【Spring Cloud Alibaba】008-Sentinel
标签: 【Spring Cloud Alibaba】008-Sentinel Python博客 51CTO博客
2023-07-13 18:24:39 117浏览
【Spring Cloud Alibaba】008-Sentinel
文章目录
- 【Spring Cloud Alibaba】008-Sentinel
- 一、服务雪崩
- 1、概述
- 2、解决方案
- 常见的容错机制
- 二、Sentinel:分布式系统的流量防卫兵
- 1、**Sentinel** 概述
- 简介
- 特性
- Sentinel 的开源生态
- Sentinel 的历史
- 2、Sentinel 基本概念
- 资源
- 规则
- 3、Sentinel 功能和设计理念
- 流量控制
- 流量控制设计理念
- 4、熔断降级
- 什么是熔断降级
- 熔断降级设计理念
- 系统自适应保护
- 5、Sentinel 是如何工作的
- 三、Sentinel 使用
- 1、基本使用
- 第一步:引入依赖
- 第二步:编写代码
- 第三步:访问测试
- 缺点
- 2、@SentinelResource 注解
- 3、注解开发
- 第一步:引入依赖
- 第二步:添加 bean
- 第三步:编写代码
- 第四步:访问测试
- 四、降级规则初体验
- 1、熔断降级规则 (DegradeRule)
- 熔断策略
- 属性说明
- 熔断器事件监听
- 2、初体验*
- 五、控制台部署
- 1、启动控制台
- 第一步:获取 Sentinel 控制台
- 第二步:启动
- 2、客户端接入控制台
- 第一步:引入依赖
- 第二步:配置启动参数
- 第三步:重启,并访问资源
- 第四步:查看控制台
- 六、整合 Spring Cloud Alibaba
- 1、引入依赖
- 2、修改 yaml 配置
- 3、启动 sentinel 和 项目
- 七、流控规则
- 1、概述
- 2、QPS
- 第一步:增加一个接口
- 第二步:配置流控规则
- 第三步:访问测试
- 第四步:配置异常处理方法
- 第五步:重启,并访问测试
- 2、并发线程数
- 概述
- 第一步:修改代码,重启项目
- 第二步:设置流控规则
- 第三步:访问测试
- 八、统一异常处理 BlockException
- 1、定义统一返回类
- 2、定义统一异常处理类
- 3、修改接口代码
- 4、设置流控,访问测试
- 九、流控模式
- 1、概述
- 2、关联
- 说明
- 第一步:创建接口
- 第二步:运行访问,设置限流策略
- 第三步:访问测试
- 3、链路
- 第一步:编写代码
- 第二步:修改 yaml 配置
- 第三步:运行访问,设置限流策略
- 第四步:访问测试
- 备注
- 十、流控效果
- 1、概述
- 快速失败
- Warm Up(激增流量/预热流控)
- 排队等待(脉冲流量)
- 2、预热流控
- 第一步:创建接口
- 第二步:运行访问,设置限流策略
- 第三步:访问测试
- 3、排队等待
- 第一步:修改流控规则
- 第二步:有规律刷新网页
- 第三步:设置排队等待
- 第四步:再次有规则刷新网页
- 十一、整合 OpenFeign 降级
- 参考文章
- 十二、热点规则:热点参数限流
- 1、概述
- 2、演示
- 第一步:创建接口
- 第二步:新增热点规则
- 第三步:编辑热点规则高级选项
- 第四步:访问测试
- 十三、系统规则:系统保护规则
- 1、概述
- 2、系统保护配置示例
- 十四、规则持久化
- 1、持久化配置的必要
- 2、三种模式
- 原始模式:
- 拉模式
- 推模式(生产环境常用)
- 3、基于 Nacos 配置中心控制台实现推送*
- 第一步:引入依赖
- 第二步:启动 Nacos ,并创建配置文件
- 第三步:修改 yaml 配置文件
- 十五、Gateway 整合 Sentinel
一、服务雪崩
1、概述
因服务提供者的不可用导致服务调用者的不可用,并将不可用逐渐放大的过程,就叫服务雪崩效应。
在服务提供者不可用的时候,会出现大量重试的情况:用户重试、代码逻辑重试,这些重试最终导致:进一步加大请求
流量。所以归根结底导致雪崩效应的最根本原因是:**大量请求线程同步等待造成的资源耗尽。**当服务调用者使用同步调
用时, 会产生大量的等待线程占用系统资源。一旦线程资源被耗尽,服务调用者提供的服务也将处于不可用状态,,于是服务
雪崩效应产生了。
2、解决方案
稳定性 恢复性
常见的容错机制
- 超时机制: 在不做任何处理的情况下,服务提供者不可用会导致消费者请求线程强制等待,而造成系统资源耗尽。加入超时机制,一旦超时,就释放资源。由于释放资源速度较快,一定程度上可以抑制资源耗尽的问题。
- 服务限流: 限制流量,直接拒绝部分请求。
- 线程隔离: 用户的请求将不再直接访问服务,而是通过线程池中的空闲线程来访问服务,如果线程池已满,则会进行降级
处理,用户的请求不会被阻塞,至少可以看到一个执行结果(例如返回友好的提示信息),而不是无休止的等待或者看
到系统崩溃。 - 信号隔离: 信号隔离也可以用于限制并发访问,防止阻塞扩散,与线程隔离最大不同在于执行依赖代码的线程依然是请求线程(该线程需要通过信号申请,如果客户端是可信的且可以快速返回,可以使用信号隔离替换线程隔离,降低开销。信号量的大小可以动态调整,线程池大小不可以。
- 服务熔断: 远程服务不稳定或网络抖动时暂时关闭,就叫服务熔断。(就像日常生活中,电路跳闸,压力太大的时候自动关闭)。实时监测应用,如果发现在一定时间内失败次数/失败率达到一定阈值,就“跳闸”,断路器打开——此时,请求直接返回,而不去调用原本调用的逻辑。跳闸一段时间后(例如10秒),断路器会进入半开状态,这是一个瞬间态,此时允许一次请求调用该调的逻辑,如果成功,则断路器关闭,应用正常调用;如果调用依然不成功,断路器继续回到打开状态,过段时间再进入半开状态尝试——通过”跳闸“,应用可以保护自己,而且避免浪费资源;而通过半开的设计,可实现应用的“自我修复“。当依赖的服务有大量超时时,在让新的请求去访问根本没有意义,只会无畏的消耗现有资源。
