熔断、限流、降级 —— SpringCloud Alibaba Sentinel

Sentinel 简介

Sentinel 是阿里中间件团队开源的，面向分布式服务架构的高可用流量防护组件，主要以流量为切入点，从限流、流量整形、熔断降级、系统负载保护、热点防护等多个维度来帮助开发者保障微服务的稳定性

Sentinel 提供了两个服务组件：

Sentinel 用来实现微服务系统中服务熔断、降级等功能
Sentinel Dashboard 用来监控微服务系统中流量调用等情况

限流算法

限流的方式有很多，常用的有计数器、漏桶和令牌桶等

1. 计数器

采用计数器是一种比较简单的限流算法，一般会限制一秒钟能够通过的请求数。比如限流 QPS 为 100，算法的实现思路就是从第一个请求进来开始计时，在接下来的 1 秒内每来一个请求就把计数加 1，如果累加的数字达到了 100，后续的请求就会被全部拒绝。等到 1 秒结束后，把计数恢复成 0，重新开始计数。如果在单位时间 1 秒内的前 10 毫秒处理了 100 个请求，那么后面的 990 毫秒会请求拒绝所有的请求，我们把这种现象称为突刺现象

2. 漏桶算法

漏桶算法的思路很简单，一个固定容量的漏桶按照常量固定速率流出水滴。如果桶是空的，就不需要流出水滴。我们可以按照任意速率流入水滴到漏桶。如果流入的水滴超出了桶的容量，流入的水滴就会溢出（被丢弃），而漏桶容量是不变的。漏桶算法提供了一种机制，通过它可以让突发流量被整形，以便为网络提供稳定的流量

3. 令牌桶算法

令牌桶算法是比较常见的限流算法之一，可以使用它进行接口限流。令牌按固定的速率被放入令牌桶中，当桶装满时，新添加的令牌会被丢弃或拒绝。当请求到达时，将从桶中删除 1 个令牌。令牌桶中的令牌不仅可以被移除，还可以往里添加，所以为了保证接口随时有数据通过，必须不停地往桶里加令牌。由此可见，往桶里加令牌的速度决定了数据通过接口的速度。我们通过控制往令牌桶里加令牌的速度来控制接口的流量

4. 漏桶算法和令牌桶算法的区别

漏桶算法是按照常量固定选率流出请求的，流入请求速率任意，当流入的请求数累积到漏桶容量时，新流入的请求被拒绝
令牌桶算法是按照固定速率往桶中添加令牌的，请求是否被处理需要看桶中的令牌是否足够，当令牌数减为零时，拒绝新的请求
令牌桶算法允许突发请求，只要有令牌就可以处理，允许一定程度的突发流量
漏桶算法限制的是常量流出速率，从而使突发流入速率平滑

Sentinel Dashboard

Sentinel 提供一个轻量级的开源控制台，包含如下功能：

查看机器列表以及健康情况：收集 Sentinel 客户端发送的心跳包，用于判断机器是否在线
监控（单机和集群）：通过 Sentinel 客户端暴露的监控 API，定期拉取并且聚合应用监控信息，最终可以实现秒级的实时监控
规则管理和推送：统一管理推送规则
鉴权：在生产环境中，鉴权非常重要，这里每个开发者需要根据自己的实际情况进行定制

从 GitHub 可以下载 Sentinel 安装包：https://github.com/alibaba/Sentinel/

下载得到的是一个 jar 包（sentinel-dashboard-1.8.6.jar），可以直接通过 Java 命令启动，如 java -jar 方式运行，默认端口为 8080，通过 http://localhost:8080/ 访问，用户名和密码默认是 sentinel

客户端接入控制台

引入依赖

<dependency>

    <groupId>com.alibaba.cloud</groupId>

    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>

</dependency>

配置文件配置如下：

spring:

    cloud:

        sentinel:

            transport:

                port: 18000  # 指定应用与sentinel控制台交互的端口

                dashboard: localhost:8080   # sentinel后台地址

            eager: true	# 开启sentinel,默认开启

Sentinel 限流

Sentinel 流量控制的原理是监控应用流量的 QPS 或并发线程数等指标，当达到指定的阈值时对流量进行控制，以避免被瞬时的流量高峰冲垮，从而保障应用的高可用性

使用注解方式实现限流如下：

@Slf4j

@RestController

public class TestCon {

    @GetMapping("/test/byResource")

    @SentinelResource(value = "byResource", blockHandler = "handleException")

    public void byResource() {

        log.info("按资源名称限流");

    }

    public void handleException(BlockException exception) {

        log.error("触发失败回调方法", exception);

    }

}

@SentinelResource 注解用于定义资源，可选属性如下：

value：指定资源名称
blockHandler / blockHandlerClass：指定处理 BlockExccption 异常函数名称。函数要求必须是 public，返回类型与原方法必须一致，函数参数类型需要和原方法相匹配并在最后加 BlockException 类型的参数，函数默认和原方法在同一个类中。若希望使用其他类的函数可配置 blockHandlerClass，并指定 blockHandlerClass 里面的方法，注意对应的函数必需为 static 函数，否则无法解析
```
// TestCon.java

@GetMapping("/test/byResource")

@SentinelResource(value = "byResource", blockHandler="handleBolckForTest", blockHandlerClass={BlockHandlerClassTest})

public void byResource() {

    log.info("按资源名称限流");

}

// BlockHandlerClassTest.java

public static String handleBolckForTest(String name,int age, BlockException exception){

	xxxxx

}
```
fallback / fallbackClass：用于在抛出异常的时候提供 fallback 处理逻辑，可以针对所有类型的异常（除了 exceptionsToIgnore 里面排除掉的异常类型）进行处理，返回值类型必须与原函数返回值类型一致，方法参数列表需要和原函数一致，或者可以额外多一个 Throwable 类型的参数用于接收对应的异常，fallback 函数默认需要和原方法在同一个类中，若希望使用其他类的函数，则可以指定 fallbackClass 为对应的类的 Class 对象，注意对应的函数必需为 static 函数，否则无法解析

在 Sentinel 控制台的流控规则中，新增流控规则，如图：

资源名：需要和 @SentineResource 注解的 value 属性值保持一致
针对来源：默认 default，表示对所有来源进行限流，有时候我们会希望根据上级微服务或者请求来源进行限流，可以根据自身的需求进行相应的配置
阈值类型：Sentinel 限流策略有两种统计类型，一种是统计并发线程数，另一种是统计 QPS
- 当 QPS 超过某个阈值的时候，采取措施进行流量控制，包括：
  - 直接拒绝：默认的流量控制方式，当 QPS 超过任意规则的阈值，新的请求会被立即拒绝并抛出 FlowExccption
  - Warm Up：预热/冷启动方式，在系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮，通过冷启动让通过的流量缓慢增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮
  - 匀速排队：严格控制请求通过的间隔时间，即让请求以均匀的速度通过，对应的是漏桶算法
流控模式：
- 直接：接口达到限流条件时，开启限流
- 关联：当指定接口关联的接口达到限流条件时，开启对指定接口开启限流，举例：设置关联资源为 byResource2，那么当 byResource2 达到限流条件时，byResource 将不可用
- 链路：当从某个接口过来的资源达到限流条件时，开启限流，举例：有两个接口 getResource1 和 getResource2 能调用 byResource 资源，如果设置了 getResource1 并达到限流条件，那么将无法再通过 getResource1 调用 byResource，而 getResource2 不受影响