• 「SpringCloud Alibaba」Sentinel实现熔断与限流

    SpringCloud Alibaba—Sentinel实现熔断与限流

    笔记整理自【尚硅谷】周阳SpringCloud框架开发教程

    sentinel

    image-20220801123922304

    1. Sentinel简介

    image-20220911180022296

    image-20220911182331788

    一句话，Sentinel就是升级的Hystrix。

    Ⅰ. Sentinel是什么

    官网

    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 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。

    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、Apache Dubbo、gRPC、Quarkus 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。同时 Sentinel 提供 Java/Go/C++ 等多语言的原生实现。
    • 完善的 SPI 扩展机制：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。

    Ⅱ. Sentinel能做什么

    Sentinel 的主要特性

    image-20220911180854713

    Sentinel 的开源生态

    84338449-a9497e00-abce-11ea-8c6a-473fe477b9a1

    Ⅲ. Sentinel怎么使用

    官网使用教程

    服务使用中的各种问题

    • 服务雪崩
    • 服务降级
    • 服务熔断
    • 服务限流

    image-20220912164036036

    2. 安装Sentinel控制台

    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。

    安装步骤

    • 下载到本地：sentinel-dashboard-1.8.5.jar

    • 运行命令

      java -jar sentinel-dashboard-1.8.5.jar

      image-20220911190713671

      前提需要java8环境，且8080端口不能被占用。

    • 访问 http://localhost:8080，账号密码均为sentinel

      image-20220911190843148

      image-20220911190858598

    3. 初始化演示工程

    • 启动Nacos8848成功

      http://localhost:8848/nacos/#/login

    • 建Module

      cloudalibaba-sentinel-service8401

    • 改POM

      下面这3个依赖就是Nacos + Sentinel的标配

      
<dependency>
    <groupId>com.alibaba.cloudgroupId>
    <artifactId>spring-cloud-starter-alibaba-nacos-discoveryartifactId>
dependency>

<dependency>
    <groupId>com.alibaba.cspgroupId>
    <artifactId>sentinel-datasource-nacosartifactId>
dependency>

<dependency>
    <groupId>com.alibaba.cloudgroupId>
    <artifactId>spring-cloud-starter-alibaba-sentinelartifactId>
dependency>

      image-20220911195253560

      OpenFeign后面会用到。

    • 写YML

      image-20220911200017129

    • 主启动

      image-20220911195458276

    • 业务类

      FlowLimitController

      image-20220911195537131

    • 测试

      ➢ 启动Sentinel8080

      ➢ 启动微服务8401

      image-20220911200533305

      ➢ 查看sentienl控制台

      空空如也，啥都没有

      image-20220911200304391

      ➢ Sentinel采用的懒加载说明

      执行一次访问即可

      http://localhost:8401/testA

      http://localhost:8401/testB

      ➢ 效果

      image-20220911200508517

      Sentinel8080正在监控微服务8401。

    4. 流控规则

    Ⅰ. 基本介绍

    流量限制控制规则，分为：流控模式 和 流控效果

    image-20220911200931064

    解释说明

    image-20220917120421819

    Ⅱ. 流控模式

    1️⃣ 直接（默认）

    api达到限流条件时，直接限流

    • 直接 => 快速失败（系统默认）

    • 可以直接点击簇点链路添加流控

      image-20220911202031188

    • 配置及说明

      阈值类型为QPS

      表示1秒钟内查询1次就是OK，若超过次数1，就直接 => 快速失败，报默认错误

      image-20220911201722056

      image-20220911202155521

    • 测试

      ➢ 快速点击访问：http://localhost:8401/testA

      ➢ 结果

      Blocked by Sentinel (flow limiting)