- 服务降级: 有服务熔断,必然要有服务降级。所谓降级,就是当某个服务熔断之后,服务将不再被调用,此时客户端可以自己准备一个本地的 fallback(回退)回调,返回一个缺省值。 例如:(备用接口/缓存/mock数据) 。这样做,虽然服务水平下降,但好歹可用,比直接挂掉要强,当然这也要看适合的业务场景。
二、Sentinel:分布式系统的流量防卫兵
1、Sentinel 概述
简介
Sentinel 是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。
源码地址:https://github.com/alibaba/Sentinel
官方文档:https://github.com/alibaba/Sentinel/wiki
Sentinel 的使用可以分为两个部分:
- 核心库(Java 客户端):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持(见 主流框架适配)。
- 控制台(Dashboard):控制台主要负责管理推送规则、监控、集群限流分配管理、机器发现等。
特性
- 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、gRPC 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 的开源生态
Sentinel 的历史
- 2012 年,Sentinel 诞生,主要功能为入口流量控制。
为流量而生!
- 2013-2017 年,Sentinel 在阿里巴巴集团内部迅速发展,成为基础技术模块,覆盖了所有的核心场景。Sentinel 也因此积累了大量的流量归整场景以及生产实践。
说白了,就是主要用来控制流量的!
- 2018 年,Sentinel 开源,并持续演进。
人是有强烈的表达欲的,特别是大师!只有自己知道了关于宝藏的秘密是不行的,你不分享出去别人还以为你啥也不知道呢!
另外,开源也是逼迫内部进行架构、代码大整理的机会!
- 2019 年,Sentinel 朝着多语言扩展的方向不断探索,推出 C++ 原生版本,同时针对 Service Mesh 场景也推出了 Envoy 集群流量控制支持,以解决 Service Mesh 架构下多语言限流的问题。
逐渐完善,并走向成熟!
- 2020 年,推出 Sentinel Go 版本,继续朝着云原生方向演进。
2、Sentinel 基本概念
资源
资源是 Sentinel 的关键概念。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。在接下来的文档中,我们都会用资源来描述代码块。
只要通过 Sentinel API 定义的代码,就是资源,能够被 Sentinel 保护起来。大部分情况下,可以使用方法签名,URL,甚至服务名称作为资源名来标示资源。
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。
是规则,也是策略!根据策略,制定规则!
3、Sentinel 功能和设计理念
流量控制
什么是流量控制
流量控制在网络传输中是一个常用的概念,它用于调整网络包的发送数据。然而,从系统稳定性角度考虑,在处理请求的速度上,也有非常多的讲究。任意时间到来的请求往往是随机不可控的,而系统的处理能力是有限的。我们需要根据系统的处理能力对流量进行控制。Sentinel 作为一个调配器,可以根据需要把随机的请求调整成合适的形状,如下图所示:
流量控制设计理念
流量控制有以下几个角度:
- 资源的调用关系,例如资源的调用链路,资源和资源之间的关系;
- 运行指标,例如 QPS、线程池、系统负载等;
QPS:每秒访问量。
- **控制的效果,**例如直接限流、冷启动、排队等。
效果,也是策略,进而形成规则!
目标 => 策略 => 规则!三步走!
Sentinel 的设计理念是让您自由选择控制的角度,并进行灵活组合,从而达到想要的效果。
自由选择 + 灵活组合 + 动态调整 = 理想效果!
4、熔断降级
什么是熔断降级
除了流量控制以外,及时对调用链路中的不稳定因素进行熔断也是 Sentinel 的使命之一。由于调用关系的复杂性,如果调用链路中的某个资源出现了不稳定,可能会导致请求发生堆积,进而导致级联错误。
**一个服务常常会调用别的模块,可能是另外的一个远程服务、数据库,或者第三方 API 等。**例如,支付的时候,可能需要远程调用银联提供的 API;查询某个商品的价格,可能需要进行数据库查询。然而,这个被依赖服务的稳定性是不能保证的。如果依赖的服务出现了不稳定的情况,请求的响应时间变长,那么调用服务的方法的响应时间也会变长,线程会产生堆积,最终可能耗尽业务自身的线程池,服务本身也变得不可用。
流量控制 + 熔断降级
现代微服务架构都是分布式的,由非常多的服务组成。不同服务之间相互调用,组成复杂的调用链路。以上的问题在链路调用中会产生放大的效果。复杂链路上的某一环不稳定,就可能会层层级联,最终导致整个链路都不可用。因此我们需要对不稳定的弱依赖服务调用进行熔断降级,暂时切断不稳定调用,避免局部不稳定因素导致整体的雪崩。熔断降级作为保护自身的手段,通常在客户端(调用端)进行配置。
注意:本文档针对 Sentinel 1.8.0 及以上版本。1.8.0 版本对熔断降级特性进行了全新的改进升级,请使用最新版本以更好地利用熔断降级的能力。
Sentinel 和 Hystrix 的原则是一致的:当检测到调用链路中某个资源出现不稳定的表现,例如请求响应时间长或异常比例升高的时候,则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故障。
熔断降级设计理念
在限制的手段上,Sentinel 和 Hystrix 采取了完全不一样的方法。
Hystrix 通过 线程池隔离 的方式,来对依赖(在 Sentinel 的概念中对应 资源
)进行了隔离。这样做的好处是资源和资源之间做到了最彻底的隔离。缺点是除了增加了线程切换的成本(过多的线程池导致线程数目过多),还需要预先给各个资源做线程池大小的分配,并且对于一些使用了 ThreadLocal 的场景来说会有问题(如 Spring 事务)。
Hystrix 线程隔离:做到了资源之间的彻底隔离,但增加了成本和副作用!
