手记

Sentinel不同的流控模式学习简易教程

幕布斯6054654
2024-11-07 01:15:30浏览 59
概述

本文介绍了Sentinel的多种流控模式及其应用场景，重点讲解了如何通过直接流控、链路流控和系统流控来保护服务的高可用性和稳定性。Sentinel支持多种流控模式，每种模式都有其特定的应用场景和优势，通过灵活的规则配置，可以实现对服务的全面保护。了解Sentinel不同的流控模式对于确保系统稳定运行至关重要。

引入Sentinel及其重要性
Sentinel简介

Sentinel 是阿里巴巴开源的一款分布式服务保护框架，它提供了一套完整的实时流量控制、熔断降级、系统自适应保护等功能，能够帮助开发者保障服务的高可用性和稳定性。Sentinel 通过灵活的规则配置和丰富的监控能力，使得服务治理变得更加简单和高效。

Sentinel的作用和应用场景

Sentinel 在现代分布式系统中扮演着关键的角色。通过它可以实现多种保护机制，包括但不限于：

  • 流量控制：限制进入系统的请求量，防止因大量请求导致系统过载。
  • 熔断降级：当调用链路出现异常时，断开调用链路，避免产生大量消耗资源的请求，同时提供备用方案。
  • 系统自适应保护：根据系统负载情况动态调整进入系统的流量，避免系统负载过高导致的服务不可用。
  • 热点参数防护：针对热点参数进行流量控制，避免热点参数导致的系统负载不均衡。
  • API 级别的自动降级：当调用链路的服务级别出现问题时，自动触发降级，降低系统压力。

Sentinel的作用

  • 流量控制：通过限制接口的 QPS（每秒请求数量）来保护服务不被过载。
  • 熔断降级：在服务调用失败率较高时进行熔断，避免链路故障引起雪崩效应。
  • 系统保护：根据服务器的负载情况动态调整流量，防止系统过载。

Sentinel的应用场景

  • 微服务架构：在微服务架构中，Sentinel 可以帮助实现服务间的流量控制和熔断降级。
  • 云原生应用：在云原生环境中，Sentinel 可以实现服务的自动弹性伸缩和保护。
  • 高并发系统：对于高并发系统，Sentinel 可以帮助限制系统的流量，防止系统过载。
流控模式的概念和意义

流量控制（Flow Control）是分布式系统中一个重要的机制，用于限制进入系统的流量，以防止因流量过大导致系统过载。Sentinel 支持多种流控模式，每种模式都有其特定的应用场景和优势。

  • 直接流控：针对特定资源进行流量控制，适用于需要精确控制流量的场景。
  • 链路流控：根据调用链路进行流量控制，适用于服务之间的调用。
  • 系统流控：根据系统负载情况进行流量控制，适用于需要保护整个系统的场景。
了解Sentinel的核心概念
资源和规则的基础知识

在 Sentinel 中，资源代表需要保护的逻辑执行单元，可以是接口、方法或任何业务逻辑。规则定义了如何保护这些资源，包括流量控制规则、异常比例规则、系统保护规则等。

资源的定义

资源是 Sentinel 的基本单位，它可以是一个接口、一个方法或一段业务逻辑。资源可以通过注解或编程方式定义。例如，通过 @SentinelResource 注解定义一个资源：

@SentinelResource(value = "exampleResource")
public String executeExample() {
    // 业务逻辑代码
    return "example";
}

规则的定义

规则定义了如何保护资源，可以通过编程方式或配置文件定义。例如，定义一个流量控制规则：

FlowRule rule = new FlowRule();
rule.setResource("exampleResource");
rule.setCount(10);
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setLimitCallback(new FlowCallback() {
    @Override
    public void callback(FlowRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求被限流了");
        }
    }
});
FlowRuleManager.loadRules(Collections.singletonList(rule));
流量控制与异常检测的区别

