Sentinel 流量防卫兵-SpringCloudAlibaba No.4

Posted 2022-05-09 Fire king

这里写目录标题

• 安装与部署
• • 1.下载
  • 2.配置idea启动
  • 3.需要的微服务加上依赖
  • 4.需要的微服务的配置文件
• 流量控制
• • 1.小试牛刀
  • 2.链路模式:
  • • 1.一视同仁
    • 2.区别对待
    • 3.其他流控模式刻自行参悟
• 限流和异常处理
• • 1.controller
  • 2.配置文件
  • 3.更加细粒度限流异常处理-方法级别
  • • 1.需要限流的方法
    • 2.其他异常处理
  • 4.热点参数限流
  • • 1.controller
• 服务熔断和降级
• • 1.Sentinel中如何进行熔断和降级操作
  • 2.慢调用比例：
  • 3.异常比例：
  • 4.异常数：
• Feign支持Sentinel
• • 1.需要的服务在配置文件中的配置
  • 2.创建实现类

安装与部署

1.下载

github

2.配置idea启动

启动之后，就可以访问到Sentinel的监控页面了，用户名和密码都是sentinel，地址：http://localhost:8858/#/dashboard

3.需要的微服务加上依赖

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

4.需要的微服务的配置文件

注意对齐方式

spring:
  application:
    name: userservice
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848
    sentinel:
      transport:
          # 添加监控页面地址即可
        dashboard: localhost:8858

其实重点是这段：

 sentinel:
      transport:
          # 添加监控页面地址即可
        dashboard: localhost:8858

现在启动我们的服务，然后访问一次服务，这样Sentinel中就会存在信息了（懒加载机制，不会一上来就加载）：

流量控制

1.小试牛刀

打开管理页面的簇点链路模块：

这里演示对我们的借阅接口进行限流，点击流控，会看到让我们添加流控规则：

• 阈值类型：QPS就是每秒钟的请求数量，并发线程数是按服务当前使用的线程数据进行统计的。
• 流控模式：当达到阈值时，流控的对象，这里暂时只用直接。
• 流控效果：就是我们上面所说的三种方案。

这里我们选择QPS、阈值设定为1，流控模式选择直接、流控效果选择快速失败，可以看到，当我们快速地进行请求时，会直接返回失败信息：

2.链路模式:

1.一视同仁

我们可以对某一个方法进行限流控制，无论是谁在何处调用了它，这里需要使用到@SentinelResource，一旦方法被标注，那么就会进行监控，比如我们这里创建两个请求映射，都来调用Service的被监控方法：

@RestController
public class BorrowController 

    @Resource
    BorrowService service;

    @RequestMapping("/borrow/uid")
    UserBorrowDetail findUserBorrows(@PathVariable("uid") int uid)
        return service.getUserBorrowDetailByUid(uid);
    

    @RequestMapping("/borrow2/uid")
    UserBorrowDetail findUserBorrows2(@PathVariable("uid") int uid)
        return service.getUserBorrowDetailByUid(uid);
    

@SentinelResource("getBorrow")中的getBorrow可以看作是getUserBorrowDetailByUid方法的资源名。

@Service
public class BorrowServiceImpl implements BorrowService

    @Resource
    BorrowMapper mapper;

    @Resource
    UserClient userClient;

    @Resource
    BookClient bookClient;

    @Override
    @SentinelResource("getBorrow")   //监控此方法，无论被谁执行都在监控范围内，这里给的value是自定义名称，这个注解可以加在任何方法上，包括Controller中的请求映射方法，跟HystrixCommand贼像
    public UserBorrowDetail getUserBorrowDetailByUid(int uid) 
        List<Borrow> borrow = mapper.getBorrowsByUid(uid);
        User user = userClient.getUserById(uid);
        List<Book> bookList = borrow
                .stream()
                .map(b -> bookClient.getBookById(b.getBid()))
                .collect(Collectors.toList());
        return new UserBorrowDetail(user, bookList);
    

spring:
  application:
    name: borrowservice
  cloud:
    sentinel:
      transport:
        dashboard: localhost:8858
      # 关闭Context收敛，这样被监控方法可以进行不同链路的单独控制
      web-context-unify: false

