Sentinel服务流控熔断降级
Sentinel
目录旁边可以查询具体的目录结构和跳转
一.分布式系统遇到的问题
1.服务雪崩
如果其中的订单服务不可用, 就会出现线程池里所有线程都因等待响应而被阻塞, 从而造成整个服务链路不可用, 进而导致整个系统的服务雪崩. 如图所示
服务雪崩效应: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
导致服务不可用的原因:
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.解决方法
常见的容错机制:
1.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。
2.服务限流(流控)
3.隔离(和服务限流类似)
原理: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。
4.服务熔断(重点!!!)
远程服务不稳定或网络抖动时暂时关闭,就叫服务熔断。
现实世界的断路器大家肯定都很了解,断路器实时监控电路的情况,如果发现电路电流异常,就会跳闸,从而防止电路被烧毁。
软件世界的断路器可以这样理解: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“。
所以,同样的道理,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。比如我们设置了超时时间为1s,如果短时间内有大量请求在1s内都得不到响应,就意味着这个服务出现了异常,此时就没有必要再让其他的请求去访问这个依赖了,这个时候就应该使用断路器避免资源浪费
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.快速开始
1.添加依赖
<!--sentinel核心库--> <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-core</artifactId> <version>1.8.5</version> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <version>1.18.18</version> </dependency> <!--如果要使用@SentinelResource--> <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-annotation-aspectj</artifactId> <version>1.8.5</version> </dependency> <!--整合控制台 客户端需要引入 Transport 模块来与 Sentinel 控制台进行通信。--> <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-transport-simple-http</artifactId> <version>1.8.5</version> </dependency>
2.编写测试代码(限流)
@RestController @Slf4j public class HelloController { private static final String RESOURCE_NAME = "hello"; private static final String USER_RESOURCE_NAME = "user"; private static final String DEGRADE_RESOURCE_NAME = "degrade"; // 进行sentinel流控 @RequestMapping(value = "/hello") public String hello() { Entry entry = null; //Map.entry 存入用完就要退出 try { // 1.sentinel针对资源进行限制的 entry = SphU.entry(RESOURCE_NAME); // 被保护的业务逻辑 String str = "hello world"; log.info("====="+str+"====="); return str; } catch (BlockException e1) { // 资源访问阻止,被限流或被降级 //进行相应的处理操作 log.info("block!"); return "被流控了!"; } catch (Exception ex) { // 若需要配置降级规则,需要通过这种方式记录业务异常 Tracer.traceEntry(ex, entry); } finally { if (entry != null) { entry.exit(); } } return null; } /** * 定义规则 *注解修饰的init方法就会在Spring容器的启动时自动的执行 * spring 的初始化方法 */ @PostConstruct //注解修饰的init方法就会在Spring容器的启动时自动的执行 private static void initFlowRules(){ // 流控规则 List<FlowRule> rules = new ArrayList<>(); // 流控 FlowRule rule = new FlowRule(); // 为哪个资源进行流控 rule.setResource(RESOURCE_NAME); // 设置流控规则 QPS rule.setGrade(RuleConstant.FLOW_GRADE_QPS); // 设置受保护的资源阈值 // Set limit QPS to 20. rule.setCount(1); rules.add(rule); // 加载配置好的规则 FlowRuleManager.loadRules(rules); } }
//注解修饰的init方法就会在Spring容器的启动时自动的执行 @PostConstruct
3.@SentinelResource注解开发(限流)
接口资源注册和抛出异常
3.1注意事项和提前准备
1.添加依赖<artifactId>sentinel-annotation-aspectj</artifactId> 2.配置切面支持bean——SentinelResourceAspect(或者直接将Bean添加在启动类中) @Configuration public class SentinelAspectConfiguration { @Bean public SentinelResourceAspect sentinelResourceAspect() { return new SentinelResourceAspect(); } } 3.value 定义资源 (如果使用fallbackClass和blockHandlerClass方法去调用对应 类.class, 然后还要使用blockHandler去指定具体方法,记得方法必须是static) 4.blockHandler 设置 流控降级后的处理方法(默认该方法必须声明在同一个类) 如果不想在同一个类中 blockHandlerClass 但是方法必须是static 5.fallback 当接口出现了异常,就可以交给fallback指定的方法进行处理 如果不想在同一个类中 fallbackClass 但是方法必须是static 6.fallbac在异常处理类传参中增加一个Throwable 类型的参数,可以通过这个参数来实现捕获不同的异常,从而做对应的异常处理。不然捕捉不到异常。 7.blockHandle在异常处理类传参中增加一个BlockException 类型的参数,可以通过这个参数来实现捕获不同的异常,从而做对应的异常处理。不然捕捉不到异常。 !!! blockHandler 如果和fallback同时指定了,则blockHandler优先级更高 exceptionsToIgnore 排除哪些异常不处理