流量控制和异常检测都是 Sentinel 提供的重要功能，但它们的作用和应用场景有所不同。

  • 流量控制：通过限制进入系统的请求量来保护系统不被过载。流量控制可以基于 QPS（每秒请求数量）、RT（响应时间）等指标来实现。
  • 异常检测：用于检测调用链路中的异常情况，如请求失败率、响应时间过长等。当检测到异常情况时，可以触发熔断降级机制，保护系统不受影响。

流量控制

流量控制旨在限制进入系统的请求量，避免系统过载。例如，可以通过限制某个资源的每秒请求数量（QPS）来保护资源不被过载：

FlowRule rule = new FlowRule();
rule.setResource("exampleResource");
rule.setCount(10);
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setLimitCallback(new FlowCallback() {
    @Override
    public void callback(FlowRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求被限流了");
        }
    }
});
FlowRuleManager.loadRules(Collections.singletonList(rule));

异常检测

异常检测用于检测调用链路中的异常情况，如请求失败率、响应时间过长等。例如，可以通过设置异常比例规则来触发熔断降级机制：

ExceptionRule rule = new ExceptionRule();
rule.setResource("exampleResource");
rule.setCount(5);
rule.setGrade(RuleConstant.EXCEPTION_RATIO);
rule.setLimitCallback(new ExceptionCallback() {
    @Override
    public void callback(ExceptionRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求失败率过高，触发熔断");
        }
    }
});
ExceptionRuleManager.loadRules(Collections.singletonList(rule));
熔断降级的核心思想

熔断降级是一种保护机制，用于在调用链路出现异常时断开调用链路，避免产生大量消耗资源的请求，同时提供备用方案。熔断降级的核心思想是通过检测调用链路中的异常情况（如请求失败率、响应时间过长等）来触发熔断机制，当熔断后可以提供降级方案，如返回默认值、降级到静态页面等。

熔断降级的工作流程

  1. 检测异常：通过设置异常比例规则，检测调用链路中的异常情况。
  2. 触发熔断：当检测到异常情况时，触发熔断机制，断开调用链路。
  3. 提供降级方案：当熔断后，提供备用方案，如返回默认值、降级到静态页面等。

熔断降级的应用场景

  • 服务调用失败率高：当服务调用失败率较高时，触发熔断机制，避免链路故障引起雪崩效应。
  • 服务响应时间过长：当服务响应时间过长时，触发熔断机制，避免资源被无效耗尽。
学习Sentinel的流控模式之一：直接流控
设置直接流控的步骤

直接流控是 Sentinel 流控模式中最基础的一种模式，它针对特定资源进行流量控制，适用于需要精确控制流量的场景。设置直接流控的步骤如下：

  1. 定义资源：定义需要控制流量的资源。
  2. 设置规则：为资源设置流量控制规则。
  3. 加载规则：将规则加载到 Sentinel 中。

定义资源

资源是 Sentinel 的基本单位，可以通过注解或编程方式定义。例如，通过 @SentinelResource 注解定义一个资源：

@SentinelResource(value = "exampleResource")
public String executeExample() {
    // 业务逻辑代码
    return "example";
}

设置规则

规则定义了如何保护资源，可以通过编程方式或配置文件定义。例如，定义一个流量控制规则：

FlowRule rule = new FlowRule();
rule.setResource("exampleResource");
rule.setCount(10);
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setLimitCallback(new FlowCallback() {
    @Override
    public void callback(FlowRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求被限流了");
        }
    }
});

加载规则

将规则加载到 Sentinel 中，使其生效：

FlowRuleManager.loadRules(Collections.singletonList(rule));
参数解析及配置说明

直接流控的规则可以通过以下参数进行配置：

  • Count：限制的 QPS（每秒请求数量）。
  • Grade：流量控制的类型，可以是 QPS 或并发线程数。
  • LimitCallback：超出流控限制时的回调函数。

参数说明

  • Count：表示每秒允许的最大请求数量。例如：

    FlowRule rule = new FlowRule();
rule.setResource("exampleResource");
rule.setCount(10);