然后我们在Sentinel控制台中添加流控规则，注意是针对此方法，可以看到已经自动识别到borrow接口下调用了这个方法：

最后我们在浏览器中对这两个接口都进行测试，会发现，无论请求哪个接口，只要调用了Service中的getUserBorrowDetailByUid这个方法，都会被限流。注意限流的形式是后台直接抛出异常，至于怎么处理我们后面再说。

2.区别对待

那么这个链路选项实际上就是决定只限流从哪个方向来的调用，比如我们只对borrow2这个接口对getUserBorrowDetailByUid方法的调用进行限流，那么我们就可以为其指定链路：

然后我们会发现，限流效果只对我们配置的链路接口有效，而其他链路是不会被限流的。

除了直接对接口进行限流规则控制之外，我们也可以根据当前系统的资源使用情况，决定是否进行限流：

3.其他流控模式刻自行参悟

限流和异常处理

1.controller

@RequestMapping("/blocked")
JSONObject blocked()
    JSONObject object = new JSONObject();
    object.put("code", 403);
    object.put("success", false);
    object.put("massage", "您的请求频率过快，请稍后再试！");
    return object;

2.配置文件

spring:
  cloud:
    sentinel:
      transport:
        dashboard: localhost:8858
      # 将刚刚编写的请求映射设定为限流页面
      block-page: /blocked

这样，当被限流时，就会被重定向到指定页面：

3.更加细粒度限流异常处理-方法级别

1.需要限流的方法

@Override
@SentinelResource(value = "getBorrow", blockHandler = "blocked")   //指定blockHandler，也就是被限流之后的替代解决方案，这样就不会使用默认的抛出异常的形式了
public UserBorrowDetail getUserBorrowDetailByUid(int uid) 
    List<Borrow> borrow = mapper.getBorrowsByUid(uid);
    User user = userClient.getUserById(uid);
    List<Book> bookList = borrow
            .stream()
            .map(b -> bookClient.getBookById(b.getBid()))
            .collect(Collectors.toList());
    return new UserBorrowDetail(user, bookList);


//替代方案，注意参数和返回值需要保持一致，并且参数最后还需要额外添加一个BlockException
public UserBorrowDetail blocked(int uid, BlockException e) 
    return new UserBorrowDetail(null, Collections.emptyList());

可以看到，一旦被限流将执行替代方案，最后返回的结果就是：

2.其他异常处理

注意blockHandler只能处理限流情况下抛出的异常，包括下面即将要介绍的热点参数限流也是同理，如果是方法本身抛出的其他类型异常，不在管控范围内，但是可以通过其他参数进行处理：

@RequestMapping("/test")
@SentinelResource(value = "test",
        fallback = "except",    //fallback指定出现异常时的替代方案
        exceptionsToIgnore = IOException.class)  //忽略那些异常，也就是说这些异常出现时不使用替代方案
String test()
    throw new RuntimeException("HelloWorld！");


//替代方法必须和原方法返回值和参数一致，最后可以添加一个Throwable作为参数接受异常
String except(Throwable t)
    return t.getMessage();

这样，其他的异常也可以有替代方案了：

特别注意这种方式会在没有配置blockHandler的情况下，将Sentinel机制内（也就是限流的异常）的异常也一并处理了，如果配置了blockHandler，那么在出现限流时，依然只会执行blockHandler指定的替代方案（因为限流是在方法执行之前进行的）
另外，实践领悟：

