Sentinel实战应用
Sentinel实战应用
- Sentinel实战应用
-
- 1 Sentinel核心库
-
- 1.1 Sentinel介绍
- 1.2 Sentinel核心功能
-
- 1.2.1 流量控制
- 1.2.2 熔断降级
- 1.3 Sentinel熔断限流
-
- 1.3.1 SpringBoot集成
-
- 1.3.1.1 @SentinelResource注解
- 1.3.1.2 blockHandler
- 1.3.1.3 fallback
- 1.3.1.4 defaultFallback
- 1.3.2 限流降级规则
-
- 1.3.2.1 流量控制
- 1.3.2.2 熔断降级
- 1.3.2.3 系统自我保护
- 1.3.2.4 热点数据
- 1.3.3 OpenFeign支持
-
- 1.3.3.1 fallback
- 1.3.3.2 fallbackFactory
- 2 Sentinel集成Gateway
-
- 2.1 Sentinel对网关支持
- 2.2 集成Sentinel
- 2.3 配置/API定义
- 3 Sentinel控制台
-
- 3.1 Sentinel控制台安装
- 3.2 接入控制台
- 3.3 可视化管理
-
- 3.31 实时监控
- 3.3.2 流控规则
- 3.3.3 降级规则
- 3.3.4 热点数据
Sentinel实战应用
1 Sentinel核心库
Sentinel主页 https://github.com/alibaba/Sentinel/wiki/%E4%B8%BB%E9%A1%B5
1.1 Sentinel介绍
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 是面向分布式服务架构的流量控制组件，主要以流量为切入点，从限流、流量整形、熔断降级、系统负载保护、热点防护等多个维度来帮助开发者保障微服务的稳定性。
1)Sentinel核心组件
1:核心库（Java 客户端）：不依赖任何框架/库，能够运行于 Java 7 及以上的版本的运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。
2:控制台（Dashboard）：控制台主要负责管理推送规则、监控、集群限流分配管理、机器发现等。
2)Sentinel vs Hystrix
3)Sentinel基本概念
- 资源
资源是 Sentinel 的关键概念。它可以是 Java 应用程序中的任何内容，例如，由应用程序提供的服务，或由应用程序调用的其它应用提供的服务，甚至可以是一段代码。
只要通过 Sentinel API 定义的代码，就是资源，能够被 Sentinel 保护起来。大部分情况下，可以使用方法签名，URL，甚至服务名称作为资源名来标示资源。
- 规则
围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以 动态实时调整。
1.2 Sentinel核心功能
1.2.1 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。
Sentinel 的设计理念是让您自由选择控制的角度，并进行灵活组合，从而达到想要的效果。
1.2.2 熔断降级
1)什么是熔断降级
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。
2)Sentinel熔断降级设计
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熔断降级设计：
并发线程数限制: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。
响应时间降级: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。
1.3 Sentinel熔断限流
Sentinel 可以简单的分为 Sentinel 核心库和 Dashboard。核心库不依赖 Dashboard，但是结合Dashboard 可以取得最好的效果。我们先来学习Sentinel 核心库的使用，后面再学习Dashboard使用。
在我们项目中，用户请求通过 hailtaxi-gateway 路由到 hailtaxi-driver 或者 hailtaxi-order ，还有可能在 hailtaxi-order 中使用feign调用 hailtaxi-driver ，所以我们有可能在单个服务中实现熔断限流，也有可能要集成feign调用实现熔断限流，还有可能在微服务网关中实现熔断限流。我们接下来一步一步实现每一种熔断限流操作。
1.3.1 SpringBoot集成
如果在SpringBoot项目中使用Sentinel，首先需要引入 spring-cloud-starter-alibaba-sentinel 依赖，并使用 @SentinelResource 标识资源。
1.3.1.1 @SentinelResource注解
@SentinelResource 用于定义资源，并提供可选的异常处理和 fallback 配置项。@SentinelResource 注解包含以下属性：
1.3.1.2 blockHandler
用户在打车的时候，会查询司机信息，如果司机不存在，此时会报错，代码如下：
如果此时访问 http://localhost:18081/driver/info/3 查询司机信息，如果没有ID为3的司机信息，会报如下错误，这种体验非常查，我们可以集成Sentinel使用 @SentinelResource 的 blockHandler 返回默认错误信息。
在 hailtaxi-driver 工程中引入 spring-cloud-starter-alibaba-sentinel 依赖，依赖如下：