Sentinel 对这个问题采取了两种手段:
新的工具 = 吸收旧工具的优势 + 弥补旧工具的不足!
- 通过并发线程数进行限制: 和资源池隔离的方法不同,Sentinel 通过限制资源并发线程的数量,来减少不稳定资源对其它资源的影响。这样不但没有线程切换的损耗,也不需要您预先分配线程池的大小。当某个资源出现不稳定的情况下,例如响应时间变长,对资源的直接影响就是会造成线程数的逐步堆积。当线程数在特定资源上堆积到一定的数量之后,对该资源的新请求就会被拒绝。堆积的线程完成任务后才开始继续接收请求。
- 针对慢调用和异常对资源进行降级: 除了对并发线程数进行控制以外,Sentinel 还可以根据响应时间和异常等不稳定因素来快速对不稳定的调用进行熔断。当依赖的资源出现响应时间过长后,所有对该资源的访问都会被直接拒绝,直到过了指定的时间窗口之后才重新渐进式地恢复。
系统自适应保护
Sentinel 同时提供系统维度的自适应保护能力。防止雪崩,是系统防护中重要的一环。当系统负载较高的时候,如果还持续让请求进入,可能会导致系统崩溃,无法响应。在集群环境下,网络负载均衡会把本应这台机器承载的流量转发到其它的机器上去。如果这个时候其它的机器也处在一个边缘状态的时候,这个增加的流量就会导致这台机器也崩溃,最后导致整个集群不可用。
针对这个情况,Sentinel 提供了对应的保护机制,让系统的入口流量和系统的负载达到一个平衡,保证系统在能力范围之内处理最多的请求。
5、Sentinel 是如何工作的
Sentinel 的主要工作机制如下:
- 对主流框架提供适配或者显示的 API,来定义需要保护的资源,并提供设施对资源进行实时统计和调用链路分析。
第一:告诉需要保护什么,我来提供对其实时分析和统计!
- 根据预设的规则,结合对资源的实时统计信息,对流量进行控制。同时,Sentinel 提供开放的接口,方便您定义及改变规则。
第二:根据您想要达到的效果,确定策略,并制定规则,我来执行!
- Sentinel 提供实时的监控系统,方便您快速了解目前系统的状态。
第三:我可以提供系统运行的实时状态!
三、Sentinel 使用
1、基本使用
第一步:引入依赖
<!-- 引入 Sentinel 依赖 -->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-core</artifactId>
<version>1.8.6</version>
</dependency>
第二步:编写代码
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.Entry;
import com.alibaba.csp.sentinel.SphU;
import com.alibaba.csp.sentinel.slots.block.RuleConstant;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRule;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRuleManager;
import jakarta.annotation.PostConstruct;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.ArrayList;
import java.util.List;
/**
* @author zibo
* @date 2023/2/24 13:43
*/
@RestController
@RequestMapping("/sentinel")
public class HelloController {
private static final String RESOURCE_NAME = "hello";
@RequestMapping("/hello")
public String hello() {
Entry entry = null;
try {
entry = SphU.entry(RESOURCE_NAME);
// 被保护的逻辑
return "hello sentinel";
} catch (Exception e) {
// 处理被流控的逻辑
return "被流控了";
} finally {
if (entry != null) {
entry.exit();
}
}
}
@PostConstruct
public void initFlowRules() {
// 流控规则
List<FlowRule> rules = new ArrayList<>();
// 流控
FlowRule flowRule = new FlowRule();
// 设置资源
flowRule.setResource(RESOURCE_NAME);
// 设置规则类型
flowRule.setGrade(RuleConstant.FLOW_GRADE_QPS);
// 设置阈值(每秒一次)
flowRule.setCount(1);
// 添加到规则列表
rules.add(flowRule);
// 加载规则
FlowRuleManager.loadRules(rules);
}
}
第三步:访问测试
缺点
- 业务侵入性很强,需要在 controller 中写入非业务代码;
- 配置不灵活,若需要添加新的受保护资源,需要手动添加 init 方法来添加流控规则。
2、@SentinelResource 注解
https://github.com/alibaba/Sentinel/wiki/%E6%B3%A8%E8%A7%A3%E6%94%AF%E6%8C%81
注意:注解方式埋点不支持 private 方法。
@SentinelResource
用于定义资源,并提供可选的异常处理和 fallback 配置项。 @SentinelResource
注解包含以下属性:
value
:资源名称,必需项(不能为空)entryType
:entry 类型,可选项(默认为EntryType.OUT
)blockHandler
/blockHandlerClass
:blockHandler
对应处理BlockException
的函数名称,可选项。blockHandler 函数访问范围需要是public
,返回类型需要与原方法相匹配,参数类型需要和原方法相匹配并且最后加一个额外的参数,类型为BlockException
。blockHandler 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blockHandlerClass
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。fallback
/fallbackClass
:fallback 函数名称,可选项,用于在抛出异常的时候提供 fallback 处理逻辑。fallback 函数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。fallback 函数签名和位置要求:
- 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。
defaultFallback
(since 1.6.0):默认的 fallback 函数名称,可选项,通常用于通用的 fallback 逻辑(即可以用于很多服务或方法)。默认 fallback 函数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。若同时配置了 fallback 和 defaultFallback,则只有 fallback 会生效。defaultFallback 函数签名要求:
- 返回值类型必须与原函数返回值类型一致;