      image-20220911202238429

      ➢ 思考

      直接调用默认报错信息，技术方面OK，但，是否应该有我们自己的后续处理？

      比如：类似有个fallback的兜底方法？

    扩展：阈值类型为线程数

    image-20220911203721192

    当调用该api的线程数达到阈值的时候，进行限流。

    与QPS直接快速失败不同的是，QPS情况下限制的是流量，比如银行的人流量只能是1人/s，也就是说每秒只能一个人进入银行办理业务；

    而线程数就好比银行只有一个窗口开放，一群人都可以进入银行，但是每次只能处理一个人的业务。

    • 演示效果

      修改一下8401的业务类：

      image-20220911203530361

    • 测试

      开两个页面访问：http://localhost:8401/testA

      同时抢占，一个直接快速失败，另一个在处理请求

      image-20220911204055752

    2️⃣ 关联

    当关联的资源达到阈值时，就限流自己

    • 当与A关联的资源B达到阀值后，就限流A自己
    • B惹事，A挂了

    • 配置A

      设置效果

      当关联资源/testB的qps阀值超过1时，就限流/testA的Rest访问地址，当关联资源到阈值后限制配置好的资源名。

      Ex：假如支付接口/testB即将瘫痪，那么限制下单接口/testA。

      image-20220911211056010

    • postman模拟并发密集访问testB

      image-20220911211657702

      ➢ 访问testB成功

      image-20220911211714090

      ➢ postman里新建多线程集合组

      image-20220911211731538

      ➢ 将访问地址添加进新新线程组

      image-20220911211738375

      ➢ Run

      image-20220911211744379

      大批量线程高并发访问B，导致A失效了。

      image-20220911220807109

    3️⃣ 链路

    多个请求调用了同一个微服务。

    只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。

    需要测试链路的话，Spring Cloud Alibaba 版本需要2.1.1.RELEASE以上，在父工程的pom中修改，不要直接在子odule的pom中修改，版本有对应关系，不然报错。

    <dependency>
    <groupId>com.alibaba.cloudgroupId>
    <artifactId>spring-cloud-alibaba-dependenciesartifactId>
    <version>2.1.1.RELEASEversion>
    <type>pomtype>
    <scope>importscope>
dependency>

    • Sentinel从1.6.3版本开始，Sentinel Web Filter 默认收敛所有的URL入口的Context，因此链路限流不生效

    • 1.7.0版本开始，官方在CommomFilter中引入了WEB_CONTEXT_UNIFY这个init parameter，用于控制是否收敛context，将其配置为false即可根据不同的URL进行链路限流

    • Spring Cloud Alibaba 在2.1.1.RELEASE版本后，可以通过配置spring.cloud.sentinel.web-context-unify=false关闭

    • 参考

      image-20220912112310710

    • 测试

      启动8401，给/testA设置链路 + 快速失败流控规则，入口资源填写/testA的入口资源地址sentinel_web_servlet_context：

      image.png

      然后再发送请求至 http://localhost:8401/testA 时，如果1秒内请求次数超过1次，就会自动触发限流。
      此外，通过其他微服务模块请求/testA时，如果1秒内请求次数超过1次，同样会触发限流。

      image-20220912112808877

      但是不会对/testB限制。

    • 解释

      实际上，链路的控制指的就是对一条链路的访问进行控制。

      比方说，我有一个二叉树：

      image-20220912113150350

      a => b => d，a => b => e，a => c => f，a => c => g 均可视作链路。

      假设我以a为入口资源，d为终点资源，对这条链路进行限制的话，则资源a，b，d均会被限制访问。

    Ⅲ. 流控效果

    1️⃣ 直接 => 快速失败（默认的流控处理）

    直接失败，抛出异常

    Blocked by Sentinel (flow limiting)