• contoller级别会覆盖方法级别限流代替方案
• 方法级别代替方案，如果对controller级别设置流控规则，出现的是默认代替方案而不是自定义的

4.热点参数限流

我们还可以对某一热点数据进行精准限流，比如在某一时刻，不同参数被携带访问的频率是不一样的：

• http://localhost:8301/test?a=10 访问100次
• http://localhost:8301/test?b=10 访问0次
• http://localhost:8301/test?c=10 访问3次

由于携带参数a的请求比较多，我们就可以只对携带参数a的请求进行限流。

这里我们创建一个新的测试请求映射：数限流

1.controller

@RequestMapping("/test")
@SentinelResource("test")   //注意这里需要添加@SentinelResource才可以，用户资源名称就使用这里定义的资源名称
String findUserBorrows2(@RequestParam(value = "a", required = false) int a,
                        @RequestParam(value = "b", required = false) int b,
                        @RequestParam(value = "c",required = false) int c) 
    return "请求成功！a = "+a+", b = "+b+", c = "+c;

然后开始访问我们的测试接口，可以看到在携带参数a时，当访问频率超过设定值，就会直接被限流，这里是直接在后台抛出异常：

而我们使用其他参数或是不带a参数，那么就不会出现这种问题了：

除了直接对某个参数精准限流外，我们还可以对参数携带的指定值单独设定阈值，比如我们现在不仅希望对参数a限流，而且还希望当参数a的值为10时，QPS达到5再进行限流，那么就可以设定例外：

这样，当请求携带参数a，且参数a的值为10时，阈值将按照我们指定的特例进行计算。

服务熔断和降级

1.Sentinel中如何进行熔断和降级操作

打开管理页面，我们可以自由新增熔断规则：

其中，熔断策略有三种模式：

2.慢调用比例：

如果出现那种半天都处理不完的调用，有可能就是服务出现故障，导致卡顿，这个选项是按照最大响应时间（RT）进行判定，如果一次请求的处理时间超过了指定的RT，那么就被判定为慢调用，在一个统计时长内，如果请求数目大于最小请求数目，并且被判定为慢调用的请求比例已经超过阈值，将触发熔断。经过熔断时长之后，将会进入到半开状态进行试探（这里和Hystrix一致）

然后修改一下接口的执行，我们模拟一下慢调用：

@RequestMapping("/borrow2/uid")
UserBorrowDetail findUserBorrows2(@PathVariable("uid") int uid) throws InterruptedException 
    Thread.sleep(1000);
    return null;

重启，然后我们创建一个新的熔断规则：

可以看到，超时直接触发了熔断，进入到阻止页面：

3.异常比例：

这个与慢调用比例类似，不过这里判断的是出现异常的次数，与上面一样，我们也来进行一些小测试：

@RequestMapping("/borrow2/uid")
UserBorrowDetail findUserBorrows2(@PathVariable("uid") int uid) 
    throw new RuntimeException();

启动服务器，接着添加我们的熔断规则：

现在我们进行访问，会发现后台疯狂报错，然后就熔断了：

4.异常数：

这个和上面的唯一区别就是，只要达到指定的异常数量，就熔断，这里我们修改一下熔断规则：

现在我们再次不断访问此接口，可以发现，效果跟之前其实是差不多的，只是判断的策略稍微不同罢了：

Feign支持Sentinel

1.需要的服务在配置文件中的配置

使用Hystrix的时候，就可以直接对Feign的每个接口调用单独进行服务降级，而使用Sentinel，也是可以的，首先我们需要在配置文件中开启支持：

feign:
  sentinel:
    enabled: true

2.创建实现类

之后的步骤其实和之前是一模一样的，首先创建实现类：

@Component
public class UserClientFallback implements UserClient
    @Override
    public User getUserById(int uid) 
        User user = new User();
        user.setName("我是替代方案");
        return user;
    

然后直接启动就可以了，中途的时候我们吧用户服务全部下掉，可以看到正常使用替代方案：

这样Feign的配置就OK了，那么传统的RestTemplate呢？我们可以使用@SentinelRestTemplate注解实现：