流量控制
雪崩问题虽然有四种方案，但是限流是避免服务因突发的流量而发生故障，是对微服务雪崩问题的预防。我们先学习这种模式
簇点链路
当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路。簇点链路中被监控的每一个接口就是一个资源。
默认情况下sentinel会监控SpringMVC的每一个端点（Endpoint，也就是controller中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。
例如，我们刚才访问的order-service中的OrderController中的端点：/order/{orderId} 
流控、熔断等都是针对簇点链路中的资源来设置的，因此我们可以点击对应资源后面的按钮来设置规则：
-
流控：流量控制
-
降级：降级熔断
-
热点：热点参数限流，是限流的一种
-
授权：请求的权限控制
快速入门
示例
点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。 
表单中可以填写限流规则，如下：
其含义是限制 /order/{orderId}这个资源的单机QPS为1，即每秒只允许1次请求，超出的请求会被拦截并报错。
练习
需求：给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5，然后测试。
1）首先在sentinel控制台添加限流规则
2）利用jmeter测试
打开jmeter，导入课前资料提供的测试样例：
选择： 
20个用户，2秒内运行完，QPS是10，超过了5.
选中流控入门，QPS<5右键运行：
注意，不要点击菜单中的执行按钮来运行。
结果：
可以看到，成功的请求每次只有5个
流控模式
在添加限流规则时，点击高级选项，可以选择三种流控模式：
-
直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
-
关联：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
-
链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流
快速入门测试的就是直接模式。
关联模式
关联模式：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
配置规则：
语法说明：当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。
使用场景：比如用户支付时需要修改订单状态，同时用户要查询订单。查询和修改操作会争抢数据库锁，产生竞争。业务需求是优先支付和更新订单的业务，因此当修改订单业务触发阈值时，需要对查询订单业务限流。
需求说明：
-
在OrderController新建两个端点：/order/query和/order/update，无需实现业务
-
配置流控规则，当/order/ update资源被访问的QPS超过5时，对/order/query请求限流
1）定义/order/query端点，模拟订单查询
@GetMapping("/query")
public String queryOrder() {return "查询订单成功";
}2）定义/order/update端点，模拟订单更新
@GetMapping("/update")
public String updateOrder() {return "更新订单成功";
}重启服务，查看sentinel控制台的簇点链路：
3）配置流控规则
对哪个端点限流，就点击哪个端点后面的按钮。我们是对订单查询/order/query限流，因此点击它后面的按钮：
在表单中填写流控规则：
4）在Jmeter测试
选择《流控模式-关联》 
可以看到1000个用户，100秒，因此QPS为10，超过了我们设定的阈值：5
查看http请求： 
请求的目标是/order/update，这样这个断点就会触发阈值。
但限流的目标是/order/query，我们在浏览器访问，可以发现：
确实被限流了。
5）总结
满足下面条件可以使用关联模式：
◆两个有竞争关系的资源
◆一个优先级较高，一个优先级较低
链路模式
链路模式：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。
配置示例：
例如有两条请求链路：
-
/test1 --> /common
-
/test2 --> /common
如果只希望统计从/test2进入到/common的请求，则可以这样配置：
实战案例
需求：有查询订单和创建订单业务，两者都需要查询商品。针对从查询订单进入到查询商品的请求统计，并设置限流。
步骤：
-
在OrderService中添加一个queryGoods方法，不用实现业务
-
在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
-
在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
-
给queryGoods设置限流规则，从/order/query进入queryGoods的方法限制QPS必须小于2
实现：
1）添加查询商品方法
在order-service服务中，给OrderService类添加一个queryGoods方法：
public void queryGoods(){System.err.println("查询商品");
}
2）查询订单时，查询商品
在order-service的OrderController中，修改/order/query端点的业务逻辑：
@GetMapping("/query")
public String queryOrder() {// 查询商品orderService.queryGoods();// 查询订单System.out.println("查询订单");return "查询订单成功";
}3）新增订单，查询商品
在order-service的OrderController中，修改/order/save端点，模拟新增订单：
@GetMapping("/save")
public String saveOrder() {// 查询商品orderService.queryGoods();// 查询订单System.err.println("新增订单");return "新增订单成功";
}4）给查询商品添加资源标记
默认情况下，OrderService中的方法是不被Sentinel监控的，需要我们自己通过注解来标记要监控的方法。
给OrderService的queryGoods方法添加@SentinelResource注解：
@SentinelResource("goods")
public void queryGoods(){System.err.println("查询商品");
}链路模式中，是对不同来源的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源，会导致链路模式失效。