<dependency>
<groupId>com.alibaba.cloudgroupId>
<artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
<version>2.2.5.RELEASEversion>
dependency>
我们先添加一个方法 blockExHandler ()用来处理程序发生BlockException 异常的时候，执行默认操作，代码如下：
/***
* BlockException异常处理
*/
public Driver blockExHandler(String id,BlockException ex){
Driver driver = new Driver();
driver.setId(id);
driver.setName("bbb");
return driver;
}
我们为 info() 方法添加一个 @SentinelResource 注解，用来标注资源，表示当前方法需要执行限流、降级，在注解中添加value属性，用来标注资源，说白了就是给当前资源起个名字，blockHandler用来表示当前方法发生 BlockException 异常的时候，将处理流程交给指定的方法 blockExHandler()处理,此时 blockExHandler() 方法必须和抛出异常的方法在同一个类中，这是一种降级操作，代码如下：
如果此时不在同一个类中，我们可以在 @SentinelResource 中添加 blockHandlerClass 属性，指定降级处理类的方法所在的类，代码如下：
@SentinelResource(value = "info",blockHandler = "blockExHandler",blockHandlerClass = "xxx.xxx.Xxxx")
访问 http://localhost:18081/driver/info/3 测试出错效果如下：
1.3.1.3 fallback
如果我们希望抛出任何异常都能处理，都能调用默认处理方法，而并非只是 BlockException 异常才调用，此时可以使用 @SentinelResource 的 fallback 属性，代码如下
访问 http://localhost:18081/driver/info/3 测试出错效果如下：
如果发生异常执行的方法和当前发生异常的方法不在同一个类中，可以使用 @SentinelResource 注解的 fallbackClass 实现，代码如下：
@SentinelResource(value = "info",fallback ="exHandler" ,fallbackClass = "xx.xxx.xxx.xx.Xxx")
1.3.1.4 defaultFallback
上面无论是 blockHandler 还是 fallback ，每个方法发生异常，都要为方法独立创建一个处理异常的方法，效率非常低，我们可以使用 @SentinelResource 注解的 defaultFallback 属性，为一个类指定
一个全局的处理错误的方法，代码如下
@RestController
@RequestMapping(value = "/driver")
@RefreshScope
@SentinelResource(defaultFallback ="defaultExFallback")
public class DriverController {
/***
* 异常处理
*/
public Driver defaultExFallback() {
Driver driver = new Driver();
driver.setName("系统繁忙，请稍后再试！");
return driver;
}
/***
* 搜素指定城市的司机
*/
//@SentinelResource(value = "search")
@GetMapping(value = "/search/{city}")
public Driver search(@PathVariable(value = "city")String city){
System.out.println("查询的司机所在城市："+city);
//假设查询到了一个司机信息
Driver driver = new Driver();
driver.setName("张三");
driver.setId("No.1");
return driver;
}
/****
* 司机信息
*/
//@SentinelResource(value = "info",blockHandler = "blockExHandler")
//@SentinelResource(value = "info",fallback ="exHandler")
//@SentinelResource(value = "info")
@GetMapping(value = "/info/{id}")
public Driver info(@PathVariable(value = "id")String id) throws InterruptedException{
Driver driver = driverService.findById(id);
//if(id.equals("1")){
// TimeUnit.SECONDS.sleep(10);
//}
if(driver==null){
throw new RuntimeException("司机不存在");
//throw new SystemBlockException("info","hailtaxi-driver");//必须抛出BlockException才会生效
