概述

官网中文官网文档下载地址

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、熔断降级、系统负载保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、Dubbo、gRPC 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。

与Hystrix的区别：

安装Sentinel控制台

sentinel氛围两个组成：

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：

执行命令 java -jar sentinel-dashboard-1.7.0.jar
访问sentinel管理界面 http://localhost:8080 ，登录账号密码均为sentinel

初始化演示工程

1.启动Nacos8848成功 http://localhost:8848/nacos/#/login

2.新建Module cloudalibaba-sentinel-service8401

3.启动Sentinel8080

4.启动8401微服务查看sentienl控制台

Sentinel采用懒加载机制，需要先执行一次访问
http://localhost:8401/testA / http://localhost:8401/testB

流控规则

基本介绍

资源名:唯一名称，默认请求路径
针对来源: Sentine可以针对调用者进行限流，填写微服务名，默认default （不区分来源）
阈值类型/单机阈值:
- QPS （每秒钟的请求数量） :当调用该api的QPS达到阈值的时候，进行限流
- 线程数:当调用该api的线程数达到阈值的时候，进行限流
是否集群:不需要集群
流控模式:
- 直接: api达到限流条件时，直接限流
- 关联:当关联的资源达到阈值时，就限流自己
- 链路:只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阈值，就进行限流）【api级别的针对来源】
流控效果:
- 快速失败:直接失败，抛异常
- Warm Up:根据codeFactor （冷加载因子，默认3）的值，从阈值/codeFactor，经过预热时长，达到设置的QPS阈值
- 排队等待：均速派对，让请求以均速的速度通过，阈值类型必须设置为QPS，否则无效

流控模式

直接（默认）

直接 —>QPS>1快速失败配置：

WX20201129-130423

表示1秒钟内查询1次就是0K，若超过次数1，就直接 —> 快速失败，报默认错误。

QPS指的是挡在外部不让进来
线程数指的是进来之后最多只能有阈值n个线程执行，多的就快速失败

结果：

直接调用默认报错信息，技术方面OK but，是否应该有我们自己的后续处理？

是否有类似于fallback的兜底方法？

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达到阈值后，就限流自己
即B惹事，A挂了

1.配置/testA

配置效果：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

2.postman模拟并发密集访问testB

20个线程每隔间隔0.3s访问一次 /testB

链路

只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阈值，就进行限流） [api级别的针对来源]

流控效果

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

预热

当流量突然增大的时候，我们常常会希望系统从空闲状态到繁忙状态的切换的时间长一些。即如果系统在此之前长期处于空闲的状态，我们希望处理请求的数量是缓步的增多，经过预期的时间以后，到达系统处理请求个数的最大值。Warm Up（冷启动，预热）模式就是为了实现这个目的的。

Warm Up （ RuleConstant.CONTROL_BEHAVIOR_WARM_UP ）方式，即预热/冷启动方式。当系统长期处于低水位的情况下，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5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上限，给冷系统一个预热的时间，避免冷系统被压垮。

应用场景：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。

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。

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。

源码：

Warmup配置案例：

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

排队等待

匀速排队，让请求以均匀的速度通过，阀值类型必须设成QPS，否则无效。（只允许QPS）

这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，我们希盐系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。

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。

降级规则

官网：https://github.com/alibaba/Sentinel/wiki/%E7%86%94%E6%96%AD%E9%99%8D%E7%BA%A7

概述

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）。

熔断策略

RT （平均响应时间，秒级）

平均响应时间超出阈值且在时间窗内通过的请求 >=5，两个条件同时满足后触发降级
窗口期过后关闭断路器
RT最大4900 （更大的需要通过 -Dcsp.sentinel.statistic.max.rt= XXXX才能生效）

异常比例（秒级）

QPS >= 5且异常比例（秒级统计）超过阈值时，触发降级；时间窗结束后，关闭降级

异常数（分钟级）

异常数（分钟统计）超过阈值时，触发降级；时间窗口结束后，关闭降级

降级策略实战

RT

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。

配置：200ms内完成不了就触发熔断，经过熔断时长1s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。

JMeter测试：1秒内打入10个线程

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1秒钟的时间窗口内，断路器打开（保险丝跳闸）微服务不可用，保险丝跳闸断电了后续我停止jmeter，没有这么大的访问量了，断路器关闭（保险丝恢复），微服务恢复OK

异常比例

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%。

配置：请求中的异常总数大于20%时候，触发熔断，时间窗口为3秒。

按照上述配置，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；

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。

异常数

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。

⚠️ 时间窗口一定要大于等于60秒，异常是按分钟统计的。

热点key限流

基本介绍

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：

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。

承上启下复习start

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？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@SentnelResource。

代码配置与测试

1.FlowLimitController中添加以下方法

@GetMapping("/testHotKey")
@SentinelResource(value = "testHotKey",blockHandler = "deal_testHotKey") // value可为唯一的任意值
public String testHotKey(@RequestParam(value = "p1",required = false) String p1,
                         @RequestParam(value = "p2",required = false) String p2){
  return "-------testHotKey";
}

public String deal_testHotKey(String p1, String p2, BlockException exception){
  return "----deal_testHotKey,😈"; //sentinel系统默认的提示: Blocked by Sentinel （flow limiting）
}

