【开发】微服务整合Sentinel

前言

在整合Sentinel前，我们需要了解一下微服务中的雪崩问题：

雪崩问题：在微服务中，如果服务提供者发生了故障，当前应用的部分业务因为依赖于该服务，因此也会被阻塞。请求一直阻塞，会导致服务器资源耗尽，从而导致其他服务都不可用，形成级联失败，从而形成雪崩问题。

1W：什么是`Sentinel`？

Sentinel是阿里巴巴开源的一款微服务流量控制组件。

Sentinel官网https://sentinelguard.io/zh-cn/index.html

2W：为什么使用Sentinel？

丰富的应用场景：Sentinel承接了阿里巴巴近10年来的双十一大促流量的核心场景，例如秒杀（突发流量控制在系统容量的可承受范围内）、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提供实时监控功能。可以在控制台中看到接入到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他开源框架/库的整合模块，例如与Spring Cloud、Dubbo、gRPC的整合。我们只需要引入相关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。我们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。

3W：如何使用Sentinel？

1. 在pom.xml中导入Sentinel依赖坐标

<!-- https://mvnrepository.com/artifact/com.alibaba.cloud/spring-cloud-starter-alibaba-sentinel -->
<dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-sentinel</artifactId><version>2021.1</version>
</dependency>

2. 配置控制台

修改application.yaml文件，添加下面内容：

spring:cloud:sentinel:transport:dashboard: localhost:[端口号]

3. 访问API接口的任意端点

打开浏览器，访问http://localhost:端口号/API接口，触发sentinel的监控。

然后访问sentinel控制台

默认路径为：http://localhost:8080页面

默认登录账号：sentinel

默认登录密码：sentinel

流量控制

限流是避免服务因突发的流量而发生故障。

1. 簇点链路

当请求进入微服务时，会首先访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链叫做簇点链路。

簇点链路中被监控的每一个接口都是一个资源。

默认情况下sentinel会监控SpringMVC的每一个端点（Endpoint，也就是controller层中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。

流控、熔断等都是针对簇点链路中的资源来设置，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，限流的一种方式
授权：请求的权限控制

2. 快速入门

点击资源/order/prod/{pid}后面的流控按钮，弹出表单。

QPS：线程数（用户数量）/用户访问时间 =请求数/秒，即每秒的响应请求数，也就是最大吞吐量。

在sentinel控制台添加限流规则，QPS的单机阈值为五，然后测试。
利用jmeter测试；

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 右击运行：

结果：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时，触发阈值时，对指定链路限流；

1. 直接模式

快速入门测试就是直接模式。

2. 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：

添加两个新的端点：/order/query和/order/update

@GetMapping("/order/query")
public String queryOrder(){return "查询订单成功";
}

@GetMapping("/order/update")
public String updateOrder(){return "更新订单成功";
}

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

可以看到1000个用户，100秒，QPS为10，超过了设置的阈值：5

请求的目标是/order/update，这样这个端点就会触发阈值

但限流的目标是/order/query，我们在浏览器访问，发现：确实被限流了

3. 链路模式

链路模式：统计从指定链路访问到本资源的请求时，触发阈值时，对指定链路限流；

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，可以这样配置：

需求说明：

1.在OrderService中添加一个queryGoods方法，不用实现业务；

public void queryGoods(){System.err.println("查询商品");
}

2.在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法；

@GetMapping("/order/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.在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法

@GetMapping("/order/save")
public String saveOrder(){//查询商品orderService.queryGoods();//查询订单System.out.println("新增订单");return "新增订单成功";}

4.给queryGoods配置限流规则，从/order/query进入queryGoods的方法限制QPS必须小于2

@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Spring MVC的所有请求设置同一个root资源，导致链路模式失效。

我们需要关闭这种对Spring MVC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sentinel的簇点链路规则中，出现了新的资源：

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的阈值为2，超出则被限流。

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

4. 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

流控效果是指请求达到流控阈值时应该采取的措施：

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；

1. warm up

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；

需求说明：

给/order/prod/{pid}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

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；

2. 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。

排队等待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。后面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。