}
driver.setName(driver.getName()+",IP="+ip);
return driver;
}
此时需要注意， defaultFallback 属性指定的方法入参必须为空，最多可以增加一个异常对象。
我们访问 http://localhost:18081/driver/info/3 效果如下：
1.3.2 限流降级规则
Sentinel支持多种限流规则，规则我们可以在代码中直接定义，规则属性如下：
1.3.2.1 流量控制
理解上面规则的定义之后，我们可以通过调用FlowRuleManager.loadRules() 方法来用硬编码的方式定义流量控制规则。
1)QPS流量控制
我们先实现流量基于QPS控制，在 hailtaxi-driver 的 DriverApplication 启动类上添加如下方法加载限流规则，当 DriverApplication 初始化完成之后加载规则，代码如下：
/***
* 初始化规则
*/
@PostConstruct
private void initFlowQpsRule() {
//规则集合
List<FlowRule> rules = new ArrayList<FlowRule>();
//定义一个规则
FlowRule rule = new FlowRule("info");
// 设置阈值
rule.setCount(2);
//设置限流阈值类型
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);//QPS控制
//default，代表不区分调用来源
rule.setLimitApp("default");
//将定义的规则添加到集合中
rules.add(rule);
//加载规则
FlowRuleManager.loadRules(rules);
}
我们访问 http://localhost:18081/driver/info/1 此时不会抛出异常，但是频繁刷新，则会调用降级方法，效果如下：
2)线程数流量控制
我们修改限流阈值类型，代码如下：
@PostConstruct
private void initFlowQpsRule() {
//规则集合
List<FlowRule> rules = new ArrayList<FlowRule>();
//定义一个规则
FlowRule rule = new FlowRule("info");
// 设置阈值
rule.setCount(2);
//设置限流阈值类型
//rule.setGrade(RuleConstant.FLOW_GRADE_QPS);//QPS控制
rule.setGrade(RuleConstant.FLOW_GRADE_THREAD);//线程数控制
//default，代表不区分调用来源
rule.setLimitApp("default");
//将定义的规则添加到集合中
rules.add(rule);
//加载规则
FlowRuleManager.loadRules(rules);
}
此时再来访问 http://localhost:18081/driver/info/1 我们发现用浏览器无论怎么访问都不会出现降级现象，但是如果用Jmeter模拟多个线程，效果就不一样了,效果如下：
1.3.2.2 熔断降级
熔断降级规则包含下面几个重要的属性：
同一个资源可以同时有多个降级规则。理解上面规则的定义之后，我们可以通过调用DegradeRuleManager.loadRules() 方法来用硬编码的方式定义流量控制规则，在DriverApplication 规则定义如下：
@PostConstruct
private void initDegradeRule() {
//降级规则集合
List<DegradeRule> rules = new ArrayList<DegradeRule>();
//降级规则对象
DegradeRule rule = new DegradeRule();
//设置资源
rule.setResource("info");
//设置触发降级阈值
rule.setCount(2);
//熔断降级策略，支持慢调用比例/异常比例/异常数策略
//DEGRADE_GRADE_RT:平均响应时间
//DEGRADE_GRADE_EXCEPTION_RATIO:异常比例数量
//DEGRADE_GRADE_EXCEPTION_COUNT:异常数
rule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT);
//熔断窗口时长，单位为 s
rule.setTimeWindow(10);
//将规则添加到集合中
rules.add(rule);
//加载规则
DegradeRuleManager.loadRules(rules);
}
我们来测试一下平均响应时间,在程序中休眠10秒中，再执行访问，代码如下：
测试效果如下：
我们可以发现只有2个访问是成功的，并且熔断降级10秒钟之后才可接着访问该方法。
1.3.2.3 系统自我保护
Sentinel 系统自适应限流从整体维度对应用入口流量进行控制，结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS 和并发线程数等几个维度的监控指标，通过自适应的流控策略，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。
系统规则包含下面几个重要的属性：
理解上面规则的定义之后，我们可以通过调用SystemRuleManager.loadRules() 方法来用硬编码的方式定义流量控制规则。
在 hailtaxi-driver 的 DriverApplication 中创建如下方法，代码如下：