2.新增热点规则

方法testHostKey里面第0个参数p1只要QPS超过每秒1次，马上降级处理deal_testHotKey()。

3.测试结果

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

1.特殊情况

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

2.配置，添加按钮不能忘

前提条件：热点参数的注意点，参数必须是基本类型或者String

⚠️ 运行时的异常不会进行兜底，仍然会报错。

注意事项

@SentinelResource处理的是Sent inel控制台配置的违规情况，有blockHandler方法配置的兜底处理；

RuntimeException(如int age = 10/0），这个是java运行时报出的运行时异常RunTimeException， @SentinelResource不管

总结: @SentinelResource主管配置出错，运行出错该走异常走异常

系统规则

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。

@SentinelResource

按资源名称限流 + 后续处理

1.启动Nacos和Sentinel成功

2.打开Module cloudalibaba-sentinel-service8401

server:
  port: 8401

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848 #Nacos服务注册中心地址
    sentinel:
      transport:
        dashboard: localhost:8080 #配置Sentinel dashboard地址
        port: 8719 # 默认8719端口，加入被占用会从8719开始依次+1扫描，直至找到为被占用饿的端口

management:
  endpoints:
    web:
      exposure:
        include: '*'

业务类RateLimitController

public class RateLimitController {

    @GetMapping("/byResource")
    @SentinelResource(value = "byResource",blockHandler = "handleException")
    public CommonResult byResource(){
        return new CommonResult(200,"按资源名称限流测试ok",new Payment(2020L,"serial001"));
    }

    public CommonResult handleException(BlockException exception){
        return new CommonResult(444,exception.getClass().getCanonicalName()+"\t 服务不可用");
    }
}

3.配置流控规则

表示1秒钟内查询次数大于1，就跑到我们自定义的处流，限流

4.测试 http://localhost:8401/byResource

1秒钟点击1下，OK
超过上述问题，疯狂点击，返回了自己定义的限流处理信息，限流发送

额外问题

此时关闭微服务8401看看,Sentinel控制台，流控规则消失了？？？？？

临时/持久？

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, /byUrl无兜底方法，将会采用系统默认的。

@RestController
public class RateLimitController {

    @GetMapping("/byResource")
    @SentinelResource(value = "byResource",blockHandler = "handleException")
    public CommonResult byResource(){
        return new CommonResult(200,"按资源名称限流测试ok",new Payment(2020L,"serial001"));
    }

    public CommonResult handleException(BlockException exception){
        return new CommonResult(444,exception.getClass().getCanonicalName()+"\t 服务不可用");
    }

    @GetMapping("/rateLimit/byUrl")
    @SentinelResource(value = "byUrl")
    public CommonResult byUrl(){
        return new CommonResult(200,"按url限流测试ok",new Payment(2020L,"serial002"));
    }
}

Sentinel控制台配置

测试结果，会返回sentiel自带的服务限流结果

上面兜底方法面临的问题

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。

客户自定义限流处理逻辑

1.创建customerBlockHandler类用于自定义限流处理逻辑

2.自定义限流处理类 CustomerBlockHandler

public class CustomerBlockHandler {

    public static CommonResult handlerException(BlockException exception){
        return new CommonResult(4444,"按客户自定义，global handlerException---1");
    }

    public static CommonResult handlerException2(BlockException exception){
        return new CommonResult(4444,"按客户自定义，global handlerException---2");
    }
}

3.RateLimitController

@GetMapping("/rateLimit/customerBlockHandler")
@SentinelResource(value = "customerBlockHandler",
                  blockHandlerClass = CustomerBlockHandler.class,
                  blockHandler = "handlerException2")
public CommonResult customerBlockHandler(){
  return new CommonResult(200,"按客户自定义",new Payment(2020L,"serial003"));
}

4.启动微服务后先调用一次 http://localhost:8401/rateLimit/customerBlockHandler

5.Sentinel控制台配置

6.测试结果

7.解释说明

服务熔断功能

1.sentinel整合ribbon+openFeign+fallback

2.启动nacos和sentinel

3.Ribbon系列

提供者9003/9004
- 新建cloudalibaba-provider-payment9003/9004
- 测试地址 http://localhost:9003/paymentSQL/1
消费者84
- 新建cloudalibaba-consumer-nacos-order84
- 业务类ApplicationContextConfig
- 业务类CircleBreakerController的全部源码
  
  1）修改后请重启微服务。热部署对java代码级生效及时，对@SentinelResource注解内属性，有时效果不好
  
  2）目的：fallback管运行异常 / blockHandler管配置违规
  
  3）测试地址 http://localhost:84/consumer/fallback/1 轮训访问ok
  
  4）没有任何配置给客户error页面，不友好 http://localhost:84/consumer/fallback/4
  
  5）只配置fallback。只负责业务异常
  
  6）只配置blockHandler。只负责sentinel控制台配置违规
  
  7）fallback和blockHandler都配置。若blockHandler和fallback都进行了配置，则被限流降级且抛出BlockException时只会进入blockHandler处理逻辑。
  
