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。
替代Hystrix，针对问题：服务雪崩、服务降级、服务熔断、服务限流
Hystrix：
服务消费者—>调用服务提供者
在调用方引入Hystrix—> 单独搞了一个Dashboard项目—>Turbine
1）自己搭建监控平台 dashboard
2）没有提供UI界面进行服务熔断、服务降级等配置（而是写代码，入侵了我们源程序环境）
Sentinel：
1）独立可部署Dashboard/控制台组件
2）减少代码开发，通过UI界面配置即可完成细粒度控制（自动投递微服务）
image.png
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。
  • 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。

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、Dubbo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。
  • 完善的 SPI 扩展点：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（来自官网）：
image.png
Sentinel 的开源生态（来自官网）：
image.png

Sentinel 部署

下载地址：https://github.com/alibaba/Sentinel/releases 这里使用v1.7.1
启动：java -jar sentinel-dashboard-1.7.1.jar &
用户名/密码：sentinel/sentinel
image.png

服务改造

由于消费者为服务调用提供者微服务，我们在消费者微服务进行的熔断降级等控制，那么接下来我们改造消费者微服务，引入Sentinel核心包。

  • pom.xml引入依赖

    <!--sentinel 核心环境 依赖-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

  • application.yml修改（配置sentinel dashboard，暴露端点依然要有，删除原有hystrix配置，删除原有OpenFeign的降级配置）

    server:
port: 8098
spring:
application:
  name: service-consumer
cloud:
  nacos:
    discovery:
      server-addr: 127.0.0.1:8848
  sentinel:
    transport:
      # sentinel dashboard/console 地址
      dashboard: 127.0.0.1:8080 
      # sentinel会在该端口启动http server，那么这样的话，控制台定义的一些限流等规则才能发送传递过来，如果8719端口被占用，那么会依次+1
      port: 8719 
management:
endpoints:
  web:
    exposure:
      include: "*"
# 暴露健康接口的细节
endpoint:
  health:
    show-details: always
# 针对的被调用方微服务名称，不加就是全局生效
service-consumer:
ribbon:
  # 请求连接超时时间
  ConnectTimeout: 2000
  # 请求处理超时时间，Feign超时时⻓设置
  ReadTimeout: 3000
  # 对所有操作都进行重试
  OkToRetryOnAllOperations: true
  # 对当前选中实例重试次数，不包括第一次调用
  MaxAutoRetries: 0 
  # 切换实例的重试次数
  MaxAutoRetriesNextServer: 0 
  # 负载策略调整
  NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule 
logging:
level:
  # Feign日志只会对日志级别为debug的做出响应
  com.cloud.controller.service.ServiceFeignClient: debug

  • 上述配置之后，启动自动投递微服务，使用 Sentinel 监控自动投递微服务
    此时我们发现控制台没有任何变化，因为懒加载，我们只需要发起一次请求触发即可
    image.png

    Sentinel 关键概念

    概念名称概念描述
    资源它可以是 Java 应用程序中的任何内容，例如，由应用程序提供的服务，或由应用程序调用的其它应用提供的服务，甚至可以是一段代码。我们请求的API接口就是资源
    规则围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以动态实时调整。

    Sentinel 流量规则模块

    系统并发能力有限，比如系统A的QPS支持1个，如果太多请求过来，那么A就应该进行流量控制了，比如其他请求直接拒绝
    image.png
    资源名：默认请求路径
    针对来源：Sentinel可以针对调用者进行限流，填写微服务名称，默认default（不区分来源）
    阈值类型/单机阈值
    QPS：（每秒钟请求数量）当调用该资源的QPS达到阈值时进行限流
    线程数：当调用该资源的线程数达到阈值的时候进行限流（线程处理请求的时候，如果说业务逻辑执行时间很⻓，流量洪峰来临时，会耗费很多线程资源，这些线程资源会堆积，最终可能造成服务不可用，进一步上游服务不可用，最终可能服务雪崩）
    是否集群：是否集群限流
    流控模式：
    直接：资源调用达到限流条件时，直接限流
    关联：关联的资源调用达到阈值时候限流自己
    链路：只记录指定链路上的流量
    流控效果：
    快速失败：直接失败，抛出异常
    Warm Up：根据冷加载因子（默认3）的值，从阈值/冷加载因子，经过预热时⻓，才达到设置的QPS阈值
    排队等待：匀速排队，让请求匀速通过，阈值类型必须设置为QPS，否则无效
    流控模式之关联限流：
    关联的资源调用达到阈值时候限流自己，比如用户注册接口，需要调用身份证校验接口（往往身份证校验接口），如果身份证校验接口请求达到阈值，使用关联，可以对用户注册接口进行限流。
    image.png

    package com.cloud.controller;

import com.cloud.controller.service.ServiceFeignClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/user")
public class UserController {

