Sentinel 介绍与下载使用

sentinel 前方参考

计算QPS-Sentinel限流算法 https://www.cnblogs.com/yizhiamumu/p/16819497.html

Sentinel 介绍与下载使用https://www.cnblogs.com/yizhiamumu/p/16823313.html

sentinel的四种流控规则介绍 https://www.cnblogs.com/yizhiamumu/p/16819593.html

sentinel 的限流规则及流量控制 https://www.cnblogs.com/yizhiamumu/p/16819680.html

sentinel中如何使用@SentinelResource和openFeign来进行服务熔断和降级的操作 https://www.cnblogs.com/yizhiamumu/p/16823146.html

Sentinel 介绍

分布式系统的流量防卫兵： 随着微服务的普及，服务调用的稳定性也变的越来越重要，Sentinel以“流量”为切入点，在流量控制、断路、负载保护等多个方面进行续航，保证服务的可靠性。

Sentinel具有以下特征:

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。

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、Apache Dubbo、gRPC、Quarkus 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。同时 Sentinel 提供 Java/Go/C++ 等多语言的原生实现。

完善的 SPI 扩展机制：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。

Sentinel 的主要特性：

Sentinel的妙用

当我们的分布式系统，面临复杂的体系结构中应用程序可能有数十个依赖关系，每个依赖关系在某些时候将不可避免的失败，比如我们调用 D\F\K 这几个服务，如果这些服务中某一个出现问题了，那么有可能会出现整体系统效率的下降，严重的甚至出现服务雪崩。

多个微服务之间互相调用的时候，如果D调用K和F，而K和F又调用其他的微服务，那么就会形成扇出
，如果扇出某个链路上的微服务调用超时或者响应很慢，那么微服务D就会占用越来越多的系统资源，从而导致系统崩溃，也就是服务雪崩。

对于高流量的应用来说，单一的后端依赖可能会导致服务器上的资源在极短的时间内被耗光，同时还有可能导致这些应用程序服务之间的响应时间增加，队列、线程和其他系统资源变的紧缺，导致整个系统之间发生更多的次生故障，如果我们单个应用服务故障处理和延迟进行隔离管控，当单个依赖关系失败时，不能对这个系统和资源产生影响，当某个模块实例失败以后，如果这个时候服务还能接收请求和流量访问，同时这个服务还去调用其他模块时，这样的级联故障，就会导致雪崩的发生

对比与其他的断流产品(Hystrix)而言，他不需要我们自己手动搭建监控平台，而且它有一套属于自己的Web界面，可对多种指标进行流控、熔断，且提供了实时监控和控制面板，功能更为强大

Sentinel 使用

下载地址：https://github.com/alibaba/Sentinel/releases

Sentinel分为两个部分：

核心库：不依赖任何框架/库，只需要Java运行时环境，同时对Dubbo\SpringCloud等框架也有很好的支持
控制台：基于SpringBoot开发，打包后可以直接运行，不需要额外的应用容器

注意：jdk1.8环境/8080端口不能被占用

启动命令：java -jar sentinel-dashboard-1.8.4.jar

访问地址：http://localhost:8080/

账号密码：sentinel/sentinel

到这里呢，我们的Sentinel就安装成功了，可能有点同学在界面上没有看到任何东西，并没有发现监控的服务，这是因为我们还没有启动项目，而Sentinel本身采用的是懒加载模式，所以我们需要先去访问服务对应的接口，Sentinel才会进行工作，接下来我们就来搭建我们的测试项目

搭建项目

Sentinel官方参考文档：https://sentinelguard.io/zh-cn/docs/quick-start.html

注意： 这里我们使用到了Nacos，不会Nacos的小伙伴，可以看我之前的文章，里面有详细的介绍,其实只需要你启动一个端口为8848的Nacos就行

导入依赖：

<!-- Nacos客户端依赖 -->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<!-- sentinel依赖 -->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

配置属性：

server:
  port: 8006

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848
    sentinel:
      transport:
        #配置Sentinel地址，就是我们的WEB界面
        dashboard: localhost:8080
        #Sentinel配置默认8719端口，被占用端口会自动从+1，直到找到未被占用的端口
        port: 8719

management:
  endpoints:
    web:
      exposure:
        include: '*'

测试类：

import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.concurrent.TimeUnit;

@RestController
public class TestController {

    @GetMapping("/playA")
    public String playA() {
        return "hello my name is playA ,wo shi boy";
    }

    @GetMapping("/playB")
    public String playB(){
        return "hi my name is playB， me girl";
    }
}

最后在我们的启动类上加上 ：@EnableDiscoveryClient，点击启动，然后我们来访问我们的测试地址：

http://localhost:8006/playA

http://localhost:8006/playB

访问之后，我们就能在Sentinel上看到我们的监控信息了，如下所示：

Sentinel 流控规则

首先我们先来看一张图：

上面这张图，就包含了，我们要讲解的全部内容，主要分为以下几点：

资源名：流控规则中唯一的名称，默认为我们的请求路径

针对来源：Sentinel 对调用者进行限流，填写我们的微服务名，默认为default，对来源不进行区分

阈值类型/单机阈值：

QPS(每秒请求数量)，使用该类型时，QPS达到我们设置的单机阈值，进行限流
线程数：当使用该类型时，线程数量达到我们设置的单机阈值，进行限流
是否集群：默认否，如果是集群勾选

流控模式：

直接：API达到限流条件时，直接限流，如果我们设置QPS为1，如果大于这个数量，直接返回错误
关联：当关联的资源达到阈值时，限流自己，比如A调用B，B达到了阈值，A进行限流
链路：只记录链路上的流量，指定对应的链路路径，从入口开始，如果达到阈值，则进行限流

流控效果：

快速失败：直接抛异常
Warm Up：根据冷加载因子codeFactor经过预热时长，才达到设置的QPS阈值
排队等待：匀速排队，让请求以匀速速度进行请求，阈值类型，需要设置为QPS，否则无效

我们先来新增一个流控规则看一下，操作方式有两种

在流控规则中添加
在簇点链路中添加

因为方便，我们一般会选择在簇点链路中添加，我们先来试一下QPS的操作：

这里我们设置单机阈值为1，所以playA这个接口一秒中只能被访问一次，如果超过，则进行限流操作进行一个阻塞操作，这个效果我们是可以直接看到的，当我们不停的刷新playA时，就会现在如下信息，而没有设置的playB,则不会

在这里我们如果设置为线程数会怎么样呢？我们来看一下。

在这里我们要注意：如果项目重新启动，需要将修改后的playA,重新访问后重新，添加流控规则

同时我们需要在代码中设置延时执行，如果处理太快，我们是看不到实际效果的，如果有兴趣的小伙伴可以自己启动线程去跑，在这里我们设置playA，进行一秒钟的延时操作，

       @GetMapping("/playA")
    public String playA() {
        try {
            //阻塞1 秒
            TimeUnit.MILLISECONDS.sleep(1000);
        }catch (Exception e){
            e.printStackTrace();
        }
        return "hello my name is playA ,wo shi boy";
    }

这里要使用两个不同浏览器去跑，同一个浏览器使用的是同一线程，先请求的某歌后请求的某火效果如下所示：

QPS和并发线程数的规则如下所示：

总结

虽然最终效果是一样的，但是规则是不同的，每种应对不用的业务场景，大家可以合理化的去使用