- 方法参数列表需要为空,或者可以额外多一个
Throwable
类型的参数用于接收对应的异常。 - defaultFallback 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。
exceptionsToIgnore
(since 1.6.0):用于指定哪些异常被排除掉,不会计入异常统计中,也不会进入 fallback 逻辑中,而是会原样抛出。
1.8.0 版本开始,defaultFallback
支持在类级别进行配置。
注:1.6.0 之前的版本 fallback 函数只针对降级异常(
DegradeException
)进行处理,不能针对业务异常进行处理。
特别地,若 blockHandler 和 fallback 都进行了配置,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(若方法本身未定义 throws BlockException 则会被 JVM 包装一层 UndeclaredThrowableException
)。
3、注解开发
第一步:引入依赖
<!-- 引入 Sentinel 注解开发依赖 -->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-annotation-aspectj</artifactId>
<version>1.8.6</version>
</dependency>
第二步:添加 bean
@Bean
public SentinelResourceAspect sentinelResourceAspect() {
return new SentinelResourceAspect();
}
第三步:编写代码
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.Entry;
import com.alibaba.csp.sentinel.SphU;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.RuleConstant;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRule;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRuleManager;
import jakarta.annotation.PostConstruct;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.ArrayList;
import java.util.List;
/**
* @author zibo
* @date 2023/2/24 13:43
*/
@RestController
@RequestMapping("/sentinel")
public class HelloController {
// 原函数
// blockHandler:指定限流处理方法!
// fallback:指定异常熔断后的降级处理方法!
@SentinelResource(value = "hello", blockHandler = "helloFallback", fallback = "exceptionHandler")
@RequestMapping("/hello")
public String hello() {
return "Hello Sentinel";
}
// Fallback 函数,函数签名与原函数一致或加一个 Throwable 类型的参数.
public String helloFallback() {
return "被限流了";
}
// Block 异常处理函数,参数最后多一个 BlockException,其余与原函数一致.
public String exceptionHandler(BlockException ex) {
ex.printStackTrace();
return "异常处理!";
}
@PostConstruct
public void initFlowRules() {
// 流控规则
List<FlowRule> rules = new ArrayList<>();
// 流控
FlowRule flowRule = new FlowRule();
// 设置资源
flowRule.setResource("hello");
// 设置规则类型
flowRule.setGrade(RuleConstant.FLOW_GRADE_QPS);
// 设置阈值(每秒一次)
flowRule.setCount(1);
// 添加到规则列表
rules.add(flowRule);
// 加载规则
FlowRuleManager.loadRules(rules);
}
}
第四步:访问测试
测试结果符合预期,如非注解开发结果一致!限流时打印的异常如下
com.alibaba.csp.sentinel.slots.block.flow.FlowException
四、降级规则初体验
关注重点:每种规则的使用场景。
1、熔断降级规则 (DegradeRule)
熔断策略
Sentinel 提供以下几种熔断策略:
- 慢调用比例 (
SLOW_REQUEST_RATIO
):选择以慢调用比例作为阈值,需要设置允许的慢调用 RT(即最大的响应时间),请求的响应时间大于该值则统计为慢调用。当单位统计时长(statIntervalMs
)内请求数目大于设置的最小请求数目,并且慢调用的比例大于阈值,则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态(HALF-OPEN 状态),若接下来的一个请求响应时间小于设置的慢调用 RT 则结束熔断,若大于设置的慢调用 RT 则会再次被熔断。
一句话:慢调用比例就是调用时间较长的调用次数所占总调用次数的比例!
1.调用:一个请求发送到服务器,服务器给与响应,一个响应就是一个调用。
2.RT:响应时间,指系统对请求作出响应的时间。
3.慢调用:当调用的时间(响应的实际时间)>设置的RT的时,这个调用叫做慢调用。
4.慢调用比例:在所以调用中,慢调用占有实际的比例,= 慢调用次数 / 调用次数
5.比例阈值:自己设定的 , 慢调用次数 / 调用次数=比例阈值统计时长:时间的判断依据
最小请求数:设置的调用最小请求数
- 异常比例 (
ERROR_RATIO
):当单位统计时长(statIntervalMs
)内请求数目大于设置的最小请求数目,并且异常的比例大于阈值,则接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态(HALF-OPEN 状态),若接下来的一个请求成功完成(没有错误)则结束熔断,否则会再次被熔断。异常比率的阈值范围是[0.0, 1.0]
,代表 0% - 100%。
探测恢复状态:尝试恢复到熔断前的正常状态的状态。
- 异常数 (
ERROR_COUNT
):当单位统计时长内的异常数目超过阈值之后会自动进行熔断。经过熔断时长后熔断器会进入探测恢复状态(HALF-OPEN 状态),若接下来的一个请求成功完成(没有错误)则结束熔断,否则会再次被熔断。
注意异常降级仅针对业务异常,对 Sentinel 限流降级本身的异常(BlockException
)不生效。为了统计异常比例或异常数,需要通过 Tracer.trace(ex)
记录业务异常。
示例代码:
Entry entry = null;
try {
entry = SphU.entry(key, EntryType.IN, key);
// Write your biz code here.