  8）异常忽略属性exceptionsToIgnore

@RequestMapping("/consumer/fallback/{id}")
//@SentinelResource(value = "fallback") //没有配置
//@SentinelResource(value = "fallback",fallback = "handlerFallback") //fallback只负责业务异常
//@SentinelResource(value = "fallback",blockHandler = "blockHandler") //blockHandler只负责sentinel控制台配置违规
@SentinelResource(value = "fallback",fallback = "handlerFallback",blockHandler = "blockHandler",exceptionsToIgnore = {IllegalArgumentException.class})
public CommonResult<Payment> fallback(@PathVariable Long id)
{
  CommonResult<Payment> result = restTemplate.getForObject(SERVICE_URL + "/paymentSQL/"+id, CommonResult.class,id);

  if (id == 4) {
    throw new IllegalArgumentException ("IllegalArgumentException,非法参数异常....");
  }else if (result.getData() == null) {
    throw new NullPointerException ("NullPointerException,该ID没有对应记录,空指针异常");
  }

  return result;
}
//本例是fallback
public CommonResult handlerFallback(@PathVariable  Long id,Throwable e) {
  Payment payment = new Payment(id,"null");
  return new CommonResult<>(444,"兜底异常handlerFallback,exception内容  "+e.getMessage(),payment);
}
//本例是blockHandler
public CommonResult blockHandler(@PathVariable  Long id,BlockException blockException) {
  Payment payment = new Payment(id,"null");
  return new CommonResult<>(445,"blockHandler-sentinel限流,无此流水: blockException  "+blockException.getMessage(),payment);
}

4.Feign系列

1）修改84模块。84消费者调用提供者9003，Feign逐渐一般是消费侧

POM 引入

<!--SpringCloud openfeign -->
<dependency>
  <groupId>org.springframework.cloud</groupId>
  <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>

# 激活Sentinel对Feign的支持
feign:
  sentinel:
    enabled: true

主启动添加@EnableFeignClients启动Feign的功能
业务类
- 带@FeignClient注解的业务接口 fallback = PaymentFallbackService.class
- PaymentFallbackService实现类
- Controller

2）测试

http://localhost:84/consumer/paymentSQL/1
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

熔断框架比较

	Sentinel	Hystrix	resilience4j
隔离策略	信号量隔离(并发现线程数限流)	线程池隔离/信号量隔离	信号量隔离
熔断降级策略	基于响应时间、异常比率、异常数	基于异常比率	基于异常比率、响应时间
实时统计实现	滑动窗口(LeapArray)	滑动窗口(RxJava)	Ring Bit Buffer
动态规则配置	支持多种数据源	支持多种数据源	有限支持
扩展性	多个扩展点	插件的形式	接口的形式
基于注解的支持	支持	支持	支持
限流	基于QPS、支持基于调用关系的限流	有限的支持	Rate Limiter
流量整形	支持预热模式、匀速器模式、预热排队模式	不支持	简单的Rate Limiter模式
系统自适应保护	支持	不支持	不支持
控制台	提供开箱即用的控制台，可配置规则、查看秒级监控、机器发现等	简单的监控查看	不提供控制台，可对接其他监控系统

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上的sentinel流控规则持续有效。

1.修改cloudalibaba-sentinel-service8401

2.POM

<!--SpringCloud ailibaba sentinel-datasource-nacos 后续做持久化用到-->
<dependency>
  <groupId>com.alibaba.csp</groupId>
  <artifactId>sentinel-datasource-nacos</artifactId>
</dependency>

3.YML

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848 #Nacos服务注册中心地址
    sentinel:
      transport:
        dashboard: localhost:8080 #配置Sentinel dashboard地址
        port: 8719 # 默认8719端口，加入被占用会从8719开始依次+1扫描，直至找到为被占用饿的端口
      datasource: # 添加Nacos数据源配置
        ds1:
          nacos:
            server-addr: localhost:8848
            dataId: cloudalibaba-sentinel-service
            groupId: DEFAULT_GROUP
            data-type: json
            rule-type: flow

4.添加Nacos业务规则配置

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。

5.启动8401后刷新sentinel发现业务规则有了

6.快速访问测试接口

7.停止8401再看sentinel

8.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
重新配置出现了，持久化验证通过

SpringCloud Alibaba Sentinel实现熔断与限流

概述

安装Sentinel控制台

初始化演示工程

流控规则

基本介绍

流控模式

直接（默认）

关联

链路

流控效果

快速失败（默认的流控处理）

预热

排队等待

降级规则

概述

熔断策略

降级策略实战

RT

异常比例

异常数

热点key限流

基本介绍

承上启下复习start

代码配置与测试

参数例外项

注意事项

系统规则

@SentinelResource

按资源名称限流 + 后续处理

额外问题

按照Url地址限流 + 后续处理

上面兜底方法面临的问题

客户自定义限流处理逻辑

更多注解属性说明

服务熔断功能

3.Ribbon系列

4.Feign系列

熔断框架比较

规则持久化