    • 源码

      com.alibaba.csp.sentinel.slots.block.flow.controller.DefaultController

    2️⃣ Warm Up 预热

    根据codeFactor（冷加载因子，默认3）的值，从阈值/codeFactor，经过预热时长，才达到设置的QPS阈值。

    • 公式：阈值除以coldFactor（默认值为3），经过预热时长后才会达到阈值。

    • 官网

      image-20220912105024044

      默认coldFactor为3，即请求 QPS 从 threshold / 3 开始，经预热时长逐渐升至设定的 QPS 阈值。

      限流 冷启动

    • 源码

      image-20220912105125511

    • Warm Up配置

      默认 coldFactor 为 3，即请求 QPS 从 (threshold / 3) 开始，经多少预热时长才逐渐升至设定的 QPS 阈值。

      案例，阀值为10，预热时长设置5秒。
      系统初始化的阀值为10 / 3 约等于3，即阀值刚开始为3；然后过了5秒后阀值才慢慢升高恢复到10。

      image-20220912105302802

    • 测试

      多次点击：http://localhost:8401/testB

      刚开始扛不住，后续慢慢的能抗住了：

      B

    • 应用场景

      如：秒杀系统在开启的瞬间，会有很多流量上来，很有可能把系统打死，预热方式就是把为了保护系统，可慢慢的把流量放进来，慢慢的把阀值增长到设置的阀值。

    3️⃣ 排队等待

    匀速排队，让请求以匀速的速度通过，阈值类型必须设置为QPS，否则无效。

    • 官网

      image-20220912114921704

    • 设置含义：/testA每秒1次请求，超过的话就排队等待，等待的超时时间为20000毫秒。

      image-20220912115418046

      匀速排队，阈值必须设置为QPS。

    • 源码

      com.alibaba.csp.sentinel.slots.block.flow.controller.RateLimiterController

    • 测试

      @GetMapping("/testB")
public String testB() {
    log.info(Thread.currentThread().getName() + "\t" + "...testB");
    return "-----testB";
}

      image-20220912114942209

      可以看到刚好满足1s一个请求，说明请求的执行进行了排队。

      image-20220912120005479

    5. 降级规则

    Ⅰ. 基本介绍

    官网

    Sentinel 熔断降级会在调用链路中某个资源出现不稳定状态时（例如调用超时或异常比例升高），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错误。

    当资源被降级后，在接下来的降级时间窗口之内，对该资源的调用都自动熔断（默认行为是抛出 DegradeException）。

    老版本的Sentinel的断路器是没有半开状态的，半开的状态系统自动去检测是否请求有异常，没有异常就关闭断路器恢复使用，有异常则继续打开断路器不可用。具体可以参考Hystrix（在Hystrix中 快照时间窗口是值 阈值检测时间 ，而休眠时间窗口是指 断路器从开启到半开状态间隔的时间）。

    新版本的Sentinel加入了半开状态！

    Sentinel在1.8.0版本对熔断降级做了大的调整，可以定义任意时长的熔断时间，引入了半开启恢复支持。下面梳理下相关特性。

    熔断状态

    熔断状态有三种状态，非别为OPEN、HALF_OPEN、CLOSED

    状态说明
    OPEN表示熔断开启，拒绝所有请求
    HALF_OPEN探测恢复状态，如果接下来的一个请求顺利通过则表示结束熔断，否则继续熔断
    CLOSE表示熔断关闭，请求顺利通过

    熔断降级规则说明

    熔断降级规则（DegradeRule）包含下面几个重要的属性：

    Field说明默认值
    resource资源名，即规则的作用对象
    grade熔断策略，支持慢调用比例/异常比例/异常数策略慢调用比例
    count慢调用比例模式下为慢调用临界 RT（超出该值计为慢调用）；异常比例/异常数模式下为对应的阈值
    timeWindow熔断时长，单位为 s
    minRequestAmount熔断触发的最小请求数，请求数小于该值时即使异常比率超出阈值也不会熔断（1.7.0 引入）5
    statIntervalMs统计时长（单位为 ms），如 60*1000 代表分钟级（1.8.0 引入）1000 ms
    slowRatioThreshold慢调用比例阈值，仅慢调用比例模式有效（1.8.0 引入）

    Ⅱ. 降级策略实战

    1️⃣ 慢调用比例，RT（平均响应时间，秒级）

    老版本：

    image.png

    image-20220912123857446

    新版本：

    • 慢调用比例 (SLOW_REQUEST_RATIO)：选择以慢调用比例作为阈值，需要设置允许的慢调用 RT（即最大的响应时间），请求的响应时间大于该值则统计为慢调用。当单位统计时长（statIntervalMs）内请求数目大于设置的最小请求数目，并且慢调用的比例大于阈值，则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求响应时间小于设置的慢调用 RT 则结束熔断，若大于设置的慢调用 RT 则会再次被熔断。（跟豪猪哥类似）

      image-20220912133936008

      image-20220912162035551

    测试

    • 代码

      image-20220912135045974

    • 配置

      熔断规则

      在1000ms的统计时间内，总请求数（超过5次）中有80%的请求最大RT超过了200ms，那么触发熔断机制，熔断2s。

      image.png

    • jmeter压测

      image-20220912142249644

    • 结论

      永远一秒钟打进来10个线程（大于5个了）调用testD，我们希望200毫秒处理完本次任务，如果超过200毫秒还没处理完，在未来s秒钟的时间内，断路器打开（保险丝跳闸）微服务不可用，保险丝跳闸断电了。