// <<BIZ CODE>>
} catch (Throwable t) {
if (!BlockException.isBlockException(t)) {
Tracer.trace(t);
}
} finally {
if (entry != null) {
entry.exit();
}
}
开源整合模块,如 Sentinel Dubbo Adapter, Sentinel Web Servlet Filter 或 @SentinelResource
注解会自动统计业务异常,无需手动调用。
属性说明
更多操作Field |
说明 |
默认值 |
resource |
资源名,即规则的作用对象 |
|
grade |
熔断策略,支持慢调用比例/异常比例/异常数策略 |
慢调用比例 |
count |
慢调用比例模式下为慢调用临界 RT(超出该值计为慢调用);异常比例/异常数模式下为对应的阈值 |
|
timeWindow |
熔断时长,单位为 s |
|
minRequestAmount |
熔断触发的最小请求数,请求数小于该值时即使异常比率超出阈值也不会熔断(1.7.0 引入) |
5 |
statIntervalMs |
统计时长(单位为 ms),如 60*1000 代表分钟级(1.8.0 引入) |
1000 ms |
slowRatioThreshold |
慢调用比例阈值,仅慢调用比例模式有效(1.8.0 引入) |
同一个资源可以同时有多个降级规则。
熔断器事件监听
Sentinel 支持注册自定义的事件监听器监听熔断器状态变换事件(state change event)。示例:
EventObserverRegistry.getInstance().addStateChangeObserver("logging",
(prevState, newState, rule, snapshotValue) -> {
if (newState == State.OPEN) {
// 变换至 OPEN state 时会携带触发时的值
System.err.println(String.format("%s -> OPEN at %d, snapshotValue=%.2f", prevState.name(),
TimeUtil.currentTimeMillis(), snapshotValue));
} else {
System.err.println(String.format("%s -> %s at %d", prevState.name(), newState.name(),
TimeUtil.currentTimeMillis()));
}
});
慢调用比例熔断示例:SlowRatioCircuitBreakerDemo
2、初体验*
问题待解决:上来就直接熔断了,不按照我的配置走!
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.alibaba.csp.sentinel.slots.block.RuleConstant;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeRule;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeRuleManager;
import jakarta.annotation.PostConstruct;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.ArrayList;
import java.util.List;
/**
* @author zibo
* @date 2023/2/24 13:43
*/
@RestController
@RequestMapping("/sentinel")
public class HelloController {
// 原函数
@SentinelResource(value = "hello", fallback = "fallbackExceptionHandler")
@RequestMapping("/hello/{nickname}")
public String hello(@PathVariable String nickname) {
int a = 1 / 0;
return "Hello Sentinel" + nickname;
}
// Fallback 函数,函数签名与原函数一致或加一个 Throwable 类型的参数.
public String fallbackExceptionHandler(String nickname, Throwable t) {
t.printStackTrace();
return "服务被熔断了,不要调用!" + nickname;
}
/**
* 降级规则
*/
@PostConstruct
public void initDegradeRules() {
// 降级规则
List<DegradeRule> rules = new ArrayList<>();
// 降级
DegradeRule degradeRule = new DegradeRule();
// 设置资源
degradeRule.setResource("hello");
// 设置规则类型
degradeRule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT);
// 设置阈值(异常数)
degradeRule.setCount(3);
// 触发熔断的最小请求数
degradeRule.setMinRequestAmount(3);
// 单位统计时长:1分钟
degradeRule.setStatIntervalMs(60 * 1000);
// 上述条件综合说明:1分钟内,如果至少有3个请求,且异常数为3,则触发熔断降级
// 设置时间窗口
// 熔断后多少秒后进入半熔断状态(探测恢复状态)
// 比如:熔断10秒后,进入半熔断状态,此时如果请求成功,则恢复正常,如果失败,则继续熔断
degradeRule.setTimeWindow(10);
// 添加到规则列表
rules.add(degradeRule);
// 加载规则
DegradeRuleManager.loadRules(rules);
}
}
五、控制台部署
官方文档:https://github.com/alibaba/Sentinel/wiki/%E6%8E%A7%E5%88%B6%E5%8F%B0
1、启动控制台
第一步:获取 Sentinel 控制台
您可以从 release 页面 下载最新版本的控制台 jar 包。
您也可以从最新版本的源码自行构建 Sentinel 控制台:
- 下载 控制台 工程
- 使用以下命令将代码打包成一个 fat jar:
mvn clean package
第二步:启动
注意:启动 Sentinel 控制台需要 JDK 版本为 1.8 及以上版本。
使用如下命令启动控制台:
java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=localhost:8080 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar
其中 -Dserver.port=8080
用于指定 Sentinel 控制台端口为 8080
。
从 Sentinel 1.6.0 起,Sentinel 控制台引入基本的登录功能,默认用户名和密码都是 sentinel
。可以参考 鉴权模块文档 配置用户名和密码。
注:若您的应用为 Spring Boot 或 Spring Cloud 应用,您可以通过 Spring 配置文件来指定配置,详情请参考 Spring Cloud Alibaba Sentinel 文档。
# 启动控制台命令
java -Dserver.port=8090 -jar sentinel-dashboard-1.8.5.jar
用户可以通过如下参数进行配置:
- -Dsentinel.dashboard.auth.username=sentinel 用于指定控制台的登录用户名为 sentinel;
- -Dsentinel.dashboard.auth.password=123456 用于指定控制台的登录密码为 123456;
- 如果省略这两个参数,默认用户和密码均为
sentinel
; - -Dserver.servlet.session.timeout=7200 用于指定 Spring Boot 服务端 session 的过期时间,如 7200 表示 7200 秒;60m 表示 60 分钟,默认为 30 分钟;
访问http://localhost:8090/
即可!
