当前位置：首页 > news >正文

Spring Cloud Alibaba2022之Sentinel总结

news 来源：原创 2025/7/15 0:44:26

Spring Cloud Alibaba2022之Sentinel学习

Sentinel介绍

Sentinel是一个面向云原生微服务的流量控制、熔断降级组件。
Sentinel 分为两个部分：

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3
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

Sentinel下载地址如下：
Sentinel控制台下载地址
下载后，进入保存目录，通过命令执行jar文件

java -jar sentinel-dashboard-1.8.7.jar

在浏览器输入http://localhost:8080/#/login进行访问，用户名和密码都是sentinel
在这里插入图片描述

使用

在需要使用Sentinel组件的服务的pom文件中加入Sentinel核心库的依赖

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

启动服务，然后随便访问服务中的一个接口，这个接口会出现在控制台中。
在这里插入图片描述
如果不想访问接口，需要将eager设置为true

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。

下面的图显示了服务的调用链路。访问了/consumer/test/{userId}接口，然后远程调用了http://providerservice/user/{userId}接口，通过右边的操作可以进行限流、降级。
在这里插入图片描述

服务限流

Sentinel的流控模式有3种：

直接模式：对当前资源限流
关联模式：高优先级资源触发阈值，对低优先级资源限流
链路模式：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

流控效果也有3钟：

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：也叫预热模式，是应对服务冷启动的一种方案；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；

直接模式

给/consumer/test/{userId}接口设置的最大QPS为3，流控效果是快速失败，则这个接口每秒钟最多能处理3个请求，第4个请求会被拒绝并抛出异常
在这里插入图片描述

在Jmeter中创建测试计划进行测试，在1秒内：创建5个线程，这个5个线程只执行1次
在这里插入图片描述
通过结果可以到，前面3个线程的请求成功了，而后面两个线程的请求失败了

关联模式

统计与当前资源相关的另一个资源，达到阈值时，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。
总结一下使用关联模式的条件：

两个资源有竞争关系
一个资源优先级高，一个资源优先级低

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：/consumer/{userId} —> /user/{userId} 和 /consumer/test/{userId} --> /user/{userId}，现在只希望统计从/consumer/test/{userId}进入的请求，则可以像下面的图中这样配置：

在这里插入图片描述

sentinel默认只会标记controller中的方法为资源，如果要标记其它的方法，则需要使用@sentinelResource注解；Sentinel默认会将controller方法做整合，导致链路的流控模式失效，此时需要使用如下的配置进行处理：

spring:cloud:sentinel:web-context-unify: false  #如果配置为 true，则对所有请求应用统一的流控和熔断规则;如果配置为 false，则对每个请求的上下文信息进行独立处理，并针对每个 URL 或资源配置流控和熔断规则

@SentinelResource注解使用

@SentinelResource的常用属性如下：

value：资源名称
blockHandler：Sentinel的限流处理方法
fallback：代码执行出现异常的处理
fallbackClass：全局统一处理方法，需要为静态函数不然无法解析

注意：当blockHandler和fallback同时使用时，则被限流降级而抛出 BlockException 时只会进入 blockHandler 处理逻辑。若未配置 blockHandler、fallback 和 defaultFallback，则被限流降级时会将 BlockException 直接抛出

    @RequestMapping("/getDate")@SentinelResource(value = "getDate", blockHandler = "blockHandler")public String getDate() {String format = LocalDateTime.now().format(DateTimeFormatter.ofPattern(pattern));System.out.println("result: "  + format);return format;}/*** blockHandler方法的签名和getDate方法类似，但是要比getDate方法多一个参数BlockException* 这是必须的，不然不能正常执行这个方法**/public String blockHandler(BlockException e) {return "getDate request is blocking, please wait!";}

给这个资源配置限流规则
在这里插入图片描述
可以看到页面显示了blockHandler方法返回的内容

流控效果之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（预热时长）的默认值是3。
在这里插入图片描述

流控效果之排队等待

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
在这里插入图片描述

服务隔离和降级

虽然限流可以尽量避免因高并发而引起的服务故障，但服务还可能会因为其它原因发生故障。而要讲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。不管是服务隔离还是熔断降级都是对客户端（调用方）的保护。

OpenFeign整合Sentinel

使用sentinel进行流控后，如果流量过大，导致接口访问异常，此时应该对接口进行降级处理。如果项目中使用的是OpenFeign进行调用远程接口的话，此时需要进行整合从而实现降级处理。给Feign Client编写失败后的降级处理逻辑有两种方法：

FallBackClass：无法对远程调用的异常进行处理；
FallBackFactory：可以对远程调用的异常进行处理；
这里我们采用第二种，其实两种方式的使用方法都是差不多的。

首先需要开启整合

feign:sentinel:enabled: true

降级逻辑处理，这里只是简单地把异常信息返回了。

/*** @author * @version 1.0* @description: 对远程调用的异常进行处理* @date 2024/3/6 */
public class UserFallBack implements FallbackFactory<ProviderServiceClient> {private static final Logger LOGGER = LoggerFactory.getLogger(UserFallBack.class);@Overridepublic ProviderServiceClient create(Throwable cause) {LOGGER.error("error: " + cause.getMessage() + " " + cause.getCause());return new ProviderServiceClient() {@Overridepublic String getUserById(String userId) {return "远程服务调用异常" + cause.getMessage();}};}}

将UserFallBack注册为Bean

    @Beanpublic UserFallBack userFallBack() {return new UserFallBack();}

通过@FeignClient注解的fallbackFactory 属性指定发送异常时进行处理的类

@FeignClient(value = "providerservice", contextId = "providerservice", fallbackFactory = UserFallBack.class)  //指定要调用的服务
public interface ProviderServiceClient {//要调用的服务中的请求，需要被调用的服务中的请求方法保持一致@GetMapping("/user/{userId}")public String getUserById(@PathVariable("userId") String userId);}

最后，如果调用此接口发生异常就会走UserFallBack中的create方法进行处理。

线程隔离

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。具体流程如下图所示：