Alibaba-技术专区-Sentinel FlowSlot 限流实现原理

Posted 2020-12-06 liboware

      Sentinel 触发限流的实现类为 FlowSlot。我们再来简单思考一下，要实现触发限流，至少需要完成如下几件事情：

• 收集实时调用信息。
• 设置触发限流规则
• 根据限流规则与调用信息来决定是否对请求进行限流等。

   如何收集实时调用信息在前面的文章中已详细介绍，请带着上述问题开始本节的探讨。

1、初始 FlowSlot

     我们先从 FlotSlot 类的注释来简单认识一下流量控制相关的内容。

• 根据已（NodeSelectorSlot、ClusterNodeBuilderSlot 和 StatisticSlot）收集的运行时统计信息，FlowSlot将使用预先设置的规则来决定是否应阻止传入请求。
• SphU.entry(resourceName)调用时，如果有任意一条规则被触发则会抛出 FlowException 异常，应用程序可捕捉该异常对业务进行定制化处理。
• 每一条流控规则(FlowRule)都包含三个要素：流控类别、基于调用链的流控制策略、限流后的处理行为(参考FlowRule相关的注释)。
• grade 流量控制的阈值类型
  可选值：QPS(基于QPS限流策略)、并发线程数。
• strategy 基于调用链的流控制策略
  可选值：STRATEGY_DIRECT(根据调用方限流策略)、STRATEGY_RELATE(关联流量限流策略)、STRATEGY_CHAIN(根据调用链入口限流策略)
• controlBehavior 流量控制后的采取的行为
  CONTROL_BEHAVIOR_DEFAULT(直接拒绝)、CONTROL_BEHAVIOR_WARM_UP(预热)、CONTROL_BEHAVIOR_RATE_LIMITER(匀速排队)、
  CONTROL_BEHAVIOR_WARM_UP_RATE_LIMITER(预热与匀速排队)。

 

2、FlowSlot 详解

2.1 FlowSlot 类图

   FlowSlot 的类图非常简单，内部持有一个成员变量，FlowRuleChecker，用来判断是否满足流控触发条件。

   在继续探讨 Sentinel 限流之前，我们先来了解一下 FlowRule，即认识一下 Sentinel 流控规则主要包含哪些配置项，为后续的流程做一个消息的准备。

2.2 FlowRule 配置项

 

FlowRule 的类体系如图所示：

其属性的含义如下：

 

• String resource
  资源的名称。
• String limitApp
  需要限制的调用来源，对应【新增流控规则界面】的针对来源。
• int grade
  流量控制的阈值类型，目前支持 QPS 与 并发线程数，对应 【新增流控规则界面】的阔值类型。
• int strategy
  基于调用链的流量控制策略，对应【新增流控规则界面】的流控模式，其可选取值在本文开头部分有详细介绍。
• String refResource
  关联资源或入口资源，当流控模式为关联或链路时配置的关联资源或入口资源，对应【新增流控规则界面】的【入口资源】
• int controlBehavior
  流量控制后的采取的行为，其可选取值在本文开头部分有详细介绍，对应【新增流控规则界面】的流控效果。
• int warmUpPeriodSec
  预热时间，如果 controlBehavior 设置为预热(warm up)时，可以配置其预热时间，在【新增流控规则界面】中选择 warm up 类型后，会增加一行，供用户配置，默认值 10s。
• int maxQueueingTimeMs
  最大超时时间，如果 controlBehavior 设置为排队等待时，等待的最大超时时间，默认为500ms。
• boolean clusterMode
  是否是集群限流模式，对应【新增流控规则界面】的是否集群。
• ClusterFlowConfig clusterConfig
  集群扩容相关配置，集群限流将在后续文章中重点介绍。

 

 

2.3 FlowSlot#entry 流程详解

 

FlowSlot#entry

public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count, boolean prioritized, Object... args) throws Throwable { // @1 checkFlow(resourceWrapper, context, node, count, prioritized); // @2 fireEntry(context, resourceWrapper, node, count, prioritized, args); // @3 }

代码@1：首先来解释一下该方法的参数：

 

• Context context
  当前 Sentinel 调用的上下文。
• ResourceWrapper resourceWrapper
  当前访问的资源。
• DefaultNode node
  当前上下文环境对应的节点。
• int count
  本次调用需要消耗的“令牌”个数
• boolean prioritized
  是否是高优先级。
• Object… args
  额外参数。

 

代码@2：调用 checkFlow ，根据配置的限流规则，结合实时统计信息，判断是否满足流控条件，如果满足，则触发流控，稍后会详细探讨该方法的实现原理。

代码@3：调用 fireEntry 继续沿着 slot 链进行传播。

     FlowSlot 的 checkFlow 方法在内部就是直接调用 FlowRuleChecker 的 checkFlow 方法，故我们将目光放到 FlowRuleChecker 中。

 

2.4 FlowRuleChecker checkFlow 方法详解

 