  • Grade：表示流量控制的类型。可以通过 RuleConstant.FLOW_GRADE_QPS 设置为 QPS（每秒请求数量），或通过 RuleConstant.FLOW_GRADE_THREAD 设置为并发线程数。例如：

    rule.setGrade(RuleConstant.FLOW_GRADE_QPS);

  • LimitCallback：超出流控限制时的回调函数。可以通过实现 FlowCallback 接口来自定义回调逻辑。例如：

    rule.setLimitCallback(new FlowCallback() {
  @Override
  public void callback(FlowRule rule, boolean isPass) {
      if (!isPass) {
          System.out.println("请求被限流了");
      }
  }
});
直接流控的实际应用案例

假设我们有一个电商网站，需要对某个热门商品的访问流量进行控制，以防止因访问量过大导致系统过载。我们可以使用直接流控来限制每秒访问该商品的请求数量。

示例代码

@SentinelResource(value = "hotProductResource")
public String getHotProduct() {
    // 业务逻辑代码
    return "hotProduct";
}

public static void main(String[] args) {
    FlowRule rule = new FlowRule();
    rule.setResource("hotProductResource");
    rule.setCount(10);
    rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
    rule.setLimitCallback(new FlowCallback() {
        @Override
        public void callback(FlowRule rule, boolean isPass) {
            if (!isPass) {
                System.out.println("请求被限流了");
            }
        }
    });
    FlowRuleManager.loadRules(Collections.singletonList(rule));

    for (int i = 0; i < 20; i++) {
        getHotProduct();
    }
}

public static String getHotProduct() {
    try {
        return getHotProductResource();
    } catch (BlockException e) {
        System.out.println("请求被限流了");
        return null;
    }
}

@SentinelResource(value = "hotProductResource")
public String getHotProductResource() {
    // 业务逻辑代码
    return "hotProduct";
}

代码解析

  • 定义资源：通过 @SentinelResource 注解定义需要控制流量的资源 hotProductResource。
  • 设置规则：为资源设置流量控制规则，限制每秒请求数量为 10。
  • 加载规则：将规则加载到 Sentinel 中，使其生效。
  • 验证限流：通过循环调用 getHotProduct 方法来验证是否被限流。

通过这种方式，我们可以精确控制热门商品的访问流量，避免因访问量过大导致系统过载。

学习Sentinel的流控模式之二：链路流控
链路流控的概念

链路流控是 Sentinel 流控模式中的一种，它根据调用链路进行流量控制。链路流控适用于服务之间的调用，通过限制链路中的请求数量来保护服务不被过载。

链路流控的特点

  • 跨服务调用：适用于服务之间的调用，如微服务架构中的服务调用。
  • 多级保护：通过链路流控可以实现多级保护，保护整个调用链路。
  • 动态调整：可以根据系统负载情况动态调整链路中的流量。
实现链路流控的操作方法

实现链路流控的操作方法主要包括以下步骤：

  1. 定义资源：定义需要控制流量的资源。
  2. 设置规则：为资源设置流量控制规则。
  3. 加载规则：将规则加载到 Sentinel 中。

定义资源

资源是 Sentinel 的基本单位，可以通过注解或编程方式定义。例如，通过 @SentinelResource 注解定义一个资源：

@SentinelResource(value = "exampleResource")
public String executeExample() {
    // 业务逻辑代码
    return "example";
}

设置规则

规则定义了如何保护资源，可以通过编程方式或配置文件定义。例如，定义一个流量控制规则：

FlowRule rule = new FlowRule();
rule.setResource("exampleResource");
rule.setCount(10);
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setLimitCallback(new FlowCallback() {
    @Override
    public void callback(FlowRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求被限流了");
        }
    }
});