3.2测试@SentinelResource测试代码
@RestController @Slf4j public class Hello2Controller { private static final String USER_RESOURCE_NAME = "user"; /** * @SentinelResource 改善接口中资源定义和被流控降级后的处理方法 * @param id * @return */ @RequestMapping("/user") @SentinelResource(value = USER_RESOURCE_NAME, /*fallbackClass = FallGetUser.class,*/ fallback = "fallbackHandleForGetUser", /*exceptionsToIgnore = {ArithmeticException.class},*/ /*blockHandlerClass = User.class,*/ blockHandler = "blockHandlerForGetUser") public User getUser(String id) { System.out.println("--zxy--"); return new User("zxy"); } public User fallbackHandleForGetUser(String id,Throwable e) { e.printStackTrace(); return new User("异常处理"); } /** * 注意: * 1. 一定要public * 2. 返回值一定要和源方法保证一致, 包含源方法的参数。 * 3. 可以在参数最后添加BlockException 可以区分是什么规则的处理方法 * @param id * @param ex * @return */ public User blockHandlerForGetUser(String id, BlockException ex) { ex.printStackTrace(); return new User("流控!!"); } /** * 定义规则 * * spring 的初始化方法 */ @PostConstruct private static void initFlowRules(){ // 流控规则 List<FlowRule> rules = new ArrayList<>(); // 通过@SentinelResource来定义资源并配置降级和流控的处理方法 FlowRule rule2 = new FlowRule(); //设置受保护的资源 rule2.setResource(USER_RESOURCE_NAME); // 设置流控规则 QPS rule2.setGrade(RuleConstant.FLOW_GRADE_QPS); // 设置受保护的资源阈值 // Set limit QPS to 20. rule2.setCount(1); rules.add(rule2); // 加载配置好的规则 FlowRuleManager.loadRules(rules); } }
4.@SentinelResource测试(服务熔断降级策略)
@RestController public class DegradeController { private static final String DEGRADE_RESOURCE_NAME = "degrade"; @SentinelResource(value = DEGRADE_RESOURCE_NAME, blockHandler = "blockHandlerForFb", entryType = EntryType.IN ) @RequestMapping("/degrade") public User degrade(String id) throws InterruptedException { // 异常数\比例 throw new RuntimeException("异常"); /* 慢调用比例 TimeUnit.SECONDS.sleep(1); return new User("正常");*/ } public User blockHandlerForFb(String id, BlockException e){ return new User("熔断降级"); } @PostConstruct public void initDegradeRule(){ List<DegradeRule> degradeRules = new ArrayList<>(); DegradeRule degradeRule = new DegradeRule(); degradeRule.setResource(DEGRADE_RESOURCE_NAME); // 设置规则侧率: 异常数 degradeRule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT); // 触发熔断异常数 : 2 degradeRule.setCount(2); // 触发熔断最小请求数:2 degradeRule.setMinRequestAmount(2); // 统计时长: 单位:ms 1分钟 degradeRule.setStatIntervalMs(60*1000); // 时间太短不好测 // 一分钟内: 执行了2次 出现了2次异常 就会触发熔断 // 熔断持续时长 : 单位 秒 // 一旦触发了熔断, 再次请求对应的接口就会直接调用 降级方法。 // 10秒过了后——半开状态: 恢复接口请求调用, // 如果第一次请求就异常, 再次熔断,不会根据设置的条件进行判定 degradeRule.setTimeWindow(10); degradeRules.add(degradeRule); DegradeRuleManager.loadRules(degradeRules); } }
三.Sentinel dashboard 界面
1.依赖
<!--整合控制台 客户端需要引入 Transport 模块来与 Sentinel 控制台进行通信。--> <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-transport-simple-http</artifactId> <version>1.8.5</version> </dependency>
2.启动
java ‐jar sentinel‐dashboard‐1.8.5.jar
为了方便快捷启动可以在桌面创建.bat文件
java -Dserver.port=8858 -Dsentinel.dashboard.auth.username=zxy -Dsentinel.dashboard.auth.password=123456 -jar C:\Users\zxy\Desktop\Sentinel\sentinel-dashboard-1.8.5.jar pause