/*
 * 用户注册接口
 * @return
 */
@GetMapping("/register")
public String register() {
  System.out.println("Register success!");
  return "Register success!";
}

/*
 * 验证注册身份证接口（需要调用公安户籍资源）
 * @return
 */
@GetMapping("/validateID")
public String findOpenState() {
  System.out.println("validateID");
  return "ValidateID success!";
}
}

    模拟密集式请求/user/validateID验证接口，我们会发现/user/register接口也被限流了
    流控模式之链路限流
    链路指的是请求链路（调用链）
    链路模式下会控制该资源所在的调用链路入口的流量。需要在规则中配置入口资源，即该调用链路入口的上下文名称。
    一棵典型的调用树如下图所示：（阿里云提供）
    image.png
    上图中来自入口 Entrance1 和 Entrance2 的请求都调用到了资源 NodeA ，Sentinel 允许只根据某个调用入口的统计信息对资源限流。比如链路模式下设置入口资源为 Entrance1 来表示只有从入口 Entrance1 的调用才会记录到 NodeA 的限流统计当中，而不关心经 Entrance2 到来的调用。
    image.png
    流控效果之Warm up
    当系统⻓期处于空闲的情况下，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，比如电商网站的秒杀模块。
    通过 Warm Up 模式（预热模式），让通过的流量缓慢增加，经过设置的预热时间以后，到达系统处理请求速率的设定值。
    Warm Up 模式默认会从设置的 QPS 阈值的 1/3 开始慢慢往上增加至 QPS 设置值。
    image.png
    流控效果之排队等待
    排队等待模式下会严格控制请求通过的间隔时间，即请求会匀速通过，允许部分请求排队等待，通常用于消息队列削峰填谷等场景。需设置具体的超时时间，当计算的等待时间超过超时时间时请求就会被拒绝。
    很多流量过来了，并不是直接拒绝请求，而是请求进行排队，一个一个匀速通过（处理），请求能等就等着被处理，不能等（等待时间>超时时间）就会被拒绝。
    例如，QPS 配置为 5，则代表请求每 200 ms 才能通过一个，多出的请求将排队等待通过。超时时间代表最大排队时间，超出最大排队时间的请求将会直接被拒绝。排队等待模式下，QPS 设置值不要超过1000（请求间隔 1 ms）。

    Sentinel 降级规则模块

    流控是对外部来的大流量进行控制，熔断降级的视⻆是对内部问题进行处理。
    Sentinel 降级会在调用链路中某个资源出现不稳定状态时（例如调用超时或异常比例升高），对这个资源的调用进行限制，让请求快速失败，避免影响到其它的资源而导致级联错误。当资源被降级后，在接下来的降级时间窗口之内，对该资源的调用都自动熔断。
    这里的降级其实是Hystrix中的熔断
    下图是Hystrix的工作流程
    image.png
    策略
    Sentinel不会像Hystrix那样放过一个请求尝试自我修复，就是明明确确按照时间窗口来，熔断触发后，时间窗口内拒绝请求，时间窗口后就恢复。

  • RT（平均响应时间 ）
    当 1s 内持续进入 >=5 个请求，平均响应时间超过阈值（以 ms 为单位），那么在接下的时间窗口（以 s 为单位）之内，对这个方法的调用都会自动地熔断（抛出 DegradeException）。注意 Sentinel 默认统计的 RT 上限是 4900 ms，超出此阈值的都会算作 4900 ms，若需要变更此上限可以通过启动配置项 -Dcsp.sentinel.statistic.max.rt=xxx 来配置。
    image.png
  • 异常比例
    当资源的每秒请求量 >= 5，并且每秒异常总数占通过量的比值超过阈值之后，资源进入降级状态，即在接下的时间窗口（以 s 为单位）之内，对这个方法的调用都会自动地返回。异常比率的阈值范围是 [0.0, 1.0] ，代表 0% - 100%。
    image.png

  • 异常数
    当资源近 1 分钟的异常数目超过阈值之后会进行熔断。注意由于统计时间窗口是分钟级别的，若 timeWindow 小于 60s，则结束熔断状态后仍可能再进入熔断状态。
    时间窗口 >= 60s
    image.png

    Sentinel 其他模块（略，这里暂时不写了）

    Sentinel 自定义兜底逻辑

    @SentinelResource注解类似于Hystrix中的@HystrixCommand注解
    @SentinelResource注解中有两个属性需要我们进行区分，blockHandler属性用来指定不满足Sentinel规则的降级兜底方法，fallback属性用于指定Java运行时异常兜底方法

