当前位置： 首页 > article >正文

SpringCloudAlibaba | Sentinel从基础到进阶

article 2024/12/22 13:08:49

一、Sentinel简介

Sentinel是SpringCloudAlibaba的一个组件，主要用于解决微服务架构中的高可用性和稳定性问题（雪崩问题）。

常见的使用场景有：

  • 流量控制
  • 舱壁模式（线程隔离）
  • 超时处理
  • 熔断降级

二、流量控制

流量控制是一种预防服务出现异常的手段。

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，这样子的调用链路就是 簇点链路。簇点链路中被监控的每一个资源就是一个资源。

默认情况下Sentinel会监控SpringMVC的每一个端点（Endpoint，也就是Controller中加了RequestMapping的方法），每一个端点就是一个资源。

这里圈起来的就是资源

流控模式

限流规则有三种模式：

  • 直接：统计当前资源的请求，触发阈值时，对资源直接限流。
  • 关联：统计与当前资源相关的另外一个资源，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。

直接模式

对指定资源直接进行限流

设置qps为5

tips: qps的意思是每秒可以通过的请求

使用Jmeter进行测试

每秒只有5个请求通过

关联模式

比如俩个接口需要同时操作一张表，有个接口（接口A）比较重要，另外一个（接口B）相对比比较不重要。

所以当接口Aqps为5 的时候， 我要对接口B快速失败。

使用Jmeter qps 10 请求/demo/edit

然后浏览器访问会发现，请求失败了

链路模式

链路模式指的是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：

  • /demo/query --> /getById
  • /demo/edit --> /getById

我们希望对 /demo/edit 不做限流

对/demo/query 的这条链路进行限流

Service中的方法如果要在Sentinel中显示为资源，需要加上注解@SentinelResource("getById")

配置如下：

使用Jmeter测试

/demo/edit是没有限流

/demo/query是有限流的

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

warm up（预热模式）

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/demo/query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

使用Jemeter测试

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 /demo/query 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

配置：

使用Jemter进行测试

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：

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

比如某个商品非常的热门，获取它的详情信息，我们想让它的qps高一点。

示例：对/demo/{id} ,id为1 qps为10

其他的参数qps 还是5

三、隔离和降级

限流是一种预防措施，虽然限流可以尽量避免因高并发而引起的服务故障，但服务还会因为其它原因而故障。

而要将这些故障控制在一定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级手段了。

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：是在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了。

可以看到，不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。需要在调用方 发起远程调用时做线程隔离、或者服务熔断。

而我们的微服务远程调用都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。

FeignClient整合Sentinel

在微服务中，微服务的调用通过Feign来实现，所以做客户端保护，必须在Feign中去整合Sentinel

Feign整合Sentinel有俩个步骤，配置Feing开启Sentinel和编写失败降级逻辑

1- yml配置开启Feign开启sentinel

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

2-编写失败降级逻辑

package cn.suweijie.sentinel2.feign.fallback;

import cn.suweijie.sentinel2.feign.Demo1Feign;
import feign.hystrix.FallbackFactory;
import lombok.extern.slf4j.Slf4j;

/**
 * @Author suweijie
 * @Date 2024/7/2 8:24
 * @Description: TODO
 * @Version 1.0
 */
@Slf4j
public class Demo1FeignFallbackFactory implements FallbackFactory<Demo1Feign> {
    @Override
    public Demo1Feign create(Throwable throwable) {
        return new Demo1Feign() {
            @Override
            public String query() {
                return "系统繁忙~";
            }
        };
    }
}

注册为bean

3-在Feign上使用FallbackFactory

package cn.suweijie.sentinel2.feign;

import cn.suweijie.sentinel2.feign.fallback.Demo1FeignFallbackFactory;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.GetMapping;

/**
 * @Author suweijie
 * @Date 2024/7/1 16:57
 * @Description: TODO
 * @Version 1.0
 */
@FeignClient(value = "sentinel-demo",fallbackFactory = Demo1FeignFallbackFactory.class)
public interface Demo1Feign {

    @GetMapping("/demo/query")
    String query();

}

Feign整合Sentinel的步骤：

  • 在application.yml中配置：feign.sentienl.enable=true
  • 给FeignClient编写FallbackFactory并注册为Bean
  • 将FallbackFactory配置到FeignClient

线程隔离（舱壁模式）

实现方式

线程隔离有俩种实现方式：

  • 线程池隔离
  • 信号量隔离

如图：

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：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。

