Sentinel规则持久化pull模式核心源码解析

---

前言

  在Sentinel的控制台（服务端）设置了流控、系统等规则后，点击保存按钮，会调用服务端FlowControllerV1的接口。Sentinel默认会将规则在服务端的内存中保存一份，然后推送到客户端，默认情况下也是推送到客户端的内存中。因为是保存在内存中，所以应用重启后，上一次配置的规则就会消失，需要重新进行配置。
  如果希望在客户端持久化一份，可以在服务端将规则推送到客户端后，自己实现扩展，或引入官方的jar包：

<!-- https://mvnrepository.com/artifact/com.alibaba.csp/sentinel-datasource-extension -->
<dependency><groupId>com.alibaba.csp</groupId><artifactId>sentinel-datasource-extension</artifactId><version>1.8.0</version>
</dependency>

  将规则更新到本地文件或数据库中。同时监控线程定期读取本地文件或数据库中的配置信息，如果发生变化，就会更新最新的逻辑到内存中：

图片来源：图灵学院

一、服务端新增/修改规则

  当在服务端的控制台页面上新增流控规则时，实际会调用/v1/flow/rule对应的方法：

  该方法在FlowControllerV1：


  参数FlowRuleEntity，也就是流控规则窗口中的选项：

  最关键的是下图中的两个方法（修改规则同理，是 @PutMapping(“/save.json”) 的请求方式，最终同样会调用下图中的两个方法）

1.1、repository.save

  该方法的作用，是将控制台页面上设置的规则，保存一份到服务端的内存中：

  在调用save方法的InMemoryRuleRepositoryAdapter类中，有三个属性：

• machineRules：保存每台机器对应的规则。MachineInfo表示一个具体的 Sentinel 客户端：

MachineInfo(ip=192.168.1.10, port=8719) → {
1001L → FlowRule(…),
1002L → FlowRule(…)
}

• allRules：保存所有机器对应的规则。

1001L → FlowRule(…),
1002L → DegradeRule(…),
1003L → ParamFlowRule(…)

• appRules：保存每个应用对应的规则集合

“order-service” → {
1001L → FlowRule(…),
1002L → DegradeRule(…)
}
“payment-service” → {
2001L → FlowRule(…)
}

1.2、publishRules

  该方法是将服务端的规则信息推送一份到客户端，首先会获取当前机器下配置的所有规则，然后调用setFlowRuleOfMachineAsync:

  会再加一个参数，标记当前规则的类型


  在该方法中发起post请求，进行推送规则，在推送规则前，还会通过toRule方法，将参数转换为各自规则的客户端接收参数类型（例：流控规则，服务端的参数是FlowRuleEntity，而客户端接收的参数类型是FlowRule，所以需要转换一下）

二、客户端接收规则

  Sentinel 控制台和客户端之间通过 Socket（基于 TCP）通信。当客户端启动时，会启动一个SimpleHttpCommandCenter（服务端也有），监听一个端口（ 8719），并注册各种命令处理器。

• 启动时扫描所有标注了 @CommandMapping 的类；
• 将这些处理类注册到一个 Map<String, CommandHandler> 中，键是 name（比如 “setRules”）；
• 当 Socket 接收到客户端发来的请求命令：
  • 解析请求命令名（如 /setRules?type=flow&data=[…]）；
  • 根据命令名找到对应的 handler；
  • 调用该类的 handle() 方法来处理这次命令请求；
• 返回处理结果作为 socket 响应。

  最终调用的是ModifyRulesCommandHandler的handle方法：

  在该方法中，会进行请求类型的判断，进入不同的分支。例如流控，先还原出请求的实体类型，然后通过各自manager管理器的loadRules方法，将规则保存一份到**客户端（微服务）**的内存中：
  flowRules就是规则在服务端内存的体现：

