SpringCloud Alibaba 整合Sentinel的基本使用

一、什么是Sentinel

Sentinel是由阿里巴巴开源的一款 分布式系统的流量防卫兵，用于保护应用程序免受高并发、高负载和故障的影响。它主要用于实时监控应用程序的流量、熔断不可用的资源、降级服务以及提供实时的统计数据等功能。

Sentinel 以流量为切入点，从流量控制、流量路由、熔断降级、系统自适应过载保护、热点流量防护等多个维度保护服务的稳定性

二、Sentinel 的主要特性

1. 流量控制：

Sentinel可以通过设置流量控制规则，限制应用程序的请求流量，防止资源被过度消耗或超负荷。

2. 熔断降级：

当应用程序中的某个资源出现故障或超过设定的阈值时，Sentinel可以自动对该资源进行熔断，防止故障扩散，保护系统的稳定性。

3. 实时监控：

Sentinel提供实时的监控和统计数据，可以对应用程序的流量、响应时间、错误率等进行实时监控，及时发现问题并进行处理。

4. 规则配置：

Sentinel支持通过代码或配置文件来定义流量控制和熔断规则，灵活性较高。

5. 集成方便：

Sentinel可以与常见的Java应用程序框架（如Spring Cloud、Dubbo等）进行集成，方便在现有项目中使用。

三、Sentinel 分为哪几部分:

Sentinel 分为两个部分:

1. 核心库（Java 客户端）

• 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。

2. 控制台（Dashboard）

• 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。

四、Sentinel 功能和设计理念

官方网址：Sentinel 功能和设计理念

1. 流量控制

流量控制在网络传输中是一个常用的概念，它用于调整网络包的发送数据。然而，从系统稳定性角度考虑，在处理请求的速度上，也有非常多的讲究。任意时间到来的请求往往是随机不可控的，而系统的处理能力是有限的。我们需要根据系统的处理能力对流量进行控制。Sentinel 作为一个调配器，可以根据需要把随机的请求调整成合适的形状，如下图所示：

流量控制有以下几个角度:

• 资源的调用关系，例如资源的调用链路，资源和资源之间的关系；
• 运行指标，例如 QPS、线程池、系统负载等；
• 控制的效果，例如直接限流、冷启动、排队等。

2. 熔断降级

除了流量控制以外，及时对调用链路中的不稳定因素进行熔断也是 Sentinel 的使命之一。由于调用关系的复杂性，如果调用链路中的某个资源出现了不稳定，可能会导致请求发生堆积，进而导致级联错误。

Sentinel 和 Hystrix 的原则是一致的: 当检测到调用链路中某个资源出现不稳定的表现，例如请求响应时间长或异常比例升高的时候，则对这个资源的调用进行限制，让请求快速失败，避免影响到其它的资源而导致级联故障。

在限制的手段上，Sentinel 和 Hystrix 采取了完全不一样的方法。

Hystrix 通过 线程池隔离 的方式，来对依赖（在 Sentinel 的概念中对应 资源）进行了隔离。这样做的好处是资源和资源之间做到了最彻底的隔离。缺点是除了增加了线程切换的成本（过多的线程池导致线程数目过多），还需要预先给各个资源做线程池大小的分配。

Sentinel 对这个问题采取了两种手段:

• 通过并发线程数进行限制
  和资源池隔离的方法不同，Sentinel 通过限制资源并发线程的数量，来减少不稳定资源对其它资源的影响。这样不但没有线程切换的损耗，也不需要您预先分配线程池的大小。当某个资源出现不稳定的情况下，例如响应时间变长，对资源的直接影响就是会造成线程数的逐步堆积。当线程数在特定资源上堆积到一定的数量之后，对该资源的新请求就会被拒绝。堆积的线程完成任务后才开始继续接收请求。

• 通过响应时间对资源进行降级
  除了对并发线程数进行控制以外，Sentinel 还可以通过响应时间来快速降级不稳定的资源。当依赖的资源出现响应时间过长后，所有对该资源的访问都会被直接拒绝，直到过了指定的时间窗口之后才重新恢复。

3. 系统自适应保护

Sentinel 同时提供系统维度的自适应保护能力。防止雪崩，是系统防护中重要的一环。当系统负载较高的时候，如果还持续让请求进入，可能会导致系统崩溃，无法响应。在集群环境下，网络负载均衡会把本应这台机器承载的流量转发到其它的机器上去。如果这个时候其它的机器也处在一个边缘状态的时候，这个增加的流量就会导致这台机器也崩溃，最后导致整个集群不可用。

针对这个情况，Sentinel 提供了对应的保护机制，让系统的入口流量和系统的负载达到一个平衡，保证系统在能力范围之内处理最多的请求。

五、Sentinel工作主流程

官方网址：工作主流程

在 Sentinel 里面，所有的资源都对应一个资源名称（resourceName），每次资源调用都会创建一个 Entry 对象。Entry 可以通过对主流框架的适配自动创建，也可以通过注解的方式或调用 SphU API 显式创建。Entry 创建的时候，同时也会创建一系列功能插槽（slot chain），这些插槽有不同的职责，例如:

