SCA Sentinel 分布式系统的流量防控（一）
1、Sentinel 介绍
Sentinel是⼀个面向云原生微服务的流量控制、熔断降级组件。替代Hystrix，针对问题：服务雪崩、服务降级、服务熔断、服务限流。
Hystrix：
服务消费者（自动投递微服务）—>调用服务提供者（简历微服务），在调用方引入Hystrix—> 单独搞了一个Dashboard项目—>Turbine 。
- 自己搭建监控平台 dashboard
- 没有提供UI界面进行服务熔断、服务降级等配置（而是写代码，入侵了我们源程序环境）
Sentinel：
- 独立可部署Dashboard/控制台组件
- 减少代码开发，通过UI界面配置即可完成细粒度控制（自动投递微服务）
Sentinel 分为两个部分:
- 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。
- 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 具有以下特征:
- 丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，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。
Sentinel 的主要特性：
2、Sentinel 部署
下载地址：https://github.com/alibaba/Sentinel/releases我们使用v1.7.1
启动：java -jar sentinel-dashboard-1.7.1.jar
用户名/密码：sentinel/sentinel
3、服务改造
在我们已有的业务场景中，“自动投递微服务”调用了“简历微服务”，我们在自动投递微服务进行的熔断降级等控制，那么接下来我们改造自动投递微服务，引入Sentinel核心包。
为了不污染之前的代码，复制一个自动投递微服务 lagou-service-autodeliver-8098-sentinel
（1）pom.xml引入依赖
com.alibaba.cloud
spring-cloud-starter-alibaba-sentinel
（2）application.yml修改（配置sentinel dashboard，暴露断点依然要有，删除原有hystrix配置，删除原有OpenFeign的降级配置）
server:
port: 8098
spring:
application:
name: lagou-service-autodeliver
cloud:
nacos:
discovery:
server-addr: 127.0.0.1:8848,127.0.0.1:8849,127.0.0.1:8850
sentinel:
transport:
dashboard: 127.0.0.1:8080 # sentinel dashboard/console 地址
port: 8719 # sentinel会在该端口启动http server，那么这样的话，控制台定义的一些限流等规则才能发送传递过来，
#如果8719端口被占用，那么会依次+1
management:
endpoints:
web:
exposure:
include: "*"
# 暴露健康接口的细节
endpoint:
health:
show-details: always
#针对的被调用方微服务名称,不加就是全局生效
lagou-service-resume:
ribbon:
#请求连接超时时间
ConnectTimeout: 2000
#请求处理超时时间
##########################################Feign超时时长设置
ReadTimeout: 3000
#对所有操作都进行重试
OkToRetryOnAllOperations: true
####根据如上配置，当访问到故障请求的时候，它会再尝试访问一次当前实例（次数由MaxAutoRetries配置），
####如果不行，就换一个实例进行访问，如果还不行，再换一次实例访问（更换次数由MaxAutoRetriesNextServer配置），
####如果依然不行，返回失败信息。
MaxAutoRetries: 0 #对当前选中实例重试次数，不包括第一次调用
MaxAutoRetriesNextServer: 0 #切换实例的重试次数
NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule #负载策略调整
logging:
level:
# Feign日志只会对日志级别为debug的做出响应
com.lagou.edu.controller.service.ResumeServiceFeignClient: debug（3）上述配置之后，启动自动投递微服务，使用 Sentinel 监控自动投递微服务
此时我们发现控制台没有任何变化，因为懒加载，我们只需要发起一次请求触发即可
4、Sentinel 关键概念
| 概念名称 | 概念描述 |
| 资源 | 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。我们请求的API接⼝就是资源 |
| 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。 |
5、Sentinel 流量规则模块
系统并发能力有限，比如系统A的QPS支持1个，如果太多请求过来，那么A就应该进行流量控制了，比如其他请求直接拒绝 。
资源名：默认请求路径
针对来源：Sentinel可以针对调用者进行限流，填写微服务名称，默认default（不区分来源）
阈值类型/单机阈值：
QPS：（每秒钟请求数量）当调用该资源的QPS达到阈值时进行限流
线程数：当调用该资源的线程数达到阈值的时候进行限流（线程处理请求的时候，如果说业务逻辑执行时间很长，流量洪峰来临时，会耗费很多线程资源，这些线程资源会堆积，最终可能造成服务不可用，进一步上游服务不可用，最终可能服务雪崩）
是否集群：是否集群限流
流控模式：
- 直接：资源调用达到限流条件时，直接限流
- 关联：关联的资源调用达到阈值时候限流自己
- 链路：只记录指定链路上的流量
流控效果：
- 快速失败：直接失败，抛出异常
- Warm Up：根据冷加载因子（默认3）的值，从阈值/冷加载因⼦，经过预热时长，才达到设置的QPS阈值
- 排队等待：匀速排队，让请求匀速通过，阈值类型必须设置为QPS，否则无效
流控模式之关联限流
关联的资源调用达到阈值时候限流自己，比如用户注册接口，需要调用身份证校验接口（往往身份证校验接口），如果身份证校验接口请求达到阈值，使用关联，可以对用户注册接口进行限流。
package com.lagou.edu.controller;
import com.lagou.edu.controller.service.ResumeServiceFeignClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.text.SimpleDateFormat;
import java.util.Date;
@RestController
@RequestMapping("/user")
public class UserController {
/**
* 用户注册接口
* @return
*/
@GetMapping("/register")
public String register() {
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy/mm/dd HH:MM:ss");
System.out.println(simpleDateFormat.format(new Date()) + " Register success!");
return "Register success!";
}
/**
* 验证注册身份证接口
* @return
*/
@GetMapping("/validateID")
public String findResumeOpenState() {
System.out.println("validateID");
return "ValidateID success!";
}
}
模拟密集式请求/user/validateID验证接口，我们会发现/user/register接口也被限流了
流控模式之链路限流
链路指的是请求链路（调用链）
链路模式下会控制该资源所在的调用链路入口的流量。需要在规则中配置入口资源，即该调用链路入口的上下文名称。
一棵典型的调用树如下图所示：
上图中来自入口 Entrance1 和 Entrance2 的请求都调用到了资源 NodeA ，Sentinel 允许只根据某个调用入口的统计信息对资源限流。比如链路模式下设置入口资源为 Entrance1 来表示只有从入口 Entrance1 的调⽤才会记录到 NodeA 的限流统计当中，而不关心经 Entrance2 到来的调用。
流控效果之Warm up
当系统长期处于空闲的情况下，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，比如电商网站的秒杀模块。
通过 Warm Up 模式（预热模式），让通过的流量缓慢增加，经过设置的预热时间以后，到达系统处理请求速率的设定值。
Warm Up 模式默认会从设置的 QPS 阈值的 1/3 开始慢慢往上增加至 QPS 设置值。
流控效果之排队等待
排队等待模式下会严格控制请求通过的间隔时间，即请求会匀速通过，允许部分请求排队等待，通常用于消息队列削峰填谷等场景。需设置具体的超时时间，当计算的等待时间超过超时时间时请求就会被拒绝。
很多流量过来了，并不是直接拒绝请求，而是请求进行排队，一个一个匀速通过（处理），请求能等就等着被处理，不能等（等待时间>超时时间）就会被拒绝 。
例如，QPS 配置为 5，则代表请求每 200 ms 才能通过一个，多出的请求将排队等待通过。超时时间代表最大排队时间，超出最大排队时间的请求将会直接被拒绝。排队等待模式下，QPS 设置值不要超过 1000（请求间隔 1 ms）。