微服务保护Sentinel

1、雪崩问题

1.1 什么时雪崩？

微服务调用链路中的某个服务故障，引起整个链路中的所有微服务都不可用，这就是雪崩。

1.2 如何解决雪崩？

1.2.1 超时处理

设定超时时间，请求超过一定时间没有响应就返回错误信息，不会无休止等待

1.2.2 舱壁模式

限定每个业务能使用的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。

1.2.3 熔断降级

由断路器统计业务执行的异常比例，如果超出阈值则会熔断该业务，拦截访问该业务的一切请求。

1.2.4流量控制

限制业务访问的QPS，避免服务因流量的突增而故障。

1.3 关于雪崩问题的总结

问题一：什么是雪崩问题？

微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况。

问题二：如何避免因瞬间高并发流量而导致服务故障？

流量控制

问题三：如何避免因服务故障引起的雪崩问题？

超时处理，线程隔离，降级熔断

2、服务保护技术对比

3、Sentinel简介

Sentinel是阿里巴巴开源的一款微服务流量控制组件。

官网地址：homehomehttps://sentinelguard.io/zh-cn/index.htmlSentinel 具有以下特征:

①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。

②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。

③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。

4、安装Sentinel控制台

第一步：下载jar包

sentinel官方提供了UI控制台，方便我们对系统做限流设置。大家可以在GitHub下载。

第二步：在jar包所在目录（不能有中文）打开命令行窗口，执行命令：

java -jar sentinel-dashboard-1.8.1.jar

第三步：访问localhost:8080 即可看到控制台页面，默认的账户和密码都是sentinel

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

配置项	默认值	说明
server.port	8080	服务端口
sentinel.dashboard.auth.username	sentinel	默认用户名
sentinel.dashboard.auth.password	sentinel	默认密码

比如：8080端口被占用，修改端口号

java -Dserver.port=8090 sentinel-dashboard-1.8.1.jar

5、微服务整合Sentinel

我们在微服务中整合Sentinel，并且连接Sentinel的控制台，步骤如下：

第一步，引入sentinel依赖

<!--引入sentinel依赖-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

第二步，配置控制台地址

# 指定sentinel控制面板的地址
spring.cloud.sentinel.transport.dashboard=localhost:8090

第三步，访问微服务的任意端点，触发sentinel监控

5.1 限流规则之簇点链路

簇点链路：就是项目内的调用链路，链路中被监控的每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），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的，因此我们可以点击对应资源后面的按钮来设置规则：

点击相应资源后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：

其含义是限制这个资源的单机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。

利用jemeter测试

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

5.1.1 流控模式（直接）

上面使用的就是直接模式

5.1.2 流控模式（关联）

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

使用场景：比如用户支付时需要修改商品状态，同时用户要查询商品。查询和修改操作会争抢数据库锁，产生竞争。当修改商品业务触发阈值时，需要对查询商品业务限流。

@GetMapping("getProduct")
public CommonResult getProduct(){
    return new CommonResult(2000,"查询商品",null);
}

@GetMapping("updateProduct")
public CommonResult updateProduct(){
    return new CommonResult(2000,"修改商品",null);
}

当/updateProduct资源访问量触发阈值时，就会对/getProduct资源限流，避免影响/updateProduct资源。

满足下面条件可以使用关联模式：
①两个有竞争关系的资源
②一个优先级较高，一个优先级较低

5.1.3 流控模式（链路）

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。

例如有两条请求链路：

• /read/getGoods
• /write/getGoods

如果只希望统计从/read进入到/getGoods的请求，则可以这样配置：

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：

1. 在OrderService中添加一个getGoods方法，不用实现业务
2. 在OrderController中，添加/order/read端点，调用OrderService中的getGoods方法
3. 在OrderController中添加一个/order/write的端点，调用OrderService的getGoods方法
4. 给getGoods设置限流规则，从/order/read进入getGoods的方法限制QPS必须小于5

Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法为资源，需要利用@SentinelResource注解

Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.properties

# 取消上下文整合，默认值为true
spring.cloud.sentinel.web-context-unify=false

5.1.4 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

5.2 限流规则之流控效果

流控效果是指请求达到流控阈值时应该采取的措施，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。

5.2.1 流控效果（直接失败）

我们上面使用到的流控效果都是直接失败的流控效果。

5.2.2 流控效果（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 threshold / coldFactor，持续指定时长后，逐渐提高到threshold值。而coldFactor的默认值是3.
例如，我设置QPS的threshold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.

需求：给/product/getone/{id}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

5.2.3 流控效果（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。
例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常

需求：给/product/getone/{id}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

也就是说1s内可以处理10个http请求，超出的请求进行等待，超时时间为5s，每100ms处理一个请求，所以等待队列中可以有50个请求，超出的就会直接被拒绝，设置1s的执行时间，5s的等待时间，一共执行了6s，在6s内可以处理60个请求，其余请求被拒绝，使用jmeter进行测试。

5.2.4 总结

流控效果有哪些？
①快速失败：QPS超过阈值时，拒绝新的请求
②warm 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。
③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

原文地址：https://www.jb51.cc/wenti/3282201.html