• NodeSelectorSlot负责收集资源的路径，并将这些资源的调用路径，以树状结构存储起来，用于根据调用路径来限流降级；

• ClusterBuilderSlot则用于存储资源的统计信息以及调用者信息，例如该资源的 RT, QPS, thread count 等等，这些信息将用作为多维度限流，降级的依据；

• StatisticSlot则用于记录、统计不同纬度的 runtime 指标监控信息；

• FlowSlot则用于根据预设的限流规则以及前面 slot 统计的状态，来进行流量控制；

• AuthoritySlot则根据配置的黑白名单和调用来源信息，来做黑白名单控制；

• DegradeSlot 则通过统计信息以及预设的规则，来做熔断降级；

• SystemSlot则通过系统的状态，例如 load1 等，来控制总的入口流量；

Sentinel 将 ProcessorSlot 作为 SPI 接口进行扩展（1.7.2 版本以前 SlotChainBuilder 作为 SPI），使得 Slot Chain 具备了扩展的能力。您可以自行加入自定义的 slot 并编排 slot 间的顺序，从而可以给 Sentinel 添加自定义的功能。

六、Sentinel 与 hystrix对比

好处就不用说了，自己看图吧。

七、Sentinel 版本选择

官方网址：alibaba与sentinel版本对应关系

这里自己的springcloud Alibaba版本是2.2.8.RELEASE，所以对应的sentinel版本是1.8.4

八、Sentinel-dashboard安装

sentinel版本官方地址：官方网址-安装包

java -jar sentinel-dashboard-1.8.4.jar

控制台网址：http://localhost:8080/#/dashboard/

默认的用户名和密码：

sentinel/sentinel

九、手动接入Sentinel-基于API实现

官方案例：手动接入 Sentinel

1. 引入依赖

<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-core</artifactId>
    <version>1.8.6</version>
</dependency>

2. 定义资源

@RequestMapping(value = "/hello")
    public void hello() {
        Entry entry = null;
        try {
            entry = SphU.entry("HelloWorld");
            /*您的业务逻辑 - 开始*/
            System.out.println("hello world");
            /*您的业务逻辑 - 结束*/
        } catch (BlockException e1) {
            /*流控逻辑处理 - 开始*/
            System.out.println("block!");
            /*流控逻辑处理 - 结束*/
        } finally {
            if (entry != null) {
                entry.exit();
            }
        }
    }

3. 定义流控规则

@PostConstruct
private static void initFlowRules(){
    List<FlowRule> rules = new ArrayList<>();
    FlowRule rule = new FlowRule();
    rule.setResource("HelloWorld");
    rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
    // Set limit QPS to 5.
    rule.setCount(5);
    rules.add(rule);
    FlowRuleManager.loadRules(rules);
}

注意流控规则：这里设置的是每秒不超过5笔请求（QPS–>5）

4. 发请求验证

使用 ApiPost 模拟1s中内发送10笔请求：如下

5. 查看结果

查看控制台日志打印：如下图

十、Spring Cloud Alibaba 集成 Sentinel

新建一个微服务模块：alibaba-sentinel-demo

1. 引入依赖

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

2. 添加配置

server:
  port: 8899
spring:
  application:
    ## 指定服务名称，在nacos中的名字
    name: alibaba-sentinel-demo
  cloud:
    nacos:
      discovery:
        # nacos的服务地址，nacos-server中IP地址:端口号
        server-addr: 127.0.0.1:8848
    sentinel:
      transport:
       ## 指定控制台的地址，默认端口8080
        dashboard: localhost:8080
management:
  endpoints:
    web:
      exposure:
        ## yml文件中存在特殊字符，必须用单引号包含，否则启动报错
        include: '*'

3. 添加 controller

@RestController
@RequestMapping("/hello")
public class HelloController {
 
    @GetMapping("/test3")
    public String test(){
        return "hello,world";
    }
}

4. 访问sentinel控制台

如下：

十一、Sentinel之流控规则

官方文档：流量控制

流量控制（flow control），其原理是监控应用流量的 QPS 或并发线程数等指标，当达到指定的阈值时对流量进行控制，以避免被瞬时的流量高峰冲垮，从而保障应用的高可用性。

一条限流规则主要由下面几个因素组成，我们可以组合这些元素来实现不同的限流效果：

• resource：资源名，即限流规则的作用对象
• count: 限流阈值
• grade: 限流阈值类型（QPS 或并发线程数）
• limitApp: 流控针对的调用来源，若为 default 则不区分调用来源
• strategy: 调用关系限流策略
• controlBehavior: 流量控制效果（直接拒绝、Warm Up、匀速排队）

对应控制台的流控规则界面如下：

1. 流控模式

流量控制的效果包括以下几种：直接拒绝、Warm Up、匀速排队。对应 FlowRule 中的 controlBehavior 字段。

1.1 快速失败

最简单的方式，快速失败方式是默认的流量控制方式，当QPS超过任意规则的阈值后，新的请求就会被立即拒绝，拒绝方式为抛出 FlowException 。

1.2 Warm Up

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。

预热底层是根据令牌桶算法实现的，源码对应得类在com.alibaba.csp.sentinel.slots.block.flow.controller.WarmUpController