      testD被熔断了：

      image-20220912141953180

      从实时监控也可以看到，在09的时候开始熔断：

      image.png

      后续停止jmeter，没有这么大的访问量了，断路器半开到关闭（保险丝恢复），微服务恢复OK。

    2️⃣ 异常比例（秒级）

    老版本：

    image-20220912131709616

    image-20220912132144398

    新版本：

    • 异常比例 (ERROR_RATIO)：当单位统计时长（statIntervalMs）内请求数目大于设置的最小请求数目，并且异常的比例大于阈值，则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求成功完成（没有错误）则结束熔断，否则会再次被熔断。异常比率的阈值范围是 [0.0, 1.0]，代表 0% - 100%。

      image-20220912134015136

      image-20220912162128078

    测试

    • 代码

      image-20220912151956161

    • 配置

      熔断规则

      image.png

    • jmeter压测

    • 结论

      单独访问一次，必然来一次报错一次 (int age = 10/0) ，调一次错一次；

      image-20220912151207730

      开启jmeter后，直接高并发发送请求，多次调用达到我们的配置条件了，断路器开启（保险丝跳闸），微服务不可用了，不再报错error而是服务降级了。

      image-20220912151236430

      停掉jemeter后过2s，报/zero错误。

    3️⃣ 异常数（分钟级）

    老版本：

    image-20220912131944957

    image-20220912132204871

    新版本：

    • 异常数 (ERROR_COUNT)：当单位统计时长内的异常数目超过阈值之后会自动进行熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求成功完成（没有错误）则结束熔断，否则会再次被熔断。

      image-20220912134041720

      image-20220912162157280

    测试

    • 代码

      image-20220912152027662

    • 配置

      熔断规则

      image.png

    • 手动测试

    • 结论

      image-20220912154512510

      这里测试出现了Bug，虽然熔断了 但熔断时长不是我配置的5s，熔断了很久大概1分钟，统计时长也不是1s，因为我手动很慢的测试，同时没达到最小请求数，只达到3次异常就直接熔断了。但老师演示的老版本就可以依据配置进行熔断，可能是不会使用新版本。

      我发现我根本改不了配置的统计时长，如果按照老版本的是按照分钟统计异常数，设置时间窗口 >= 60s，那新版本理应设置统计时长 >= 60000ms，但我修改统计时长后再编辑 还是默认的1000，虽然新版本没说异常数是分钟级的，但是修改不了统计时长就很迷惑。上面修改慢调用比例的比例阈值也没效果，但异常比例的比例阈值可以修改。

      搞不懂。

    6. 热点key限流

    Ⅰ. 基本介绍

    官网

    何为热点

    热点即经常访问的数据，很多时候我们希望统计或者限制某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限流或者其它操作。比如：

    • 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
    • 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

    热点参数限制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制。热点参数限流可以看作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。

    image.png

    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。

    image-20220912173435999

    承上启下复习

    兜底方法

    • 分为 系统默认 和 客户自定义，两种
    • 之前的case，限流出问题后，都是用Sentinel系统默认的提示：Blocked by Sentinel (flow limiting)
    • 我们能不能自定义 类似Hystrix，某个方法出问题了，就找对应的兜底降级方法？