2、客户端接入控制台
第一步:引入依赖
如果整合 spring cloud alibaba ,则使用其对应的版本!
<!-- 引入 Sentinel 控制台 -->
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-transport-simple-http</artifactId>
<version>1.8.5</version>
</dependency>
第二步:配置启动参数
启动时加入 JVM 参数 -Dcsp.sentinel.dashboard.server=consoleIp:port
指定控制台地址和端口。若启动多个应用,则需要通过 -Dcsp.sentinel.api.port=xxxx
指定客户端监控 API 的端口(默认是 8719)。
从 1.6.3 版本开始,控制台支持网关流控规则管理。您需要在接入端添加 -Dcsp.sentinel.app.type=1
启动参数以将您的服务标记为 API Gateway,在接入控制台时您的服务会自动注册为网关类型,然后您即可在控制台配置网关规则和 API 分组。
除了修改 JVM 参数,也可以通过配置文件取得同样的效果。更详细的信息可以参考 启动配置项。
第三步:重启,并访问资源
我这里刷新了好几次!
第四步:查看控制台
六、整合 Spring Cloud Alibaba
1、引入依赖
<!-- Spring Cloud Alibaba Sentinel -->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
2、修改 yaml 配置
spring:
application:
name: sentinel-demo
cloud:
sentinel:
transport:
dashboard: localhost:8090
3、启动 sentinel 和 项目
访问接口
七、流控规则
1、概述
流量控制(flow control),其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。 ==== FlowRule RT(响应时间) 1/0.2s =5
同一个资源可以创建多条限流规则。FlowSlot 会对该资源的所有限流规则依次遍历,直到有规则触发限流或者所有规则遍历完毕。一条限流规则主要由下面几个因素组成,我们可以组合这些元素来实现不同的限流效果。
参考文档:https://github.com/alibaba/Sentinel/wiki/%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6
Field |
说明 |
默认值 |
resource |
资源名,资源名是限流规则的作用对象 |
|
count |
限流阈值 |
|
grade |
限流阈值类型,QPS 模式(1)或并发线程数模式(0) |
QPS 模式 |
limitApp |
流控针对的调用来源 |
default,代表不区分调用来源 |
strategy |
调用关系限流策略:直接、链路、关联 |
根据资源本身(直接) |
controlBehavior |
流控效果(直接拒绝/WarmUp/匀速+排队等待),不支持按调用关系限流 |
直接拒绝 |
clusterMode |
是否集群限流 |
否 |
2、QPS
QPS(Query Per Second):每秒请求数,就是说服务器在一秒的时间内处理了多少个请求。
第一步:增加一个接口
package com.zibo.sentinel.controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* @author zibo
* @date 2023/2/26 12:29
*/
@RestController
public class HiController {
@RequestMapping("/hi")
public String hi() {
return "hi";
}
}
第二步:配置流控规则
第三步:访问测试
第四步:配置异常处理方法
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* @author zibo
* @date 2023/2/26 12:29
*/
@RestController
public class HiController {
@RequestMapping("/hi")
@SentinelResource(value = "hi", blockHandler = "blockExceptionHandler")
public String hi() {
return "hi";
}
public String blockExceptionHandler(BlockException e) {
e.printStackTrace();
return "限流了!";
}
}
第五步:重启,并访问测试
需要重新设置流控规则!因为存在内存中,项目重启后就失效了!后续可以将规则持久化!
2、并发线程数
概述
并发数控制用于保护业务线程池不被慢调用耗尽。
Sentinel 并发控制不负责创建和管理线程池,而是简单统计当前请求上下文的线程数目(正在执行的调用数目),如果超出阈值,新的请求会被立即拒绝,效果类似于信号量隔离。并发数控制通常在调用端进行配置。
第一步:修改代码,重启项目
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.RuleConstant;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRule;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRuleManager;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.PostConstruct;
import java.util.ArrayList;
import java.util.List;
/**
* @author zibo
* @date 2023/2/26 12:29
*/
@RestController
public class HiController {
@RequestMapping("/hi")
@SentinelResource(value = "hi", blockHandler = "blockExceptionHandler")
public String hi() {
return "hi";
}
public String blockExceptionHandler(BlockException e) {
e.printStackTrace();
return "限流了!";
}
@RequestMapping("/hello")
@SentinelResource(value = "hello", blockHandler = "blockExceptionHandler")
public String hello() {
// 睡眠 5 秒,模拟业务处理时间
try {
Thread.sleep(5000);
} catch (InterruptedException e) {
e.printStackTrace();
}
return "hello";
}
}
第二步:设置流控规则
第三步:访问测试
使用两个浏览器(或一个浏览器的正常模式 + 一个浏览器的无痕模式)前后迅速访问该地址!