该算法有一个冷却因子coldFactor，默认值是3，即请求 QPS 从 threshold(阈值) / 3 开始，经预热时长逐渐升至指定的 QPS 阈值。

比如设定QPS阈值为 6，流控效果为 warm up，预热时长为 秒，如下图：

测试代码：

@RequestMapping(value = "/hello")
    public void hello() {
        Entry entry = null;
        try {
            entry = SphU.entry("HelloWorld");
            /*您的业务逻辑 - 开始*/
            System.out.println("hello world");
            /*您的业务逻辑 - 结束*/
        } catch (BlockException e1) {
            /*流控逻辑处理 - 开始*/
            System.out.println("block!");
            /*流控逻辑处理 - 结束*/
        } finally {
            if (entry != null) {
                entry.exit();
            }
        }
    }

使用ApiPost模式发请求：

观察实时监控界面，可以看到有一个大概 8s 预热的过程 QPS 从 2 慢慢的升到了 6

1.3 排队等待

匀速排队方式会严格控制请求通过的间隔时间，也即是让请求以均匀的速度通过，对应的是漏桶算法。

该方式的作用如下图所示：
这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，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。

注意：匀速排队模式暂时不支持 QPS > 1000 的场景。

比如排队等待下，QPS为10，超时时间设置为10s：

使用ApiPost模拟一直发请求，如下：

✨观察实时监控界面，可以看到QPS一直保持10，超出的请求并没有拒绝，因为没有到超时时间✨

2. 流控效果

流控模式总共分为三种，对应元素strategy，分别如下：

2.1 直接拒绝：

当接口的请求达到限流条件时，直接拒绝该请求，不再处理。

默认的流量控制方式为直接拒绝模式，当请求的 QPS 超过任意规则的阈值时，新的请求会立即被拒绝，拒绝方式是抛出 FlowException 异常。比较简单，不再演示。

2.2 关联：

当关联的资源达到阈值时，限流自己。即当一个资源的请求达到限流条件时，会影响到与之关联的其他资源，将它们也纳入限流范围。

创建以下两个方法：

@RestController
@RequestMapping("/sentinel")
public class FlowLimitController {


    @GetMapping("/A")
    public String A()  {
        return "A..........";
    }

    @GetMapping("/B")
    public String B()  {
        return "B..........";
    }
}

控制台流控规则如下图：

这个配置的规则是，资源A关联资源B，一旦资源B达到阈值，则资源A被限流

针对资源B使用 apipost 模拟一直发送请求：

此时浏览器访问A方法，如下：

2.3 链路：

只记录指定链路上的流量。指定的资源从入口资源进来的流量会被记录，如果达到限流条件，就会进行限流处理。这种模式更加关注特定链路上的流量，而不是单纯基于某个资源的请求次数或响应时间。

根据调用链路入口限流：一棵典型的调用树如下图所示

     	          machine-root
                    /       \
                   /         \
             Entrance1     Entrance2
                /             \
               /               \
      DefaultNode(nodeA)   DefaultNode(nodeA)

上图中来自入口 Entrance1 和 Entrance2 的请求都调用到了资源 NodeA，Sentinel 允许只根据某个入口的统计信息对资源限流。

使用场景：假设有A、B、C三个方法，A、B 都调用了资源C，当我们想方法C达到阈值10，则限制A方法时，控制台规则应该配置如下：

3. 阈值类型

假设你经营着一家餐馆，并且希望在高峰时段控制进入餐馆的顾客数量，以保证服务质量和顾客满意度。

3.1. QPS（Queries Per Second，每秒查询数）阈值类型：

• 假设你设置了每秒最多接受100个顾客进入餐馆的阈值。当餐馆的进入速率超过每秒100人时，Sentinel会拒绝新的进店请求，并可能抛出 FlowException 异常。这个阈值是根据每秒的请求数量进行限制的，无论每个请求需要多少时间来处理。
• 在这个例子中，Sentinel会在每秒的请求量超过100时触发流控，无论每个顾客在餐馆里停留多长时间，只要进店请求超过100，新的请求就会被拒绝。

3.2. 线程数阈值类型：

• 假设你设置了餐馆的最大承载能力为50人，而每个顾客在餐馆里用餐时间为30分钟。你想要确保在餐馆里的人数不超过50，并且有足够的服务员来照顾每个顾客。
• 在这个例子中，你可以将Sentinel的线程数阈值设置为50。当餐馆里的顾客人数超过50时，新的顾客将被拒绝进入。这里的线程数阈值是根据并发处理能力来限制的，每个顾客在用餐期间占用一个线程，当线程数达到阈值时，新的请求将被拒绝。
  总结来说，QPS阈值类型是根据每秒的请求数量来限制流量，而线程数阈值类型则是根据并发处理能力来限制流量。选择哪种阈值类型取决于你对流量控制的需求，以及对系统资源的合理利用。