我们需要关闭这种对SpringMVC的资源聚合，修改order-service服务的application.yml文件：
spring:cloud:sentinel:web-context-unify: false # 关闭context整合重启服务，访问/order/query和/order/save，可以查看到sentinel的簇点链路规则中，出现了新的资源：
5）添加流控规则
点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：
只统计从/order/query进入/goods的资源，QPS阈值为2，超出则被限流。
6）Jmeter测试
选择《流控模式-链路》：
可以看到这里200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2
一个http请求是访问/order/save：
运行的结果： 
完全不受影响。
另一个是访问/order/query：
运行结果：
每次只有2个通过。
总结
流控模式有哪些？
•直接：对当前资源限流
•关联：高优先级资源触发阈值，对低优先级资源限流。
•链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流
流控效果
在流控的高级选项中，还有一个流控效果选项：
流控效果是指请求达到流控阈值时应该采取的措施，包括三种：
-
快速失败：达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
-
warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
-
排队等待：让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长
warm up
阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。
warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.
例如，我设置QPS的maxThreshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10.
案例
需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒
1）配置流控规则：
2）Jmeter测试
选择《流控效果，warm up》：
QPS为10.
刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3：
随着时间推移，成功比例越来越高：
到Sentinel控制台查看实时监控：
一段时间后：
排队等待
当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。
而排队等待则是让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。后来的请求必须等待前面执行完成，如果请求预期的等待时间超出最大时长，则会被拒绝。
工作原理
例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。
那什么叫做预期等待时长呢？
比如现在一下子来了12 个请求，因为每200ms执行一个请求，那么：
-
第6个请求的预期等待时长 = 200 * （6 - 1） = 1000ms
-
第12个请求的预期等待时长 = 200 * （12-1） = 2200ms
现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：
如果使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：
平滑的QPS曲线，对于服务器来说是更友好的。
案例
需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s
1）添加流控规则
2）Jmeter测试
选择《流控效果，队列》：
QPS为15，已经超过了我们设定的10。
如果是之前的 快速失败、warmup模式，超出的请求应该会直接报错。
但是我们看看队列模式的运行结果：
全部都通过了。
再去sentinel查看实时监控的QPS曲线：
QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。
当队列满了以后，才会有部分请求失败：
总结
流控效果有哪些？
-
快速失败：QPS超过阈值时，拒绝新的请求
-
warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。
-
排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝
热点参数限流
之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。
全局参数限流
例如，一个根据id查询商品的接口：
访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：
当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。
配置示例：
代表的含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5
热点参数限流
刚才的配置中，对查询商品这个接口的所有商品一视同仁，QPS都限定为5.
而在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商品不一样，高一些。那就需要配置热点参数限流的高级选项了：
结合上一个配置，这里的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例外：
•如果参数值是100，则每1秒允许的QPS为10
•如果参数值是101，则每1秒允许的QPS为15
案例
案例需求：给/order/{orderId}这个资源添加热点参数限流，规则如下：
•默认的热点参数规则是每1秒请求量不超过2
•给102这个参数设置例外：每1秒请求量不超过4
•给103这个参数设置例外：每1秒请求量不超过10
注意事项：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源
1）标记资源
给order-service中的OrderController中的/order/{orderId}资源添加注解：
2）热点参数限流规则
访问该接口，可以看到我们标记的hot资源出现了：
这里不要点击hot后面的按钮，页面有BUG
点击左侧菜单中热点规则菜单：
点击新增，填写表单：
3）Jmeter测试
选择《热点参数限流 QPS1》：
这里发起请求的QPS为5.
包含3个http请求：
普通参数，QPS阈值为2
运行结果： 
例外项，QPS阈值为4 
运行结果：
例外项，QPS阈值为10
运行结果： 