    结论

    • 从 @HystrixCommand 到 @SentinelResource

    Ⅱ. 代码演示

    • 新增

      @SentinelResource

      image-20220912180131449

      如果你违背了@SentinelResource对控制台配置的规则，就会执行兜底的方法。

    • 配置

      image-20220912181024232

      这里资源名是根据 @SentinelResource 注解的 value 属性值配置的。

      限流模式只支持QPS模式，固定写死了。（这才叫热点）

      @SentinelResource注解的方法参数索引，0代表第一个参数，1代表第二个参数，以此类推。

      单机阀值以及统计窗口时长表示在此窗口时间超过阀值就限流。

      上面的抓图就是第一个参数有值的话，1秒的QPS为1，超过就限流，限流后调用dealHandler_testHotKey支持方法。

      image-20220912181135419

    • 测试

      ➢ 使用兜底方法

      http://localhost:8401/testHotKey?p1=a

      image-20220912181810675

      image-20220912182314903

      ➢ 不使用兜底方法

      http://localhost:8401/testHotKey?p1=a

      把@SentinelResource注解中的blockHandler属性去掉：

      image-20220912182029354

      image-20220912182120182

    • 小总结

      ➢ ❌ error http://localhost:8401/testHotKey?p1=abc

      ➢ ❌ error http://localhost:8401/testHotKey?p1=abc&p2=33

      ➢ ✔️ right http://localhost:8401/testHotKey?p2=abc

      只要带上p1参数且违背了规则 就会降级限流。

    Ⅲ. 参数例外项

    上述案例演示了第一个参数p1，当QPS超过1秒1次点击后马上被限流。

    • 特例情况

      ➢ 普通：超过1秒钟一个后，达到阈值1后马上被限流

      ➢ 我们期望p1参数当它是某个特殊值时，它的限流值和平时不一样

      ➢ 特例：假如当p1的值等于5时，它的阈值可以达到200

    • 配置

      参数类型只支持8种基本类型和String类型。

      image-20220912204120465

      添加成功

      image-20220912204513073

    • 测试

      ➢ ✔️ http://localhost:8401/testHotKey?p1=5

      image-20220912204531126

      ➢ ❌ http://localhost:8401/testHotKey?p1=3

      image-20220912204541459

      当p1等于5的时候，阈值变为200，当p1不等于5的时候，阈值就是平常的1。

    7. 系统规则

    官网

    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。

    系统保护规则是从应用级别的入口流量进行控制，从单台机器的 load、CPU 使用率、平均 RT、入口 QPS 和并发线程数等几个维度监控应用指标，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。

    系统保护规则是应用整体维度的，而不是资源维度的，并且仅对入口流量生效。入口流量指的是进入应用的流量（EntryType.IN），比如 Web 服务或 Dubbo 服务端接收的请求，都属于入口流量。

    系统规则支持以下的模式：

    • Load 自适应（仅对 Linux/Unix-like 机器生效）：系统的 load1 作为启发指标，进行自适应系统保护。当系统 load1 超过设定的启发值，且系统当前的并发线程数超过估算的系统容量时才会触发系统保护（BBR 阶段）。系统容量由系统的 maxQps * minRt 估算得出。设定参考值一般是 CPU cores * 2.5。
    • CPU usage（1.5.0+ 版本）：当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0），比较灵敏。
    • 平均 RT：当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒。
    • 并发线程数：当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。
    • 入口 QPS：当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。

    image-20220912205410643

    配置全局QPS

    image-20220912205701589

    • 不管是/testA还是/testB，只要QPS > 1 整个系统就不能用。
    • 这个粒度太粗，就相当于一个窗口人很多，整个银行就不接待人了，不太建议使用。

    8. @SentinelResource

    Ⅰ. 按资源名称限流 + 后续处理

    • 启动Nacos成功

    • 启动Sentinel成功

    • 改Module

      修改cloudalibaba-sentinel-service8401

    • 改POM

      

	com.atguigu.springcloud
	cloud-api-commons
	${project.version}

      image-20220912210457808

    • 业务类

      RateLimitController

      image-20220912210831444

    • 主启动

      image-20220912210944949

    • 配置流控规则

      ➢ 配置步骤

      image-20220912211558513

      ➢ 图形配置和代码关系

      image-20220912212220949

      表示1秒钟内查询次数大于1，就跑到我们自定义的处理，限流。

    • 测试

      ➢ 1秒钟点击1下，OK

      image-20220912213515311

      ➢ 超过上述，疯狂点击，返回了自己定义的限流处理信息，限流发生

      image-20220912213506028

    • 额外问题

      此时关闭问服务8401看看

      Sentinel控制台，流控规则消失了？？

      临时/持久？

    Ⅱ. 按照Url地址限流 + 后续处理

    通过访问的URL来限流，会返回Sentinel自带默认的限流处理信息。

    • 业务类

      RateLimitController

      不配置blockHandler属性，没有兜底方法。

      image-20220912214126823

    • Sentinel控制台配置

      这里是根据URL进行限流。

      image-20220912214451953

    • 测试

      ➢ 正常点击：http://localhost:8401/rateLimit/byUrl

      image-20220912214523432

      ➢ 疯狂点击：http://localhost:8401/rateLimit/byUrl

      结果

      image-20220912214706293

      会返回Sentinel自带的限流处理结果。

    Ⅲ. 上面兜底方案面临的问题

    • 系统默认的，没有体现我们自己的业务要求。
    • 依照现有条件，我们自定义的处理方法又和业务代码耦合在一块，不直观。
    • 每个业务方法都添加一个兜底的，那代码膨胀加剧。
    • 全局统一的处理方法没有体现。

