【SpringCloud】Spring Cloud Alibaba 之 Sentinel流量控制（三十）

　　本章介绍Sentinel流量控制，与对Sentinel的基本概念，请参考【SpringCloud】Spring Cloud Alibaba 之 Sentinel哨兵介绍入门（二十九）

Sentinel流量控制介绍

　　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。

　　FlowSlot 会根据预设的规则，结合前面 NodeSelectorSlot、ClusterNodeBuilderSlot、StatisticSlot 统计出来的实时信息进行流量控制。

　　限流的直接表现是在执行 Entry nodeA = SphU.entry(resourceName) 的时候抛出 FlowException 异常。FlowException 是 BlockException 的子类，您可以捕捉 BlockException 来自定义被限流之后的处理逻辑。

　　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：

• resource：资源名，即限流规则的作用对象
• count: 限流阈值
• grade: 限流阈值类型（QPS 或并发线程数）
• limitApp: 流控针对的调用来源，若为 default 则不区分调用来源
• strategy: 调用关系限流策略
• controlBehavior: 流量控制效果（直接拒绝、Warm Up、匀速排队）

　  以下是关于流量控制中名词解析

资源名：唯一名称、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，默认default（不区分来源）

阀值类型/单机阀值：
	
	QPS（每秒钟的请求数量）：当调用该api的QPS达到阀值的时候，进行限流
	线程数：当调用该api的线程数达到阀值的时候，进行限流

是否集群：不需要集群

流控模式：
	
	直接：api达到限流条件时，直接限流
	关联：当关联的资源达到阀值时，就限流自己
	链路：只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阀值，就限流）【api级别的针对来源】

流控效果：

	快速失败：直接失败，抛异常
	Warm Up：根据codeFactor（冷加载因子，默认3）的值，从阀值/codeFactor，经过预热时长，才达到设置的QPS阀值
	排队等待：匀速排队，让请求以均匀的速度通过，阀值类型必须设置为QPS，否则无效

Sentinel流量控制Demo

　　本章使用项目搭建参考：【SpringCloud】Spring Cloud Alibaba 之 Sentinel哨兵介绍入门（二十九）代码

基于QPS的流量控制

　　当 QPS 超过某个阈值的时候，则采取措施进行流量控制。流量控制的效果包括以下几种：直接拒绝、Warm Up、匀速排队。对应 FlowRule 中的 controlBehavior 字段。

　　1、搭建项目，Controller内容如下：

@RestController
public class FlowLimitController {

    @GetMapping("/testA")
    public String testA(){
        return "--------testA";
    }

    @GetMapping("/testB")
    public String testB(){
        return "--------testB";
    }
}

 

 　　2、将项目启动，以及Sentinel启动，添加流控规则，如下：

　　　　

　　3、设置流控规则，每秒钟的请求数量为1，流控效果为快速失败，如下，保存后，即生效

　　　　

　　4、测试

　　　　1）浏览器访问地址：http://localhost:8401/testA，正常访问

　　　　　　

　　　　2）快速点击浏览器刷新按钮，刷新界面，页面显示：Blocked by Sentinel (flow limiting)

　　　　　　

基于并发数的流量控制

　　1、继续使用以上项目，修改testA方法，如下：

@GetMapping("/testA")
public String testA(){
    try {
        Thread.sleep(800);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    return "--------testA";
}

 

　　2、编辑流量规则，将流控规则改为当调用该api的线程数达到1的时候，进行限流，如下：

　　　　

　　3、测试

　　　　1）重新启动项目

　　　　2）使用浏览器单次请求，http://localhost:8401/testA，正常显示

　　　　2）使用JMeter进行并发测试请求：http://localhost:8401/testA，响应内容为：Blocked by Sentinel (flow limiting)

流控模式：直接

　　上面2个例子，流控模式都是直接，对自己本身资源的限制。 

流控模式：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。像对数据库同一个字段的读操作和写操作存在争抢，读的速度过高会影响写得速度，写的速度过高会影响读的速度。如果放任读写操作争抢资源，则争抢本身带来的开销会降低整体的吞吐量。

　　示例

　　1、项目代码还是以上的项目代码

　　2、编辑流量规则，设置资源testA关联的testB，当testB达到阀值时，testA被限流。如下：

　　　　

　　3、测试

　　　　1）启动项目

　　　　2）使用浏览器请求，http://localhost:8401/testA，正常显示

　　　　3）使用JMeter不停的循环请求：http://localhost:8401/testB，testB请求结果都正确

　　　　4）然后使用浏览器请求，http://localhost:8401/testA，无法正常显示，资源限制

流控模式：链路

　　1、项目代码还是以上的项目代码，Controllerh中testB方法

@GetMapping("/testB")
public String testB(){
    return "--------testB";
}

 

　　2、查看簇点链路，发现/test，资源入口是sentinel_web_servlet_context

　　　　

　　3、删除其他流控规则，新增流量规则，设置资源testB链路限流，如下：、

　　　　

　　4、测试

　　　　1）启动项目

　　　　2）使用浏览器请求，http://localhost:8401/testB，正常显示

　　　　3）快速点击浏览器刷新按钮，刷新界面，页面显示：Blocked by Sentinel (flow limiting) 

流控效果：快速失败

　　以上例子显示了快速失败的效果，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。

流控效果：Warm Up（预热）

　　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。

　　应用场景：

　　　如：秒杀系统在开启瞬间，会有很多流量上来，很有可能把系统打死，预热方式就是把为了保护系统，可慢慢的把流量放进来，慢慢的把阀值增长到设置的阀值

　　案例：

　　　　阀值为10 + 预热时长设置5秒

　　　　系统初始化的阀值为10/3 约等于 3，即阀值刚开始为3；然后过了5秒阀值才慢慢升高恢复到10

　　1、项目代码还是以上的项目代码，Controllerh中testC方法

@GetMapping("/testC")
public String testC(){
    return "--------testC";
}

　　2、新增流量规则，设置资源testC，单机阀值为10，流控效果为Warm Up，预热时长为5秒，如下：

　　　　

　　3、测试

　　　　1）启动项目

　　　　2）使用浏览器访问地址，http://localhost:8401/testC，正常显示

　　　　3）以每秒5次的刷新，一直刷新界面，效果，可以看到部分请求返回错误

　　　　4）5秒钟过后，还是以以每秒5次的刷新速度，刷新界面，请求正常

流控效果：排队等待

　　排队等待（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。

　　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。

　　案例

　　1、项目代码还是以上的项目代码，Controllerh中testA方法

@GetMapping("/testA")
public String testA(){
    try {
        Thread.sleep(800);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    return "--------testA";
}

　　2、新增流量规则，设置资源testA，流控效果为排队等待，超时时间为20000毫秒，如下：

　　　　

　　3、测试

　　　　1）启动项目

　　　　2）使用浏览器访问地址，http://localhost:8401/testA，正常显示

　　　　3）使用JMeter并发10个请求，执行一次，观察10次执行结果

　　　　4）所有请求都成功了，请求响应时间逐渐增加