需求说明：

给/order/prod/{pid}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

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

全部通过

QPS非常平滑，一致保持在10，但超出的请求没有被拒绝，而是放入队列。

3. 总结

流控效果：

快速失败：QPS超出阈值时，拒绝新的请求；
warm up：QPS超出阈值时，拒绝新的请求；QPS阈值是逐渐提升，可以避免冷启动时高并发导致服务器宕机；
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；

热点数据限流

分别统计参数值相同的请求，判断是否超过QPS阈值。

案例需求：给/order/prod/{pid}这个资源加热点参数限流，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1这个参数设置例外：每1秒请求量不超过4；
给19这个参数设置例外：每1秒请求量不超过10；

注：热点参数限流对默认的Spring MVC资源无效，需要利用@SentinelResouce注解标记资源

1. 标记资源

给shop-order中的OrderController中的/order/prod/{pid}资源添加注解：

@SentinelResouce("hot")

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：

Jmeter测试

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：每次成功2个请求

例外项，QPS阈值为4

运行结果：每次成功4个请求

例外项，QPS阈值为10

运行结果：每次成功所有请求

隔离和降级

线程隔离：调用者在调用服务提供者时，给每个调用的请求分配独立线程池，出现故障时，最多消耗这个线程池内资源，避免把调用者的所有资源耗尽

熔断降级：调用方这边加入断路器，统计对服务提供者的调用，如果调用的失败比例过高，则熔断该业务，不允许访问该服务的提供者

不管是线程隔离还是熔断降级都是对客户端的保护

`FeignClient`整合`Sentinel`

在SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel

1.修改配置，开启sentinel功能

修改shop-Order的application.yml文件，开启Feign的Sentinel

feign:sentinel:enabled: true # 开启feign对sentinel的支持

2. 编写失败降级逻辑

业务失败后，不能直接报错，而应该返回用户一个友好提示或者默认结果，这个就是失败降级逻辑

给FeignClient编写失败后的降级逻辑

方式一：FallbackClass,无法对远程调用的异常做处理

方法二：FallbackFactory，可以对远程调用的异常做处理

方式①

步骤一：配置yml文件开启支持

feign:sentinel:enabled: true

步骤二：创建ProductServiceFallBack类实现降级方案编辑

@Component
public class ProductServiceFallBack implements IProductService{@Overridepublic Product findByPid(Integer pid){Product product = new Product();product.setPid(-1);product.setPname("暂无商品");return product;}}

步骤三：配置属性

@FeignClent(value="service-product",fallbackFactory = ProductServiceFallBack.class)

方法②

步骤一：配置yml文件开启支持

feign:sentinel:enabled: true

步骤二：创建ProductServiceFallBack类实现降级方案编辑

@Component
public class ProductServiceFallBack implements FallBackFactory<ProductService>{@Overridepublic ProductService create(Throwable throwable){return new ProductService(){@Overridepublic Product findByPid(Integer pid){System.out.println("异常信息:"+throwable);Product product = new Product();product.setPid(-1);product.setPname("暂无商品");return product;        }};}
}

步骤三：配置属性

@FeignClient(value="service-product",fallbackFactory = ProductServiceFallBack.class)

3.线程隔离（舱壁模式）

线程池隔离：给每个服务调用业务分配一个线程池，利用线程池本身实现隔离效果
信号量隔离（Sentinel默认采用）：不创建线程池，而是计数器模式，记录业务使用的线程数量，达到信号量上限时，禁止新的请求

案例需求：给order-service服务中的UserClient的查询用户接口设置流控规则，线程数不能超过2然后利用Jmeter测试。

一次发送10个请求，有较大概率并发线程数超过2，而超出的请求会走之前定义的失败降级逻辑。

发现虽然结果是通过了，不过部分请求得到的响应是降级返回的null信息。

总结

线程隔离的两种手段是

信号量隔离
线程池隔离

信号量隔离的特点：

基于计数器模式，简单，开销小

线程池隔离的特点：

基于线程池模式，有额外开销，但隔离控制更强