• key:资源名,即需要被限流的业务资源，比如接口名、方法名、URL 等。
• value:针对该资源的所有流控规则的列表。

---

  将各自的规则存入内存中后，客户端在进行对应的规则校验时，就会进行读取，例如限流：


获取该资源设置的所有流控规则

这里的flowRules就是在接收到服务端setRules请求后设置的

---

  在这一行代码中，会去尝试将规则持久化到文件或DB，Redis等中间件中：

  如果没有自定义实现，或者引入第三方的jar包，这里的WritableDataSource是空的。也就是不会走持久化的逻辑。

  没有持久化，返回给服务端的信息中会进行标识：

三、持久化扩展

3.1、持久化原理

  官方对于客户端的持久化，有一个案例，在Sentinel的sentinel-demo模块下的sentinel-demo-dynamic-file-rule中：

  可以运行一下这个demo：

public class FileDataSourceDemo {public static void main(String[] args) throws Exception {FileDataSourceDemo demo = new FileDataSourceDemo();demo.listenRules();/** Start to require tokens, rate will be limited by rule in FlowRule.json*/FlowQpsRunner runner = new FlowQpsRunner();runner.simulateTraffic();runner.tick();}private void listenRules() throws Exception {ClassLoader classLoader = getClass().getClassLoader();String flowRulePath = URLDecoder.decode(classLoader.getResource("FlowRule.json").getFile(), "UTF-8");
//        String degradeRulePath = URLDecoder.decode(classLoader.getResource("DegradeRule.json").getFile(), "UTF-8");
//        String systemRulePath = URLDecoder.decode(classLoader.getResource("SystemRule.json").getFile(), "UTF-8");// Data source for FlowRuleFileRefreshableDataSource<List<FlowRule>> flowRuleDataSource = new FileRefreshableDataSource<>(flowRulePath, flowRuleListParser);FlowRuleManager.register2Property(flowRuleDataSource.getProperty());// Data source for DegradeRule
//        FileRefreshableDataSource<List<DegradeRule>> degradeRuleDataSource
//            = new FileRefreshableDataSource<>(
//            degradeRulePath, degradeRuleListParser);
//        DegradeRuleManager.register2Property(degradeRuleDataSource.getProperty());
//
//        // Data source for SystemRule
//        FileRefreshableDataSource<List<SystemRule>> systemRuleDataSource
//            = new FileRefreshableDataSource<>(
//            systemRulePath, systemRuleListParser);
//        SystemRuleManager.register2Property(systemRuleDataSource.getProperty());}private Converter<String, List<FlowRule>> flowRuleListParser = source -> JSON.parseObject(source,new TypeReference<List<FlowRule>>() {});private Converter<String, List<DegradeRule>> degradeRuleListParser = source -> JSON.parseObject(source,new TypeReference<List<DegradeRule>>() {});private Converter<String, List<SystemRule>> systemRuleListParser = source -> JSON.parseObject(source,new TypeReference<List<SystemRule>>() {});
}

  输出的效果:

83 send qps is: 39
1744526839080, total:39, pass:20, block:19
82 send qps is: 37
1744526840080, total:37, pass:17, block:20
81 send qps is: 34
1744526841081, total:34, pass:21, block:13

  因为在FlowRule.json文件中是这样配置的：

  运行时修改target目录下该文件的值：

  发现放行的请求数量也随之发生改变。

1744526970761, total:38, pass:20, block:18
93 send qps is: 41
1744526971761, total:41, pass:20, block:21
92 send qps is: 37
1744526972761, total:37, pass:25, block:12
91 send qps is: 37
1744526973762, total:37, pass:37, block:0
90 send qps is: 41
1744526974762, total:41, pass:40, block:1
89 send qps is: 42
1744526975770, total:42, pass:42, block:0
88 send qps is: 46
1744526976771, total:46, pass:39, block:7
87 send qps is: 42
1744526977771, total:42, pass:38, block:4

  这个Demo实际就是模拟了将规则持久化到本地文件，并且动态感知文件变化，刷新规则的操作。
  那么是如何实现上面的效果的？关键代码在于FileRefreshableDataSource和FlowRuleManager.register2Property：

3.1.1、FileRefreshableDataSource

  在实例化FileRefreshableDataSource时，实际会调用到下面的构造。其中关键代码在于super关键字的调用以及firstLoad()方法：

3.1.1.1、super关键字

  super关键字会调用其父类AutoRefreshDataSource的构造。

  在startTimerService()方法中，会利用线程池启动一个定时任务，默认是3s执行一次：

  该定时任务主要完成的逻辑：

1. 判断客户端持久化的规则文件是否被修改，
2. 如果被修改，就重新去读取，并且利用对应监听器的configUpdate方法，将持久化的规则文件中的最新值，刷回到客户端内存的FlowRuleManager的flowRules中。

3.1.1.2、firstLoad()方法

  firstLoad则是在第一次启动时，读取持久化到本地的配置规则的值，并且刷回到客户端内存的FlowRuleManager的flowRules中。

  所以完成图上第6步的关键，就在于FileRefreshableDataSource

3.1.2、FlowRuleManager.register2Property

  该方法的参数，就是上一步得到的规则实例：

  主要用于给新传进来的 property （上一步得到的规则实例）添加监听器，监听规则变化：

  上面的Demo，只演示了当持久化的规则文件发生变化时，通过定时任务监控变化，并且修改内存中的值的操作，还缺少客户端接收服务端的推送，然后进行持久化的操作。也就是ModifyRulesCommandHandler的handle方法的：