加载规则

将规则加载到 Sentinel 中，使其生效：

FlowRuleManager.loadRules(Collections.singletonList(rule));
链路流控的应用场景和优势

链路流控适用于服务之间的调用，如微服务架构中的服务调用。通过链路流控可以实现多级保护，保护整个调用链路。

应用场景

  • 微服务架构：在微服务架构中，服务之间的调用可以通过链路流控来保护。
  • 分布式系统：在分布式系统中，跨服务的调用可以通过链路流控来保护。

优势

  • 多级保护：通过链路流控可以实现多级保护，保护整个调用链路。
  • 动态调整：可以根据系统负载情况动态调整链路中的流量，实现弹性伸缩。
学习Sentinel的流控模式之三：系统流控
系统流控的定义

系统流控是 Sentinel 流控模式中的一种，它根据系统负载情况进行流量控制。系统流控适用于需要保护整个系统的场景，通过限制进入系统的流量来防止系统过载。

系统流控的特点

  • 全局保护：适用于需要保护整个系统的场景。
  • 动态调整：可以根据系统负载情况动态调整流量。
  • 多级保护：通过系统流控可以实现多级保护，保护整个系统。
系统流控的配置和使用

实现系统流控的操作方法主要包括以下步骤：

  1. 定义资源：定义需要保护的资源。
  2. 设置规则：为资源设置系统保护规则。
  3. 加载规则：将规则加载到 Sentinel 中。

定义资源

资源是 Sentinel 的基本单位，可以通过注解或编程方式定义。例如，通过 @SentinelResource 注解定义一个资源：

@SentinelResource(value = "exampleResource")
public String executeExample() {
    // 业务逻辑代码
    return "example";
}

设置规则

规则定义了如何保护资源，可以通过编程方式或配置文件定义。例如，定义一个系统保护规则：

SystemRule rule = new SystemRule();
rule.setResource("exampleResource");
rule.setCount(100);
rule.setGrade(RuleConstant.SYSTEM_RULE_QPS);
rule.setLimitCallback(new SystemCallback() {
    @Override
    public void callback(SystemRule rule, boolean isPass) {
        if (!isPass) {
            System.out.println("请求被限流了");
        }
    }
});

加载规则

将规则加载到 Sentinel 中，使其生效：

SystemRuleManager.loadRules(Collections.singletonList(rule));
系统流控的实际案例分析

假设我们有一个电商平台，需要对整个系统的流量进行控制，以防止因流量过大导致系统过载。我们可以使用系统流控来限制进入系统的流量。

示例代码

@SentinelResource(value = "systemResource")
public String getSystemResource() {
    // 业务逻辑代码
    return "systemResource";
}

public static void main(String[] args) {
    SystemRule rule = new SystemRule();
    rule.setResource("systemResource");
    rule.setCount(100);
    rule.setGrade(RuleConstant.SYSTEM_RULE_QPS);
    rule.setLimitCallback(new SystemCallback() {
        @Override
        public void callback(SystemRule rule, boolean isPass) {
            if (!isPass) {
                System.out.println("请求被限流了");
            }
        }
    });
    SystemRuleManager.loadRules(Collections.singletonList(rule));

    for (int i = 0; i < 200; i++) {
        getSystemResource();
    }
}

public static String getSystemResource() {
    try {
        return getSystemResource();
    } catch (BlockException e) {
        System.out.println("请求被限流了");
        return null;
    }
}

@SentinelResource(value = "systemResource")
public String getSystemResource() {
    // 业务逻辑代码
    return "systemResource";
}

代码解析

  • 定义资源：通过 @SentinelResource 注解定义需要保护的资源 systemResource。
  • 设置规则：为资源设置系统保护规则，限制每秒请求数量为 100。
  • 加载规则：将规则加载到 Sentinel 中，使其生效。
  • 验证限流：通过循环调用 getSystemResource 方法来验证是否被限流。

通过这种方式，我们可以保护整个系统的流量，防止因流量过大导致系统过载。

相关标签
Spring Cloud
算法与数据结构
微服务
0人推荐
随时随地看视频
慕课网APP