俩者的优缺点

ps:

高扇出： 可以理解为一个API中调用了多个feign
高频调用： 可以理解为一个商城的商品列表，随着用户的增加，这个列表接口肯定是一个高频调用的接口。

实现步骤

在添加限流的规则时，可以选择俩种阈值类型

  • QPS：就是每秒的请求数，前面已经演示过
  • 线程数：是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现线程隔离（舱壁模式）。

案例

在sentinel针对feign的请求设置流控规则

这边选择的线程数就是信号量隔离

使用jmeter测试

一次发生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。

查看请求结果


发现虽然结果都是通过了，不过部分请求得到的响应是降级返回的信息。

总结

线程隔离的两种手段是？

  • 信号量隔离
  • 线程池隔离

信号量隔离的特点是？

  • 基于计数器模式，简单，开销小

线程池隔离的特点是？

  • 基于线程池模式，有额外开销，但隔离控制更强

熔断降级

熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例，如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求；而当服务恢复时，断路器会放行访问该服务的请求。

断路器控制熔断和放行是通过状态机来完成的：
 

状态机包括三个状态：

  • closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态
  • open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态5秒后会进入half-open状态
  • half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。
    • 请求成功：则切换到closed状态
    • 请求失败：则切换到open状态

断路器熔断策略有三种：慢调用、异常比例、异常数

慢调用

慢调用：业务的响应时长（RT）大于指定时长的请求认定为慢调用请求。在指定时间内，如果请求数量超过设定的最小数量，慢调用比例大于设定的阈值，则触发熔断。

例如：

解读：RT超过500ms的调用是慢调用，统计最近10000ms内的请求，如果请求量超过10次，并且慢调用比例不低于0.5，则触发熔断，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。


案例: 配置一个接口，最高响应时间为（RT）50ms， 统计1秒 ，最小请求数为5，比例阈值为0.4 熔断时间5s

解读一下：

统计周期为1s。接口响应时间超过50ms的就定义为慢调用，在统计周期内，如果5次请求中有 0.4*5 = 2次慢调用，则进入熔断的状态，熔断时间为5s。5s过后放一次请求进来，如果还时慢调用就继续熔断5s。如果成功就返回继续统计。

验证：

代码：

如果id = 1就 60ms延时

在浏览器中连续请求接口 http://localhost:8889/demo/test?id=1

就可以看到已经走熔断降级的逻辑了。

异常比例、异常数

异常比例或异常数：统计指定时间内的调用，如果调用次数超过指定请求数，并且出现异常的比例达到设定的比例阈值（或超过指定异常数），则触发熔断。

例如，一个异常比例设置：

在1s内请求数高于5次，且异常数 高于 调用次数 * 0.4 次。则触发熔断

异常数跟比例的区别就是异常数固定的数值，而异常比列是通过比例 * 统计时长内调用次数 得到 异常数。

四、授权规则

授权规则可以对请求方来源做判断和控制。

基本规则

授权规则可以对调用方的来源做控制，有白名单和黑名单两种方式。

  • 白名单：来源（origin）在白名单内的调用者允许访问
  • 黑名单：来源（origin）在黑名单内的调用者不允许访问

点击左侧菜单的授权，可以看到授权规则：

  • 资源名：就是受保护的资源，例如/order/{orderId}
  • 流控应用：是来源者的名单，
    • 如果是勾选白名单，则名单中的来源被许可访问。
    • 如果是勾选黑名单，则名单中的来源被禁止访问。

比如：

我们允许请求从gateway到order-service，不允许浏览器访问order-service，那么白名单中就要填写网关的来源名称（origin）。

如何获取origin

Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。

public interface RequestOriginParser {
    /**
     * 从请求request对象中获取origin，获取方式自定义
     */
    String parseOrigin(HttpServletRequest request);
}

这个方法的作用就是从request对象中，获取请求者的origin值并返回。

默认情况下，sentinel不管请求者从哪里来，返回值永远是default，也就是说一切请求的来源都被认为是一样的值default。

因此，我们需要自定义这个接口的实现，让不同的请求，返回不同的origin。

package cn.suweijie.sentinel2.config;

import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;
import org.springframework.stereotype.Component;
import org.springframework.util.StringUtils;

import javax.servlet.http.HttpServletRequest;