3.2、持久化实现

  对于持久化的实现，也有一个案例，只不过最终多了一个客户端接收服务端的推送，然后进行持久化的操作。

public class FileDataSourceInit implements InitFunc {@Overridepublic void init() throws Exception {// A fake path.String flowRuleDir = System.getProperty("user.home") + File.separator + "sentinel" + File.separator + "rules";String flowRuleFile = "flowRule.json";String flowRulePath = flowRuleDir + File.separator + flowRuleFile;ReadableDataSource<String, List<FlowRule>> ds = new FileRefreshableDataSource<>(flowRulePath, source -> JSON.parseObject(source, new TypeReference<List<FlowRule>>() {}));// Register to flow rule manager.FlowRuleManager.register2Property(ds.getProperty());WritableDataSource<List<FlowRule>> wds = new FileWritableDataSource<>(flowRulePath, this::encodeJson);// Register to writable data source registry so that rules can be updated to file// when there are rules pushed from the Sentinel Dashboard.WritableDataSourceRegistry.registerFlowDataSource(wds);}private <T> String encodeJson(T t) {return JSON.toJSONString(t);}
}

  上面的案例，可以直接拿来使用。因为实现了InitFunc 接口，只需要进行SPI的配置，具体是在工程的resource下加入：

  文件的内容是实现了InitFunc的包名 + 类名。

  这样在调用被保护的资源时，会进入Env的静态代码块：
  通过SPI机制加载文件，并且执行其中的init方法：

  这里就有我们刚刚自定义的：

  执行自定义的init，会向WritableDataSourceRegistry中注册一个数据源：

---

   List<InitFunc> initFuncs = SpiLoader.of(InitFunc.class).loadInstanceListSorted();这一行代码中，解析出的init实现类，还有一个CommandCenterInitFunc也非常的关键，优先级也是最高的，在它的内部，会启动线程，去监听控制台开放的端口，并且还有初始化所有CommandHanlder，以及调用转发的逻辑。

---

总结：Sentinel 规则持久化：Pull 模式下的客户端与服务端处理流程

  在 Sentinel 的规则持久化 Pull 模式 中，客户端与服务端（控制台）分别承担不同的职责与处理逻辑。该模式下，控制台主动推送规则，客户端被动接收并进行持久化。
  服务端（控制台）处理逻辑
  当在控制台执行新增、修改或删除规则操作时，请求将进入 FlowControllerV1，其内部处理流程包括以下两个步骤：

1. 规则同步到内存：
   将页面上传递的规则进行新增、修改或删除，并同步更新服务端内存中的规则缓存。
2. 规则推送至客户端：
   通过 Socket 通信，将最新的规则数据推送至对应的客户端实例。

---

  客户端处理逻辑
  客户端在接收到服务端推送的规则后，会由 ModifyRulesCommandHandler 的 handle 方法负责处理，具体包括：

1. 规则写入客户端内存：
   解析服务端下发的规则，并更新客户端本地内存中的规则集合。
2. 规则持久化（可选）：
   若客户端实现了自定义持久化逻辑（通过 SPI 机制，提供 InitFunc 接口的实现类），则会按照配置的持久化策略，将规则保存到本地文件、数据库或其他存储介质中。

---

  客户端规则持久化关键点

1. 服务端推送后的规则持久化

• 实现方式：调用 WritableDataSourceRegistry.registerFlowDataSource(...) 方法；
• 作用：将规则注册为可写数据源，便于在接收到规则更新后，触发持久化操作。

2. 本地规则文件变更的自动感知

• 实现方式：使用 FileRefreshableDataSource 组件；
• 作用：支持客户端实时监听本地规则文件的变化，一旦检测到更新，即可自动加载并刷新内存中的规则数据，保持运行时规则与文件内容同步。

---

  如需支持其他数据源（如 Nacos、Zookeeper、Apollo 等），可基于 Sentinel 提供的 SPI 接口扩展 ReadableDataSource 和 WritableDataSource，实现自定义的数据加载与保存逻辑。
  如果想要在Spring Boot启动时，就直接完成init逻辑，可以自定义实现ApplicationRunner或CommandLineRunner接口。通过SPI机制的init实现，实际上是懒加载的，在调用目标资源方法时才会执行。