/***
* 系统自我保护
*/
@PostConstruct
private void initSystemRule() {
//系统自我保护集合
List<SystemRule> rules = new ArrayList<>();
//创建系统自我保护规则
SystemRule rule = new SystemRule();
//CPU使用率 值为0-1,-1 (不生效)
rule.setHighestCpuUsage(0.2);
//所有入口资源的 QPS,-1 (不生效)
rule.setQps(10);
//入口流量的最大并发数,-1 (不生效)
rule.setMaxThread(5);
//所有入口流量的平均响应时间,单位：秒,-1 (不生效)
rule.setAvgRt(5);
//load1 触发值，用于触发自适应控制阶段,系统最高负载，建议取值 CPU cores * 2.5
rule.setHighestSystemLoad(20);
//将规则加入到集合
rules.add(rule);
SystemRuleManager.loadRules(rules);
}
我们可以测试CPU使用率自我保护，如下效果
https://www.jianshu.com/p/3668cc1bf24a
1.3.2.4 热点数据
何为热点？热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。比如：
1:商品 ID 为参数，统计一段时间内最常购买的商品 ID 并进行限制
2:用户 ID 为参数，针对一段时间内频繁访问的用户 ID 进行限制
热点参数限流会统计传入参数中的热点参数，并根据配置的限流阈值与模式，对包含热点参数的资源调用进行限流。热点参数限流可以看做是一种特殊的流量控制，仅对包含热点参数的资源调用生效。
Sentinel 利用 LRU 策略统计最近最常访问的热点参数，结合令牌桶算法来进行参数级别的流控。热点参数限流支持集群模式。
要使用热点参数限流功能，需要引入以下依赖：
<dependency>
<groupId>com.alibaba.cspgroupId>
<artifactId>sentinel-parameter-flow-controlartifactId>
<version>1.8.1version>
dependency>
然后为对应的资源配置热点参数限流规则，并在 entry 的时候传入相应的参数，即可使热点参数限流生效。
热点参数规则（ ParamFlowRule ）类似于流量控制规则（ FlowRule ）：
clusterMode 是否是集群参数流控规则 false
clusterConfig 集群流控相关配置
我们可以创建一个司机筛选方法，比如根据城市来筛选，在 DriverController 中创建一个方法
/***
* 搜素指定城市的司机
*/
@SentinelResource(value = "search")
@GetMapping(value = "/search/{city}")
public Driver search(@PathVariable(value = "city")String city){
System.out.println("查询的司机所在城市："+city);
//假设查询到了一个司机信息
Driver driver = new Driver();
driver.setName("张三");
driver.setId("No.1");
return driver;
}
我们可以对热门参数比如下标为0的参数流量进行控制，对热点数据执行特殊限流，比如参数值为 tj 的时候执行限流，在 DriverApplication 中创建限流配置，代码如下：
/***
* 系统自我保护
*/
@PostConstruct
private void initSystemRule() {
//系统自我保护集合
List<SystemRule> rules = new ArrayList<>();
//创建系统自我保护规则
SystemRule rule = new SystemRule();
//CPU使用率 值为0-1,-1 (不生效)
rule.setHighestCpuUsage(0.2);
//所有入口资源的 QPS,-1 (不生效)
rule.setQps(10);
//入口流量的最大并发数,-1 (不生效)
rule.setMaxThread(5);
//所有入口流量的平均响应时间,单位：秒,-1 (不生效)
rule.setAvgRt(5);
//load1 触发值，用于触发自适应控制阶段,系统最高负载，建议取值 CPU cores * 2.5
rule.setHighestSystemLoad(20);
//将规则加入到集合
rules.add(rule);
SystemRuleManager.loadRules(rules);
}
我们访问 http://localhost:18081/driver/search/shenzhen 的时候，连续执行5次，才会限流，效果如下：
我们访问 http://localhost:18081/driver/search/tj 的时候，连续执行2次，就会限流，效果如下：
1.3.3 OpenFeign支持
Sentinel 适配了 Feign 组件。如果想使用，除了引入 spring-cloud-starter-alibaba-sentinel 的依赖外还需要 2 个步骤：
1:配置文件打开 Sentinel 对 Feign 的支持：feign.sentinel.enabled=true
2:加入 spring-cloud-starter-openfeign 依赖使 Sentinel starter 中的自动化配置类生效