    又回到了当时Hystrix的问题。

    Ⅳ. 客户自定义限流处理逻辑

    解决上述问题，创建CustomerBlockHandler类用于自定义限流处理逻辑。

    • 自定义限流处理类

      CustomerBlockHandler

      image-20220912220105036

      image-20220912220412756

    • 业务类

      RateLimitController

      image-20220912220635284

    • Sentinel控制台配置

      image-20220912220808302

    • 测试

      正常访问：http://localhost:8401/rateLimit/customerBlockHandler

      image-20220912220750454

      狂点：http://localhost:8401/rateLimit/customerBlockHandler

      兜底的方法是全局的2号方法。

      image-20220912220913459

      完成了业务与代码的解耦，代码膨胀。

    • 进一步说明

      image-20220912221042824

    Ⅴ. 更多注解属性说明

    注解支持文档

    image-20220913123427919

    image-20220913123439886

    多说一嘴

    image-20220913123646856

    所有的代码都要用try-catch-finally方式进行处理。

    Sentinel主要有三个核心Api

    • SphU定义资源
    • Tracer定义统计
    • ContextUtil定义了上下文

    9. 服务熔断功能

    Sentinel 整合 Ribbon + OpenFeign + fallback

    Ⅰ. Ribbon系列

    image-20220913125019130

    1️⃣ 提供者9003/9004

    • 建Module

      新建cloudalibaba-provider-payment9003/9004两个一样的做法

    • 改POM

      <dependencies>
    
    <dependency>
        <groupId>com.alibaba.cloudgroupId>
        <artifactId>spring-cloud-starter-alibaba-nacos-discoveryartifactId>
    dependency>
    <dependency>
        <groupId>com.atguigu.springcloudgroupId>
        <artifactId>cloud-api-commonsartifactId>
        <version>${project.version}version>
    dependency>
    
    <dependency>
        <groupId>org.springframework.bootgroupId>
        <artifactId>spring-boot-starter-webartifactId>
    dependency>
    <dependency>
        <groupId>org.springframework.bootgroupId>
        <artifactId>spring-boot-starter-actuatorartifactId>
    dependency>
    
    <dependency>
        <groupId>org.springframework.bootgroupId>
        <artifactId>spring-boot-devtoolsartifactId>
        <scope>runtimescope>
        <optional>trueoptional>
    dependency>
    <dependency>
        <groupId>org.projectlombokgroupId>
        <artifactId>lombokartifactId>
        <optional>trueoptional>
    dependency>
    <dependency>
        <groupId>org.springframework.bootgroupId>
        <artifactId>spring-boot-starter-testartifactId>
        <scope>testscope>
    dependency>
dependencies>

    • 写YML

      image-20220913124351102

    • 主启动

      image-20220913124410952

    • 业务类

      模拟数据库的DAO层。

      image-20220913124705642

    • 测试

      ➢ http://localhost:9003/paymentSQL/1

      image-20220913125337379

      ➢ http://localhost:9004/paymentSQL/1

      image-20220913140225193

    2️⃣ 消费者84

    • 建Module

      cloudalibaba-consumer-nacos-order84

    • 改POM

      image-20220913140355207

    • 写YML

      image-20220913140453517

    • 主启动

      image-20220913140521958

    • 业务类

      ➢ config.ApplicationContextConfig

      image-20220913140641134

      ➢ controller.CircleBreakerController

      目的：fallback管运行异常，blockHandler管配置违规。

      测试：http://localhost:84/consumer/fallback/1

      1️⃣ 没有任何配置

      image-20220913143230715

      结果

      给客户error页面，不友好

      ➢ http://localhost:84/consumer/fallback/4

      image-20220913143427826

      ➢ http://localhost:84/consumer/fallback/5

      image-20220913143501344

      2️⃣ 只配置fallback

      image-20220913143641971

      说明

      image-20220913142023976

      本例Sentinel无配置。

      结果

      执行了兜底的handlerFallback方法。

      image-20220913142044830

      3️⃣ 只配置blockHandler

      image-20220913142704661

      说明

      image-20220913142724370

      本例sentinel需配置：

      异常超过2次后，断路器打开，断电跳闸，系统被保护。

      image-20220913144141110

      结果

      服务被降级。

      image-20220913145028460

      4️⃣ fallback和blockHandler都配置

      image-20220913144611326

      说明

      image-20220913144649956

      本例sentinel需配置：

      image-20220913144706696

      结果

      没超过QPS，也就是没违反Sentinel中配置的规则，有运行异常则交给fallback处理：

      image-20220913145233226

      违反了Sentinel中配置的规则，即使有运行异常，降级也交给blockHandler处理：

      若 blockHandler 和 fallback 都进行了配置，则被限流降级而抛出 BlockException 时只会进入 blockHandler 处理逻辑。