默认的为:访问http://localhost:8080/#/login ,默认用户名密码: sentinel/sentinel
四.SpringCloudAlibaba整合Sentinel(重点)
**流控针对privoder **
熔断降级 针对consumer
1.alibaba整合后不需要注册切面支持bean——SentinelResourceAspect 2.依靠可视化界面对接口资源的调用和默认异常抛出 3.@SentinelResource功能更多被用来调用异常抛出
1.导入依赖
<!--alibaba Sentinel启动器 有着一个就不需要原生中的多个依赖了--> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency>
2.yml配置
server: port: 8070 spring: application: name: order-sentinel cloud: sentinel: transport: #添加sentinel的控制台地址 dashboard: 127.0.0.1:8858
3.QPS和并发线程数----流控规则
在sentinel控制台中设置流控规则
资源名: 接口的API
针对来源: 默认是default,当多个微服务都调用这个资源时,可以配置微服务名来对指定的微服务设置阈值
阈值类型: 分为QPS和线程数 假设阈值为1
QPS类型: 只得是每秒访问接口的次数>1就进行限流(在一秒中内的访问数超过1的进行流控)
线程数: 为接受请求该资源分配的线程数>1就进行限流 (对同一个接口同时处理访问数超过1的进行流控)
如果使用了@SentinelResource就选择对应value的接口 没有使用选择对应http接口
4.公共异常处理
接口资源图形化界面调用 公共异常类抛出单一简单的异常
一般只要公共的简单且统一的异常处理就使用公共处理,针对性复杂性的异常处理使用@SentinelResource
使用了@SentinelResource就不会使用公共异常类
@Component public class MyBlockExceptionHandler implements BlockExceptionHandler { Logger log= LoggerFactory.getLogger(this.getClass()); @Override public void handle(HttpServletRequest httpServletRequest, HttpServletResponse response, BlockException e) throws Exception { // getRule() 资源 规则的详细信息 log.info("BlockExceptionHandler BlockException================"+e.getRule()); Result r = null; if (e instanceof FlowException) { r = Result.error(100,"接口限流了"); } else if (e instanceof DegradeException) { r = Result.error(101,"服务降级了"); } else if (e instanceof ParamFlowException) { r = Result.error(102,"热点参数限流了"); } else if (e instanceof SystemBlockException) { r = Result.error(103,"触发系统保护规则了"); } else if (e instanceof AuthorityException) { r = Result.error(104,"授权规则不通过"); } //返回json数据 response.setStatus(500); response.setCharacterEncoding("utf-8"); response.setContentType(MediaType.APPLICATION_JSON_VALUE); new ObjectMapper().writeValue(response.getWriter(), r); } }
实体类
public class Result<T> { private Integer code; private String msg; private T data; public Result(Integer code, String msg, T data) { this.code = code; this.msg = msg; this.data = data; } public Result(Integer code, String msg) { this.code = code; this.msg = msg; } public Integer getCode() { return code; } public void setCode(Integer code) { this.code = code; } public String getMsg() { return msg; } public void setMsg(String msg) { this.msg = msg; } public T getData() { return data; } public void setData(T data) { this.data = data; } public static Result error(Integer code, String msg){ return new Result(code,msg); } }
五.流控策略,熔断策略(基于Alibaba和dashboard窗口)
1.直接,关联,链路流控模式
可以使用postman进行批量接口测试
1.直接
资源调用达到设置的阈值后直接被流控抛出异常
2.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。比如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。可使用关联限流来避免具有关联关系的资源之间过度的争抢,举例来说,read_db 和write_db 这两个资源分别代表数据库读写,我们可以给 read_db 设置限流规则来达到写优先的目的:设置 strategy 为RuleConstant.STRATEGY_RELATE 同时设置 refResource 为 write_db。这样当写库操作过于频繁时,读数据的请求会被限流。
3.链路
1.配置和理解
@SentinelResource不仅可以流控接口,还可以流控方法
下面中记录了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。这棵树的根节点是一个名字为getUser 的虚拟节点,调用链的入口都是这个虚节点的子节点。
一棵典型的调用树如下图所示:
1 getUser 2 / \ 3 / \ 4 /order/test1 /order/test2
上图中来自入口 /order/test1 和 /order/test2的请求都调用到了资源 getUser,Sentinel 允许只根据某个入口的统计信息对资源限流。
测试会发现链路规则不生效
注意,高版本此功能直接使用不生效,如何解决?