在上面案例中，我们可以实现用户打车成功调用 hailtaxi-order 执行下单，并且通过feign调用hailtaxi-driver 修改司机状态，此时我们可以使用Sentinel实现Feign调用降级、限流。
我们把之前的案例中 @SentinelResource 相关注解全部注释掉，再实现Feign集成。
在 hailtaxi-driver 中引入 OpenFeign 依赖，配置如下：
<dependency>
<groupId>com.alibaba.cloudgroupId>
<artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
<version>2.2.5.RELEASEversion>
dependency>
<dependency>
<groupId>org.springframework.cloudgroupId>
<artifactId>spring-cloud-starter-openfeignartifactId>
dependency>
还需要在Feign调用客户端（也就是 hailtaxi-order ）中开启Feign的支持，配置如下：
feign:
compression:
request:
enabled: true # 开启请求压缩
mime-types: text/html,application/xml,application/json # 设置压缩的数据类型
min-request-size: 2048 # 设置触发压缩的大小下限
#以上数据类型，压缩大小下限均为默认值
response:
enabled: true # 开启响应压缩
#开启Sentinel对Feign的支持
sentinel:
enabled: true
为了测试程序异常能实现降级操作，我们在 hailtaxi-order 中将 OrderInfoController.add() 方法的司机ID改成一个不存在的司机ID，让程序报错，测试降级处理，代码如下：
1.3.3.1 fallback
我们可以为Feign接口创建一个实现类，在实现类中处理程序异常降级处理方法，代码如下：
@Component
public class DriverFeignFallback implements DriverFeign {
/**
* status()降级处理方法
*/
@Override
public Driver status(String id, Integer status) {
Driver driver = new Driver();
driver.setId(id);
driver.setStatus(status);
driver.setName("系统比较繁忙，请您稍后再试！");
return driver;
}
}
我们还需要在Feign接口上添加 fallback 属性指定讲解处理的类，代码如下：
@FeignClient(value = "hailtaxi-driver",fallback = DriverFeignFallback.class)
此时运行，会发生如下问题：
parseAndValidatateMetadata(Ljava/lang/Class;)Ljava/util/List;
出现上面问题的主要原因是当前SpringCloud版本存在问题。Hoxton.SR1 中， fegin.context 接口方法的定义为parseAndValidatateMetadata Hoxton.SR3中， fegin.context 接口方法的定义为 parseAndValidateMetadata
我们现在需要把 Hoxton.SR1 换成 Hoxton.SR3 ，因此需要在 hailtaxi-parent 修改SpringCloud版本：
将 SpringCloud 版本升级至 Hoxton.SR3 同时将 SpringBoot 版本升级至 2.2.10 ，如上图：
此时我们测试，效果如下：
1.3.3.2 fallbackFactory
我们可以为Feign接口创建一个降级处理的工厂对象，在工厂对象中处理程序异常降级处理方法，代码如下：
@Component
public class DriverFeignFallbackFactory implements FallbackFactory<DriverFeign> {
@Override
public DriverFeign create(Throwable throwable) {
return new DriverFeign() {
/**
* status()降级处理方法
*/
@Override
public Driver status(String id, Integer status) {
Driver driver = new Driver();
driver.setId(id);
driver.setStatus(status);
driver.setName("系统比较繁忙，请您稍后再试！");
return driver;
}
};
}
}
我们还需要在Feign接口上添加 fallbackFactory 属性指定讲解处理的类，代码如下：
@FeignClient(value = "hailtaxi-driver",fallbackFactory = DriverFeignFallbackFactory.class)
此时我们测试，效果如下：
2 Sentinel集成Gateway
我们的项目流量入口是 SpringCloud Gateway ，因此我们重点讲解Sentinel集成 Gateway 。
2.1 Sentinel对网关支持
Sentinel 支持对 Spring Cloud Gateway、Zuul 等主流的 API Gateway 进行限流。