FlowRuleChecker#checkFlow

public void checkFlow(Function<String, Collection<FlowRule>> ruleProvider, ResourceWrapper resource, Context context, DefaultNode node, int count, boolean prioritized) throws BlockException { if (ruleProvider == null || resource == null) { return; } Collection<FlowRule> rules = ruleProvider.apply(resource.getName()); // @1 if (rules != null) { for (FlowRule rule : rules) { if (!canPassCheck(rule, context, node, count, prioritized)) { // @2 throw new FlowException(rule.getLimitApp(), rule); } } } }

代码@1：通过限流规则提供器获取与该资源相关的流控规则列表。

代码@2：然后遍历流控规则列表，通过调用 canPassCheck 方法来判断是否满足该规则设置的条件，如果满足流控规则，则抛出 FlowException，即只需要满足一个即结束校验。

接下来继续查看 canPassCheck 方法。

 

2.4.1 FlowRuleChecker canPassCheck 详解

 

public boolean canPassCheck(FlowRule rule, Context context, DefaultNode node, int acquireCount, boolean prioritized) { String limitApp = rule.getLimitApp(); if (limitApp == null) { // @1 return true; } if (rule.isClusterMode()) { // @2 return passClusterCheck(rule, context, node, acquireCount, prioritized); } return passLocalCheck(rule, context, node, acquireCount, prioritized); }

    代码@1：如果限流规则没有配置针对来源，则直接默认通过，该值在配置时，默认为 default，即对所有调用发起方都生效。

    代码@2：如果是集群限流模式，则调用 passClusterCheck，非集群限流模式则调用 passLocalCheck 方法，本文重点讲述单节点限流，集群限流模式将在后续文章中详细探讨。

FlowRuleChecker#passLocalCheck

private static boolean passLocalCheck(FlowRule rule, Context context, DefaultNode node, int acquireCount, boolean prioritized) { Node selectedNode = selectNodeByRequesterAndStrategy(rule, context, node); // @1 if (selectedNode == null) { return true; } return rule.getRater().canPass(selectedNode, acquireCount, prioritized); // @2 }

代码@1：首先根据流控模式(strategy)选择一个合适的 Node，看到这，大家可以思考一下，这一步骤的目的，如果为空，则直接返回 true，表示放行。

代码@2：调用 FlowRule 内部持有的流量控制器来判断是否符合流控规则，最终调用的是 TrafficShapingController canPass 方法。

那我们接下来分别对上述两个方法进行详细展开。

 

2.4.1.1 selectNodeByRequesterAndStrategy

 

FlowRuleChecker#selectNodeByRequesterAndStrategy static Node selectNodeByRequesterAndStrategy(FlowRule rule, Context context, DefaultNode node) { String limitApp = rule.getLimitApp(); int strategy = rule.getStrategy(); String origin = context.getOrigin(); // @1 if (limitApp.equals(origin) && filterOrigin(origin)) { // @2 if (strategy == RuleConstant.STRATEGY_DIRECT) { // Matches limit origin, return origin statistic node. return context.getOriginNode(); } return selectReferenceNode(rule, context, node); } else if (RuleConstant.LIMIT_APP_DEFAULT.equals(limitApp)) { // @3 if (strategy == RuleConstant.STRATEGY_DIRECT) { // Return the cluster node. return node.getClusterNode(); } return selectReferenceNode(rule, context, node); } else if (RuleConstant.LIMIT_APP_OTHER.equals(limitApp) && FlowRuleManager.isOtherOrigin(origin, rule.getResource())) { // @4 if (strategy == RuleConstant.STRATEGY_DIRECT) { return context.getOriginNode(); } return selectReferenceNode(rule, context, node); } return null; }

        在介绍该方法之前，先回答上文提到一个问题，我们知道，要判断是否满足了限流规则所配置的条件，一个重要的点就是要拿到当前的实时统计信息，通过上面介绍限流规则时提到 Sentinel 目前支持3种流控模式（直接、关联、链路），针对模式的不同，选择的实时统计数据的逻辑就应该不同，即该方法主要是根据流控策略找到对应的实时统计信息(Node)。

    代码@1：首先先介绍几个局部变量的含义：

 

• String limitApp
  该条限流规则针对的调用方。
• int strategy
  该条限流规则的流控策略。
• String origin
  本次请求的调用方，从当前上下文环境中获取，例如 dubbo 服务提供者，原始调用方为 dubbo 服务提供者的 application。

 

代码@2：如果限流规则配置的针对的调用方与当前请求实际调用来源匹配（并且不是 default、other)时的处理逻辑，其实现的要点：

 

• 如果流控模式为 RuleConstant.STRATEGY_DIRECT(直接)，则从 context 中获取源调用方所代表的 Node。
• 如果流控模式为 RuleConstant.STRATEGY_RELATE(关联)，则从集群环境中获取对应关联资源所代表的 Node，通过(ClusterBuilderSlot会收集每一个资源的实时统计信息，子集群限流时详细介绍)
• 如果流控模式为 RuleConstant.STRATEGY_CHAIN(调用链)，则判断当前调用上下文的入口资源与规则配置的是否一样，如果是，则返回入口资源对应的 Node，否则返回 null，注意：返回空则该条流控规则直接通过。【这部分代码，对应代码中的 selectReferenceNode 方法】