  • 在API接口资源处配置

    /*
 * @SentinelResource
 * value：定义资源名
 * blockHandlerClass：指定Sentinel规则异常兜底逻辑所在class类
 * blockHandler：指定Sentinel规则异常兜底逻辑具体哪个方法
 * fallbackClass：指定Java运行时异常兜底逻辑所在class类
 * fallback：指定Java运行时异常兜底逻辑具体哪个方法
*/
@GetMapping("/checkState/{userId}")
@SentinelResource(value = "findOpenState",blockHandlerClass = SentinelFallbackClass.class, blockHandler = "handleException", fallback = "handleError", fallbackClass = SentinelFallbackClass.class)
public Integer findOpenState(@PathVariable Long userId) {
// 模拟降级：
/*try {
  Thread.sleep(1000);
} catch (InterruptedException e) {
  e.printStackTrace();
}*/
// 模拟降级：异常比例
int i = 1/0;
Integer defaultState = serviceFeignClient.findDefaultState(userId);
return defaultState;
}

  • 自定义兜底逻辑类
    注意：兜底类中的方法为static静态方法

    package com.cloud.config;

import com.alibaba.csp.sentinel.slots.block.BlockException;

public class SentinelHandlersClass {
// 整体要求和当时Hystrix一样，这里还需要在形参最后添加BlockException参数，用于接收异常
// 注意：方法是静态的
public static Integer handleException(Long userId, BlockException blockException) {
  return -100;
}

public static Integer handleError(Long userId) {
  return -500;
}
}

    基于 Nacos 实现 Sentinel 规则持久化

    目前，Sentinel Dashboard中添加的规则数据存储在内存，微服务停掉规则数据就消失，在生产环境下不合适。我们可以将Sentinel规则数据持久化到Nacos配置中心，让微服务从Nacos获取规则数据。
    image.png

  • 自动投递微服务的pom.xml中添加依赖

    <!-- Sentinel支持采用 Nacos 作为规则配置数据源，引入该适配依赖 -->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>

  • 自动投递微服务的application.yml中配置Nacos数据源

    spring:
application:
  name: service-consumer
cloud:
  nacos:
    discovery:
      server-addr: 127.0.0.1:8848,127.0.0.1:8849,127.0.0.1:8850
  sentinel:
    transport:
      # sentinel dashboard/console 地址
      dashboard: 127.0.0.1:8080 
      # sentinel会在该端口启动http server，那么这样的话，控制台定义的一些限流等规则才能发送传递过来，如果8719端口被占用，那么会依次+1
      port: 8719 
    # Sentinel Nacos数据源配置，Nacos中的规则会自动同步到sentinel控制台的流控规则中
    datasource:
      # 此处的flow为自定义数据源名
      # 流控规则(自定义的名字)
      flow: 
        nacos:
          server-addr: ${spring.cloud.nacos.discovery.server-addr}
          data-id: ${spring.application.name}-flow-rules
          groupId: DEFAULT_GROUP
          data-type: json
          # 类型来自RuleType类
          rule-type: flow 
      # 流控规则(自定义的名字)
      degrade:
        nacos:
          server-addr: ${spring.cloud.nacos.discovery.server-addr}
          data-id: ${spring.application.name}-degrade-rules
          groupId: DEFAULT_GROUP
          data-type: json
          # 类型来自RuleType类
          rule-type: degrade

  • Nacos Server中添加对应规则配置集（public命名空间—>DEFAULT_GROUP中添加）
    流控规则配置集 service-comsumer-flow-rules

    [
{
  "resource":"findOpenState",
  "limitApp":"default",
  "grade":1,
  "count":1,
  "strategy":0,
  "controlBehavior":0,
  "clusterMode":false
}
]

    所有属性来自源码FlowRule类
    resource：资源名称
    limitApp：来源应用
    grade：阈值类型 0 线程数 1 QPS
    count：单机阈值
    strategy：流控模式，0 直接 1 关联 2 链路
    controlBehavior：流控效果，0 快速失败 1 Warm Up 2 排队等待
    clusterMode：true/false 是否集群

降级规则配置集 service-consumer-degrade-rules

[
  {
    "resource":"findOpenState",
    "grade":2,
    "count":1,
    "timeWindow":5
  }
]

所有属性来自源码DegradeRule类
resource：资源名称
grade：降级策略 0 RT 1 异常比例 2 异常数
count：阈值
timeWindow：时间窗

Rule 源码体系结构
image.png

  • 注意
    1）一个资源可以同时有多个限流规则和降级规则，所以配置集中是一个json数组
    2）Sentinel控制台中修改规则，仅是内存中生效，不会修改Nacos中的配置值，重启后恢复原来的值； Nacos控制台中修改规则，不仅内存中生效，Nacos中持久化规则也生效，重启后规则依然保持

标签: Sentinel, Spring Cloud

评论已关闭