Sentinel 1.6.0 引入了 Sentinel API Gateway Adapter Common 模块，此模块中包含网关限流的规则和自定义 API 的实体和管理逻辑：
- GatewayFlowRule ：网关限流规则，针对 API Gateway 的场景定制的限流规则，可以针对不同 route 或自定义的API 分组进行限流，支持针对请求中的参数、Header、来源 IP 等进行定制化的 限流。
- ApiDefinition ：用户自定义的 API 定义分组，可以看做是一些 URL 匹配的组合。比如我们可以 定义一个 API 叫my_api ，请求 path 模式为 /foo/ 和 /baz/的都归到 my_api 这个 API分组下面。限流的时候可以针对这个自定义的 API 分组维度进行限流。
其中网关限流规则 GatewayFlowRule 的字段解释如下：
- resource ：资源名称，可以是网关中的 route 名称或者用户自定义的 API 分组名称。
- resourceMode ：规则是针对 API Gateway 的 route（RESOURCE_MODE_ROUTE_ID）还是用户在Sentinel 中定义的 API 分组（ RESOURCE_MODE_CUSTOM_API_NAME ），默认是route。
- grade ：限流指标维度，同限流规则的 grade 字段。
- count ：限流阈值
- intervalSec ：统计时间窗口，单位是秒，默认是 1 秒。
- controlBehavior ：流量整形的控制效果，同限流规则controlBehavior 字段，目前支持快速失败和匀速排队两种模式，默认是快速失败。
- burst ：应对突发请求时额外允许的请求数目。
- maxQueueingTimeoutMs ：匀速排队模式下的最长排队时间，单位是毫秒，仅在匀速排队模式下生效。
- paramItem
：参数限流配置。若不提供，则代表不针对参数进行限流，该网关规则将会被转换成普通流控规则；否则会转换成热点规则。其中的字段：
parseStrategy ：从请求中提取参数的策略，目前支持提取来源
IP（ PARAM_PARSE_STRATEGY_CLIENT_IP ）、Host（ PARAM_PARSE_STRATEGY_HOST ）、 任意 Header（ PARAM_PARSE_STRATEGY_HEADER ）和任意 URL 参数
（ PARAM_PARSE_STRATEGY_URL_PARAM ）四种模式。
fieldName ：若提取策略选择 Header 模式或 URL 参数模式，则需要指定对应的 header 名称或 URL 参数名称。
pattern ：参数值的匹配模式，只有匹配该模式的请求属性值会纳入统计和流控；若为空则 统计该请求属性的所有值。（1.6.2 版本开始支持）
matchStrategy ：参数值的匹配策略，目前支持精确匹配
（ PARAM_MATCH_STRATEGY_EXACT ）、子串匹配（PARAM_MATCH_STRATEGY_CONTAINS ）和正则匹配（PARAM_MATCH_STRATEGY_REGEX ）。（1.6.2 版本开始支持）
用户可以通过 GatewayRuleManager.loadRules(rules) 手动加载网关规则，或通过 GatewayRuleManager.register2Property(property) 注册动态规则源动态推送（推荐方式）。
2.2 集成Sentinel
我们如果想要让微服务网关集成Sentinel，需要引入依赖包，使用时只需注入对应的SentinelGatewayFilter 实例以及 SentinelGatewayBlockExceptionHandler 实例即可。
首先在 hailtaxi-gateway 中引入如下依赖:
<dependency>
<groupId>com.alibaba.cspgroupId>
<artifactId>sentinel-spring-cloud-gateway-adapterartifactId>
<version>1.8.1version>
dependency>
实例引入：创建配置类 com.itheima.config.GatewayConfiguration :
@Configuration
public class GatewayConfiguration {
private final List<ViewResolver> viewResolvers;
private final ServerCodecConfigurer serverCodecConfigurer;
public GatewayConfiguration(ObjectProvider<List<ViewResolver>> viewResolversProvider,
ServerCodecConfigurer serverCodecConfigurer) {
this.viewResolvers = viewResolversProvider.getIfAvailable(Collections::emptyList);
this.serverCodecConfigurer = serverCodecConfigurer;
}
@Bean
@Order(Ordered.HIGHEST_PRECEDENCE)
public SentinelGatewayBlockExceptionHandler sentinelGatewayBlockExceptionHandler() {
// Register the block exception handler for Spring Cloud Gateway.