      5️⃣ 忽略属性…

      image-20220913145803349

      说明

      image-20220913145819868

      本例sentinel无配置。

      结果

      程序异常打到前台了，对用户不友好。

      image-20220913150012002

      其他页面没有影响：

      image-20220913150211778

      当然，触发流控之后，仍然通过blockHandler指定的方法进行熔断兜底。

    • 总结

      fallback + blockHandler两个一起配置，降级和限流的保护措施会更加完善。

    Ⅱ. Feign系列

    • 改Module

      修改cloudalibaba-consumer-nacos-order84模块

      84消费者调用提供者9003

      Feign组件一般是消费侧

    • 改POM

      添加OpenFeign

      
<dependency>
	<groupId>org.springframework.cloudgroupId>
	<artifactId>spring-cloud-starter-openfeignartifactId>
dependency>

    • 写YML

      激活Sentinel对Feign的支持

      image-20220913154938889

    • 主启动

      @EnableFeignClients

      image-20220913155108003

    • 业务类

      ➢ 带@FeignClient注解的业务接口

      service.PaymentService

      image-20220913155225178

      ➢ 实现接口

      fallback = PaymentFallbackService.class => service.PaymentFallbackService

      image-20220913155754520

      ➢ controller.CircleBreakerController

      image-20220913155456977

    • 测试

      http://localhost:84/consumer/openfeign/1

      image-20220913161614236

      测试84调用9003，此时故意关闭9003微服务提供者，看84消费侧自动降级，不会被耗死。

      image-20220913161709399

    Ⅲ. 熔断框架比较

    image.png

    10. 规则持久化

    一旦我们重启应用，Sentinel规则将消失，生产环境需要将配置规则进行持久化。

    将限流配置规则持久化进Nacos保存，只要刷新8401某个rest地址，Sentinel控制台的流控规则就能看到，只要Nacos里面的配置不删除，针对8401上Sentinel上的流控规则持续有效。

    步骤

    • 改Module

      修改cloudalibaba-sentinel-service8401

    • 改POM

      之前已引入

      
<dependency>
    <groupId>com.alibaba.cspgroupId>
    <artifactId>sentinel-datasource-nacosartifactId>
dependency>

    • 写YML

      添加Nacos数据源配置

      image-20220913162518339

    • 添加Nacos业务规则配置

      image-20220913165009920

      [
    {
        "resource": "/rateLimit/byUrl",
        "limitApp": "default",
        "grade": 1,
        "count": 1,
        "strategy": 0,
        "controlBehavior": 0,
        "clusterMode": false
    }
]

      resource：资源名称；
limitApp：来源应用；
grade：阈值类型，0表示线程数，1表示QPS；
count：单机阈值；
strategy：流控模式，0表示直接，1表示关联，2表示链路；
controlBehavior：流控效果，0表示快速失败，1表示Warm Up，2表示排队等待；
clusterMode：是否集群。

    • 启动8401后刷新sentinel发现业务规则有了

      image-20220913171126751

    • 快速访问测试接口：http://localhost:8401/rateLimit/byUrl

      配置生效

      image-20220913170815600

    • 停止8401再看Sentinel

      停机后发现流控规则没有了

      image-20220913171218441

    • 重新启动8401再看Sentinel

      乍一看还是没有，稍等一会儿；

      多次调用：http://localhost:8401/rateLimit/byUrl

      配置重新出现了，持久化验证通过。

  • 相关阅读:
    RabbitMQ之ttl（过期消息）解读
    XTU-OJ 1255-勾股数
    PHP：纤程
    KWin、libdrm、DRM从上到下全过程 —— drmModeAddFBxxx（17）
    PyTorch学习笔记之基础函数篇（八）
    ES 架构及基础 - 1
    Kubeadm安装k8s高可用集群实战
    EN 13241工业、商业、车库门和大门—CE认证
    【CSS】BFC 块级格式化上下文
    简单钟表动画
  • 原文地址：https://blog.csdn.net/weixin_53407527/article/details/126903443