@Component
public class HeaderOriginParser implements RequestOriginParser {
    @Override
    public String parseOrigin(HttpServletRequest request) {
        // 1.获取请求头
        String origin = request.getHeader("origin");
        // 2.非空判断
        if (StringUtils.isEmpty(origin)) {
            origin = "blank";
        }
        return origin;
    }
}

给网关添加请求头

既然获取请求origin的方式是从reques-header中获取origin值，我们必须让所有从gateway路由到微服务的请求都带上origin头。

这个需要利用之前学习的一个GatewayFilter来实现，AddRequestHeaderGatewayFilter。

修改gateway服务中的application.yml，添加一个defaultFilter：

spring:
  cloud:
    gateway:
      default-filters:
        - AddRequestHeader=origin,gateway
      routes:
       # ...略

这样，从gateway路由的所有请求都会带上origin头，值为gateway。而从其它地方到达微服务的请求则没有这个头。

配置授权规则

接下来，我们添加一个授权规则，放行origin值为gateway的请求。

配置如下

现在，我们直接跳过网关：

通过网关访问：

可以看到通过网关访问的是正常响应，直接访问微服务被拦截了

自定义异常结果

默认情况下，发生限流、降级、授权拦截时，都会抛出异常到调用方。异常结果都是flow limmiting（限流）。这样不够友好，无法得知是限流还是降级还是授权拦截。

异常类型

而如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

public interface BlockExceptionHandler {
    /**
     * 处理请求被限流、降级、授权拦截时抛出的异常：BlockException
     */
    void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;
}

这个方法有三个参数：

  • HttpServletRequest request：request对象
  • HttpServletResponse response：response对象
  • BlockException e：被sentinel拦截时抛出的异常

这里的BlockException包含多个不同的子类：

异常

说明

FlowException

限流异常

ParamFlowException

热点参数限流的异常

DegradeException

降级异常

AuthorityException

授权规则异常

SystemBlockException

系统规则异常

自定义异常处理

下面，我们就在order-service定义一个自定义异常处理类：

package cn.itcast.order.sentinel;

import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowException;
import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;
import org.springframework.stereotype.Component;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

@Component
public class SentinelExceptionHandler implements BlockExceptionHandler {
    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        String msg = "未知异常";
        int status = 429;

        if (e instanceof FlowException) {
            msg = "请求被限流了";
        } else if (e instanceof ParamFlowException) {
            msg = "请求被热点参数限流";
        } else if (e instanceof DegradeException) {
            msg = "请求被降级了";
        } else if (e instanceof AuthorityException) {
            msg = "没有权限访问";
            status = 401;
        }

        response.setContentType("application/json;charset=utf-8");
        response.setStatus(status);
        response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");
    }
}

重启测试，在不同场景下，会返回不同的异常消息.

降级：

授权拦截时：


http://www.kler.cn/a/446522.html

相关文章：

  • PCL点云库入门——PCL库中点云数据拓扑关系之K-D树（KDtree）
  • BPMN与一般的流程图区别在那里？
  • Android Java Ubuntu系统如何编译出 libopencv_java4.so
  • Mac 开机 一闪框 mediasharingd
  • Unity 碎片化空间的产生和优化
  • android 登录界面编写
  • Three.js入门-Raycaster鼠标拾取详解与应用
  • 【蓝桥杯】43696.小数第n位
  • 如何创建属于自己的大语言模型：从零开始的指南
  • 目标检测与R-CNN——pytorch与paddle实现目标检测与R-CNN
  • 互联网医院系统，互联网医院系统源码可供
  • 固定资产分类，提升资产盘活效益
  • flink实现复杂kafka数据读取
  • 网工考试——数据链路层、网络层、传输层
  • 开源Genesis: 开创机器人研究的全新模拟平台
  • C++11 智能指针
  • 基于 SSM 和 Vue 打造的专业电脑测评系统：引领科技评估潮流
  • Flutter组件————Scaffold
  • iPhone恢复技巧：如何从 iPhone 恢复丢失的照片
  • 密钥管理系统在数据安全解决方案中的重要性
  • TensorFlow_T11 优化器对比实验
  • 用docker快速安装电子白板Excalidraw绘制流程图
  • GaussDB数据库中SQL诊断解析之配置SQL限流
  • Bcrypt在线密码加密生成器
  • 【人工智能】用Python实现图卷积网络（GCN）：从理论到节点分类实战
  • 【网络云计算】2024第51周-每日【2024/12/20】小测-理论-周测