八、统一异常处理 BlockException
1、定义统一返回类
简化版!
package com.zibo.sentinel.domain;
import lombok.Data;
@Data
public class R {
/**
* 返回码
*/
private Integer code;
/**
* 返回消息
*/
private String msg;
/**
* 私有化构造方法
*/
private R() {
}
/**
* 失败
*
* @param msg 返回消息
* @return 统一返回结果类
*/
public static R error(Integer code, String msg) {
R r = new R();
r.setCode(code);
r.setMsg(msg);
return r;
}
}
2、定义统一异常处理类
package com.zibo.sentinel.common;
import com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;
import com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowException;
import com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;
import com.alibaba.csp.sentinel.slots.system.SystemBlockException;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.zibo.sentinel.domain.R;
import org.springframework.http.MediaType;
import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
/**
* @author zibo
* @date 2023/2/26 13:13
* @slogan 真正的大师永远怀着一颗学徒的心。——易大师
*/
@Component
public class MyBlockExceptionHandler implements BlockExceptionHandler {
@Override
public void handle(HttpServletRequest httpServletRequest, HttpServletResponse httpServletResponse, BlockException e) throws Exception {
R r = null;
if (e instanceof FlowException) {
r = R.error(100,"接口限流了");
} else if (e instanceof DegradeException) {
r = R.error(101,"接口降级了");
} else if (e instanceof ParamFlowException) {
r = R.error(102,"热点参数限流了");
} else if (e instanceof SystemBlockException) {
r = R.error(103,"触发系统保护规则了");
} else if(e instanceof AuthorityException) {
r = R.error(104,"授权规则不通过");
}
// 返回 json
httpServletResponse.setStatus(500);
httpServletResponse.setCharacterEncoding("UTF-8");
httpServletResponse.setContentType(MediaType.APPLICATION_JSON_VALUE);
new ObjectMapper().writeValue(httpServletResponse.getWriter(), r);
}
}
3、修改接口代码
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.zibo.sentinel.common.MyBlockExceptionHandler;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* @author zibo
* @date 2023/2/26 12:29
*/
@RestController
public class HiController {
@RequestMapping("/hello")
public String hello() {
return "hello";
}
}
4、设置流控,访问测试
九、流控模式
1、概述
基于调用关系的流量控制。调用关系包括调用方、被调用方;一个方法可能会调用其它方法,形成一个调用链路的层次关系。
- 直接:资源调用达到设置的阈值后直接被流控抛出异常。
- 关联:当两个资源之间具有资源争抢或者依赖关系的时候,这两个资源便具有了关联。据此关系进行限流。
- 链路:根据调用链路入口限流。 资源之间的调用链路,这些资源通过调用关系,相互之间构成一棵调用树。
2、关联
说明
我们创建两个接口,一个是读取操作,一个是写入操作,用以模拟当需要写入操作的时候对读取进行过限流。
第一步:创建接口
@RequestMapping("/read")
public String read() {
return "read";
}
@RequestMapping("/write")
public String write() {
return "write";
}
第二步:运行访问,设置限流策略
第三步:访问测试
3、链路
第一步:编写代码
服务
package com.zibo.sentinel.service;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import org.springframework.stereotype.Service;
/**
* @author zibo
* @date 2023/2/26 16:12
* @slogan 真正的大师永远怀着一颗学徒的心。——易大师
*/
@Service
public class TestService {
@SentinelResource("myService")
public String myService() {
return "test service";
}
}
接口
package com.zibo.sentinel.controller;
import com.zibo.sentinel.service.TestService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class HiController {
@Autowired
private TestService testService;
@RequestMapping("/test1")
public String read() {
return "test1 " + testService.myService();
}
@RequestMapping("/test2")
public String write() {
return "test2 " + testService.myService();
}
}
第二步:修改 yaml 配置
spring:
application:
name: sentinel-demo
cloud:
sentinel:
transport:
dashboard: localhost:8090
web-context-unify: false # add this config
第三步:运行访问,设置限流策略
第四步:访问测试
备注
使用了 @SentinelResource
注解就不会出发统一异常处理了!
十、流控效果
1、概述
快速失败
RuleConstant.CONTROL_BEHAVIOR_DEFAULT)方式是默认的流量控制方式,当 QPS 超过任意规则的阈值后,新的请求就会被立即拒绝,拒绝方式为抛出FlowException。这种方式适用于对系统处理能力确切已知的情况下,比如通过压测确定了系统的准确水位时。
Warm Up(激增流量/预热流控)
Warm Up(RuleConstant.CONTROL_BEHAVIOR_WARM_UP)方式,即预热/冷启动方式。当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。
冷加载因子: codeFactor 默认是 3,即请求 QPS 从 threshold / 3 开始,经预热时长逐渐升至设定的 QPS 阈值。
通常冷启动的过程系统允许通过的 QPS 曲线如下图所示
排队等待(脉冲流量)
匀速排队(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER
)方式会严格控制请求通过的间隔时间,也即是让请求以均匀的速度通过,对应的是漏桶算法。
该方式的作用如下图所示:
这种方式主要用于处理间隔性突发的流量,例如消息队列。想象一下这样的场景,在某一秒有大量的请求到来,而接下来的几秒则处于空闲状态,我们希望系统能够在接下来的空闲期间逐渐处理这些请求,而不是在第一秒直接拒绝多余的请求。
注意:匀速排队模式暂时不支持 QPS > 1000 的场景。
2、预热流控
前一小段时间限流,后逐渐放开到阈值。
第一步:创建接口
package com.zibo.sentinel.controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* @author zibo
* @date 2023/2/27 12:47
* @slogan 真正的大师永远怀着一颗学徒的心。——易大师
*/
@RestController
public class TestController {
@RequestMapping("/test")
public String test() {
return "test";
}
}
第二步:运行访问,设置限流策略
第三步:访问测试
控制台监控效果
3、排队等待
第一步:修改流控规则
第二步:有规律刷新网页
快速刷新 5 次,间隔一段时间,再快速刷新 5 次;
第三步:设置排队等待
第四步:再次有规则刷新网页
监控
备注:这里使用手动快速刷新方式测试,使用 JMeter 测试更精准!