return new SentinelGatewayBlockExceptionHandler(viewResolvers, serverCodecConfigurer);
}
@Bean
@Order(-1)
public GlobalFilter sentinelGatewayFilter() {
return new SentinelGatewayFilter();
}
此时集成就完成了。
2.3 配置/API定义
1)API定义
正如前面所说， ApiDefinition 用户自定义的 API 定义分组，可以看做是一些 URL 匹配的组合。比如我们可以定义一个 API 叫 my_api ，请求 path 模式为 /foo/** 和 /baz/** 的都归到 my_api 这个API 分组下面。限流的时候可以针对这个自定义的 API 分组维度进行限流。
我们在配置类 com.itheima.config.GatewayConfiguration 创建Api
/***
* Api定义
*/
private void initCustomizedApis() {
//Api集合
Set<ApiDefinition> definitions = new HashSet<ApiDefinition>();
ApiDefinition cartApi = new ApiDefinition("hailtaxi_driver_api")
.setPredicateItems(new HashSet<ApiPredicateItem>() {{
add(new ApiPathPredicateItem().setPattern("/driver/**"));
add(new ApiPathPredicateItem().setPattern("/car/model/**"));
add(new ApiPathPredicateItem().setPattern("/trip/message")
//参数值的匹配策略
// 精确匹配（PARAM_MATCH_STRATEGY_EXACT）
// 子串匹配（PARAM_MATCH_STRATEGY_CONTAINS）
// 正则匹配（PARAM_MATCH_STRATEGY_REGEX）
.setMatchStrategy(SentinelGatewayConstants.URL_MATCH_STRATEGY_PREFIX));
}});
definitions.add(cartApi);
//加载Api
GatewayApiDefinitionManager.loadApiDefinitions(definitions);
}
2)规则创建
GatewayFlowRule 网关限流规则，针对 API Gateway 的场景定制的限流规则，可以针对不同 route或自定义的 API 分组进行限流，支持针对请求中的参数、Header、来源 IP 等进行定制化的限流。
我们在配置类 com.itheima.config.GatewayConfiguration 创建配置：
/***
* 规则定义
*/
private void initGatewayRules() {
//网关限流规则
Set<GatewayFlowRule> rules = new HashSet<GatewayFlowRule>();
//商品微服务规则配置
//资源名称，可以是网关中的 route 名称或者用户自定义的 API 分组名称
rules.add(new GatewayFlowRule("hailtaxi-order")
//限流阈值
.setCount(2)
//应对突发请求时额外允许的请求数目。
.setBurst(2)
//统计时间窗口，单位是秒，默认是 1 秒。
.setIntervalSec(1)
//限流行为
//CONTROL_BEHAVIOR_RATE_LIMITER 匀速排队
//CONTROL_BEHAVIOR_DEFAULT 快速失败(默认)
.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER)
//匀速排队模式下的最长排队时间，单位是毫秒，仅在匀速排队模式下生效。
.setMaxQueueingTimeoutMs(1000)
);
//API 【mall_cart_api】限流配置
rules.add(new GatewayFlowRule("hailtaxi_driver_api")
//限流阈值
.setCount(3)
//统计时间窗口，单位是秒，默认是 1 秒。
.setIntervalSec(1)
);
//加载网关规则
GatewayRuleManager.loadRules(rules);
}
3)配置/Api加载
上面两个方法创建了API并且创建了配置，但并没有在程序启动加载，我们可以采用 @PostConstruct注解实现加载调用，在com.itheima.config.GatewayConfiguration 中创建方法：
/***
* 初始化加载Api和规则
*/
@PostConstruct
public void doInit() {
initCustomizedApis();
initGatewayRules();
