请求高达60多万次。

资源的定义方式

在上面的例子中，我们通过抛出异常的方式来定义一个资源，也就是当资源被限流后，会抛出一个BlockException异常，这时我们需要捕获该异常进行限流后的处理：

private static void testSentinel() {
    try (Entry entry = SphU.entry("resourceName")) {
        // ......
    } catch (BlockException e) {
        // 被限流
    }
}

其中，resourceName可以定义方法名称、接口名称或者其它的唯一标识。

除此之外，还可以通过返回布尔值的方式来定义资源：

if (SphO.entry("resourceName")) {
    try {
        // 被保护的业务逻辑
    } finally {
        SphO.exit();
    }
} else {
    // 资源访问被限制
}

在这种方式中，需要注意资源使用完成之后需要调用SphO.exit()，否则会导致调用链记录异常，抛出ErrorEntryFreeException异常。

Sentinel还可以使用@SentinelResource支持注解的方式来定义资源：

@SentinelResource(value = "findUserName", blockHandler = "blockHandlerForUserName")
public String findUserName(String id) {
    return "";
}

public String blockHandlerForUserName(String id, BlockException e) {
    // 被限流后的处理方法
    return "";
}

需要注意的是，blockHandler所配置的值blockHandlerForUserName会在触发限流之后调用，这个方法的定义必须和原始方法findUserName的返回值、参数保持一直，而且要增加BlockException参数。

Sentinel实现服务熔断

Sentinel实现服务熔断操作的配置和限流类似，不同之处在于限流采用的是FlowRule，而熔断中采用的是DegradeRule:

private static void initDegradeRule() {
   List rules = new ArrayList<>();
   DegradeRule degradeRule = new DegradeRule();
   degradeRule.setResource("KEY");
   degradeRule.setCount(10);
   degradeRule.setGrade(RuleConstant.DEGRADE_GRADE_RT);
   degradeRule.setTimeWindow(10);
   degradeRule.setMinRequestAmount(5);
   degradeRule.setRtSlowRequestAmount(5);
   rules.add(degradeRule);
}

其中几个属性的说明如下：

grade: 熔断策略，支持秒级RT、秒级异常比例、分钟级异常数。默认是秒级RT
timeWindow: 熔断降级的时间窗口，单位为s，也就是触发熔断降级之后多长时间内自动熔断。
rtSlowRequestAmount: 在RT模式下，1s内持续多少个请求的平均RT超出阈值后触发熔断，默认值是5.
minRequestAmount: 触发的异常熔断最小请求数，请求数小于该值时即使异常比例超出阈值也不会触发熔断，默认值是5。

Sentinel提供三种熔断策略，对于不同策略，参数的含义也不相同。

平均响应时间(RuleConstant.DEGRADE_GRADE_RT): 如果1s内持续进入5个请求，对应的平均响应时间都超过了阈值(count，单位为ms)，那么在接下来的时间窗口(timeWindow，单位为s)内，对这个方法的调用都会自动熔断，抛出DegradeException。
异常比例（RuleConstant.DEGRADE_GRADE_EXCEPTION_RATIO）：如果每秒资源数大于等于minRequestAmount（默认值为5），并且每秒的异常总数占总通过量的比例超过阈值count（count的取值范围是[0.0，1.0]，代表0% ~ 100%），则资源将进入降级状态。同样，在接下来的timeWindow之内，对于这个方法的调用都会自动触发熔断。
异常数（RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT）：当资源最近一分钟的异常数目超过阈值之后，会触发熔断。需要注意的是，如果timeWindow小于60s，则结束熔断状态后仍然可能再进入熔断状态。

到此，我们对Sentinel已经有了基本的了解。

分布式限流框架 - Sentinel