十一、整合 OpenFeign 降级
参考文章
分布式系统Sentinel整合Open-Feign限流
sentinel和openfeign整合
十二、热点规则:热点参数限流
1、概述
热点:热点即经常访问的数据。
很多时候我们希望统计某个热点数据中访问频次最高的数据,并对其访问进行限制。
热点参数限流会统计传入参数中的热点参数,并根据配置的限流阈值与模式,对包含热点参数的资源调用进行限流。热
点参数限流可以看做是一种特殊的流量控制,仅对包含热点参数的资源调用生效。
注意:
- 热点规则需要使用
@SentinelResource("resourceName")
注解,否则不生效。 - 参数必须是 7 种基本数据类型才会生效。
单机阈值: 针对所有参数的值进行设置的一个公共的阈值**
- 假设当前参数大部分的值都是热点流量,单机阈值就是针对热点流量进行设置,额外针对普通流量进行参数值流控
- 假设当前参数大部分的值都是普通流量,单机阈值就是针对普通流量进行设置,额外针对热点流量进行参数值流控
2、演示
第一步:创建接口
package com.zibo.sentinel.controller;
import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* @author zibo
* @date 2023/2/27 13:44
* @slogan 真正的大师永远怀着一颗学徒的心。——易大师
*/
@RestController
public class HotController {
@RequestMapping("/hot/{name}")
@SentinelResource(value = "hot", blockHandler = "hotBlockHandler")
public String hot(@PathVariable String name) {
return "正常访问热点:" + name;
}
public String hotBlockHandler(@PathVariable String name, BlockException e) {
e.printStackTrace();
return "热点流控:" + name;
}
}
第二步:新增热点规则
第三步:编辑热点规则高级选项
第四步:访问测试
十三、系统规则:系统保护规则
1、概述
Sentinel 系统自适应限流从整体维度对应用入口流量进行控制,结合应用的 Load、CPU 使用率、总体平均 RT、入口 QPS 和并发线程数等几个维度的监控指标,通过自适应的流控策略,让系统的入口流量和系统的负载达到一个平衡,让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。
- **Load 自适应(仅对 Linux/Unixlike 机器生效):**系统的 load1 作为启发指标,进行自适应系统保护。当系统 load1 超过设定的启发值,且系统当前的并发线程数超过估算的系统容量时才会触发系统保护(BBR 阶段)。系统容量由系统的 maxQps * minRt 估算得出。设定参考值一般是 CPU cores * 2.5。
- **CPU usage(1.5.0+ 版本):**当系统 CPU 使用率超过阈值即触发系统保护(取值范围 0.01.0),比较灵敏。
- 平均 RT:当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护,单位是毫秒。
- 并发线程数:当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。
- **入口 QPS:**当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护。
2、系统保护配置示例
演示略!
十四、规则持久化
1、持久化配置的必要
规则默认保存在内存中,服务重启需要重新配置,生产环境下无法接受,因此要进行持久化配置!
2、三种模式
原始模式:
如果不做任何修改,Dashboard 的推送规则方式是通过 API 将规则推送至客户端并直接更新到内存中:
这种做法的好处是简单,无依赖;坏处是应用重启,规则就会消失,仅用于简单测试,不能用于生产环境。
拉模式
pull 模式的数据源(如本地文件、RDBMS 等)一般是可写入的。使用时需要在客户端注册数据源:将对应的读数据源注册至对应的 RuleManager,将写数据源注册至 transport 的WritableDataSourceRegistry 中。从文件中拉过来,这种模式需要阅读一定的源码,在源码的基础上进行扩展。
推模式(生产环境常用)
**生产环境下一般更常用的是 push 模式的数据源。**对于 push 模式的数据源,如远程配置中心(ZooKeeper, Nacos, Apollo等等),推送的操作不应由 Sentinel 客户端进行,而应该经控制台统一进行管理,直接进行推送,数据源仅负责获取配置中心推送的配置并更新到本地。因此推送规则正确做法应该是 配置中心控制/Sentinel 控制台 → 配置中心 →Sentinel 数据源 → Sentinel,而不是经 Sentinel 数据源推送至配置中心。
3、基于 Nacos 配置中心控制台实现推送*
可能由于我使用的版本比较新,这么配置无法获取到 Nacos 里面的配置。
第一步:引入依赖
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId>
</dependency>
第二步:启动 Nacos ,并创建配置文件
第三步:修改 yaml 配置文件
spring:
application:
name: sentinel-demo
cloud:
sentinel:
transport:
dashboard: localhost:8090
web-context-unify: false
datasource:
flow-rule:
nacos:
server-addr: localhost:8848
username: nacos
password: nacos
dataId: sentinel-demo-flow-rule
groupId: DEFAULT_GROUP
data-type: json
rule-type: flow
十五、Gateway 整合 Sentinel
Spring Cloud Gateway 整合 sentinel 实现流控熔断
spring cloud alibaba-gateway使用以及整合sentinel
好博客就要一起分享哦!分享海报
此处可发布评论
评论(0)展开评论
展开评论