 

代码@3：如果流控规则针对的调用方(limitApp) 配置的为 default，表示对所有的调用源都生效，其获取实时统计节点(Node)的处理逻辑为：

 

• 如果流控模式为 RuleConstant.STRATEGY_DIRECT，则直接获取本次调用上下文环境对应的节点的ClusterNode。
• 如果是其他流控模式，与代码@2的获取逻辑一样，都是调用 selectReferenceNode 进行获取。

 

代码@4：如果流控规则针对的调用方为(other)，此时需要判断是否有针对当前的流控规则，只要存在，则这条规则对当前资源“失效”，如果针对该资源没有配置其他额外的流控规则，则获取实时统计节点(Node)的处理逻辑为：

 

• 如果流控模式为 RuleConstant.STRATEGY_DIRECT(直接)，则从 context 中获取源调用方所代表的 Node。
• 如果是其他流控模式，与代码@2的获取逻辑一样，都是调用 selectReferenceNode 进行获取。

 

从这里可以看出，流控规则针对调用方如果设置为 other，表示针对没有配置流控规则的资源。

根据流控策略选择合适的 Node 的逻辑就介绍到这里，如果没有选择到合适的 Node，则针对该流控规则，默认放行。

 

2.4.1.2 TrafficShapingController canPass

 

经过上一个步骤获取到对应的实时统计数据，接下来就是根据数据与流控规则，是否匹配。Sentinel 中用于实现流控规则的匹配其类体系如图所示：

由于篇幅的关系，本节只会以 DefaultController 来介绍其实现原理，对应【流控模式：快速失败】，由于篇幅的关系，其他两种流控模式将在下文详细探讨。
DefaultController#canPass

public boolean canPass(Node node, int acquireCount, boolean prioritized) { int curCount = avgUsedTokens(node); // @1 if (curCount + acquireCount > count) { // @2 if (prioritized && grade == RuleConstant.FLOW_GRADE_QPS) { // @3 long currentTime; long waitInMs; currentTime = TimeUtil.currentTimeMillis(); waitInMs = node.tryOccupyNext(currentTime, acquireCount, count); // @4 if (waitInMs < OccupyTimeoutProperty.getOccupyTimeout()) { // @5 node.addWaitingRequest(currentTime + waitInMs, acquireCount); node.addOccupiedPass(acquireCount); sleep(waitInMs); // @6 // PriorityWaitException indicates that the request will pass after waiting for {@link @waitInMs}. throw new PriorityWaitException(waitInMs); // @7 } } return false; // @8 } return true; // @9 }

代码@1：首先先解释一下两个局部变量的含义：

 

• int curCount
  当前已消耗的令牌数量，即当前时间窗口内已创建的线程数量(FLOW_GRADE_THREAD) 或已通过的请求个数(FLOW_GRADE_QPS)。
• double count
  流控规则中配置的阔值(即一个时间窗口中总的令牌个数)

 

代码@2：如果当前请求的令牌数加上已消耗的令牌数之和小于总令牌数，则直接返回true，表示通过，见代码@9;如果当前时间窗口剩余令牌数小于需要申请的令牌数，则需要根据是否有优先级进行不同的处理。

 

• 如果该请求存在优先级，即 prioritized 设置为 true，并且流控类型为基于QPS进行限流，则进入相关的处理逻辑，见代码@3~@8。
• 否则直接返回 false，最终会直接抛出 FlowException，即快速失败，应用方可以捕捉该异常，对其业务进行容错处理。

 

代码@4：尝试抢占下一个滑动窗口的令牌，并返回该时间窗口所剩余的时间，如果获取失败，则返回 OccupyTimeoutProperty.getOccupyTimeout() 值，该返回值的作用就是当前申请资源的线程将 sleep(阻塞)的时间。

代码@5：如果 waitInMs 小于抢占的最大超时时间，则在下一个时间窗口中增加对应令牌数，并且线程将sleep，见代码@6。

代码@7：这里不是很明白为什么等待 waitMs 之后，还需要抛出 PriorityWaitException，那这个prioritized 机制、可抢占下一个时间窗口的令牌有什么意义呢？应该是一个BUG吧。

 

3、总结

 

整个 FlowSlot 限流规则就介绍到这里了，为了更加直观的认识其限流的流程，下面给出一张流程图来对上面的源码分析进行一个总结。

该篇注重理论与实践相结合，在进行源码解读之前先从流控规则配置界面入手，代入感比较强，文章再提供一张流程图。

整个限流部分目前还有所欠缺的两个部分：
1、流程规则的存储与加载。
2、其他几种流控后行为(预热、匀速排队等实现原理)