}
3 Sentinel控制台
Sentinel 控制台是流量控制、熔断降级规则统一配置和管理的入口，它为用户提供了机器自发现、簇点链路自发现、监控、规则配置等功能。在 Sentinel 控制台上，我们可以配置规则并实时查看流量控制效果。
3.1 Sentinel控制台安装
Sentinel 提供一个轻量级的开源控制台，它提供机器发现以及健康情况管理、监控（单机和集群），规则管理和推送的功能。
Sentinel 控制台包含如下功能:
查看机器列表以及健康情况：收集 Sentinel 客户端发送的心跳包，用于判断机器是否在线。
监控 (单机和集群聚合)：通过 Sentinel 客户端暴露的监控 API，定期拉取并且聚合应用监控信息，最终可以实现秒级的实时监控。
规则管理和推送：统一管理推送规则。
鉴权：生产环境中鉴权非常重要。这里每个开发者需要根据自己的实际情况进行定制。
Sentinel控制台安装可以基于jar包启动的方式安装，也可以基于docker安装，为了方便操作，我们这里采用docker安装方式：
docker run --name=sentinel-dashboard -d -p 8858:8858 -d --restart=always bladex/sentinel-dashboard
安装好了后，我们可以直接访问 http://192.168.211.145:8858 访问控制台，默认用户名和密码都是sentinel ：
登录后，效果如下：
客户端需要引入 Transport 模块来与 Sentinel 控制台进行通信，可以通过 pom.xml 引入 JAR 包:
<dependency>
<groupId>com.alibaba.cspgroupId>
<artifactId>sentinel-transport-simple-httpartifactId>
<version>x.y.zversion>
dependency>
如果是SpringBoot工程接入Sentinel，可以直接引入如下依赖包：
<dependency>
<groupId>com.alibaba.cloudgroupId>
<artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
<version>2.2.5.RELEASEversion>
dependency>
3.2 接入控制台
我们将Gateway微服务网关接入Sentinel控制台，首先引入依赖包：
<dependency>
<groupId>com.alibaba.cloudgroupId>
<artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
<version>2.2.5.RELEASEversion>
dependency>
在核心配置文件中配置Sentinel服务地址
spring:
cloud:
sentinel:
transport:
port: 8719
dashboard: 192.168.211.145:8858
这里的 spring.cloud.sentinel.transport.port 端口配置会在应用对应的机器上启动一个 HttpServer，该 Server 会与 Sentinel 控制台做交互，比如限流规则拉取。
此时我们出发一些请求操作，再看Sentinel控制台会多一个服务监控：
3.3 可视化管理
3.31 实时监控
同一个服务下的所有机器的簇点信息会被汇总，并且秒级地展示在"实时监控"下。
注意: 实时监控仅存储 5 分钟以内的数据，如果需要持久化，需要通过调用实时监控接口来定制
githup教程
如果要获取监控数据，直接调用 http://localhost:8719/clusterNode 即可获取，效果如下：
3.3.2 流控规则
我们可以在【流控规则】页面中新增，点击【流控规则】进入页面新增页面，如下图：
资源名：其实可以和请求路径保持一致，这里的流控模式为QPS，触发流控执行阈值为1，流控模式为让当前请求的资源快速直白。
我们测试效果如下：
这里的参数和我们程序中的参数其实是一样的，如下说明：
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）
流控效果和程序中也是一样的：
快速失败：
当QPS超过任何规则的阈值后，新的请求就会立即拒绝，拒绝方式为抛出FlowException . 这种方 式适用于对系统处理能力确切已知的情况下，比如通过压测确定了系统的准确水位时。
Warm Up：
当系统长期处理低水平的情况下，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的上限，给系统一个预热的时 间，避免冷系统被压垮。
排队等待：
匀速排队严格控制请求通过的时间间隔，也即是让请求以均匀的速度通过，对应的是漏桶算法。
3.3.3 降级规则
我们可以选择 降级规则>新增降级规则 ，如下图：
降级规则的熔断策略有3种，分别是慢调用比例、异常比例、异常数，和程序中是一样的。
3.3.4 热点数据
热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。