从1.6.3 版本开始,Sentinel Web filter默认收敛所有URL的入口context,因此链路限流不生效。 1.7.0 版本开始(对应SCA的2.1.1.RELEASE),官方在CommonFilter 引入了 WEB_CONTEXT_UNIFY 参数,用于控制是否收敛context。将其配置为 false 即可根据不同的URL 进行链路限流。 SCA 2.1.1.RELEASE之后的版本,可以通过配置spring.cloud.sentinel.web-context-unify=false即可关闭收敛
!!! spring.cloud.sentinel.web‐context‐unify: false
测试,此场景拦截不到BlockException,对应@SentinelResource指定的资源必须在@SentinelResource注解中指定blockHandler处理BlockException
2.代码测试
@Resource IOrderService orderService; // 链路流控 访问/test1 @RequestMapping("/test1") public String test1(){ return orderService.getUser(); } // 链路流控 访问/test2 @RequestMapping("/test2") public String test2(){ return orderService.getUser(); }
@Service public class OrderServiceImpl implements IOrderService { @Override @SentinelResource(value="getUser",blockHandler = "blockHandlerGetUser") public String getUser() { return "查询用户"; } public String blockHandlerGetUser(BlockException e) { return "流控用户"; } }
public interface IOrderService { String getUser(); }
2.快速失败,Warm Up(激增流量),排队流控效果
可以使用postman进行批量接口测试
1.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。
2.Warm Up(针对激增流量)
激增流量:先长时间处于平稳的流量突然迎来洪峰流量,然后又很长时间处于平稳
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。
3.排队等待(针对脉冲流量)
脉冲流量:就行波浪一样,先空闲然后洪峰,又空闲又洪峰的反复来临
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。(排队等待只能是 QPS)
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剩下的请求,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。
比如:现在QPS阈值为5,直接且排队等待,超时时间2s,现在有100个请求过来,服务器最多处理 5 个,其他慢慢排队,在处理所有的请求的时候,都是均匀的处理,0.01S处理第一个请求,0.21S处理第二个请求,0.41S请求处理第三个请求...0.81S处理第5个请求,然后依次类推,间隔时间为 1秒/QPS,比如1/5,0.2S处理一个请求;在排队的请求,如果排队的时间超过了超时时间,就不再等待,返回给客户端一个提示信息。
3.慢调用比例,异常比例,异常数熔断规则
!!!熔断时长结束后进入探测恢复状态,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
1.慢调用比例
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(HALFOPEN 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。
测试用例
@RequestMapping("/flowThread") public String flowThread() throws InterruptedException { Thread.sleep(100); System.out.println("正常访问!"); return "正常访问"; }
2.异常比例
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。经过熔断时长结束后后熔断器会进入探测恢复状态(HALFOPEN 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%。
测试:
@RequestMapping("/err") public String err(){ int a =1/0; return "hello"; }
3.异常数
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(HALFOPEN 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。
测试:
@RequestMapping("/err") public String err(){ int a =1/0; return "hello"; }
六.热点参数限流,系统保护规则
1.热点参数限流
何为热点?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
测试用例:
/** * 热点规则,必须使用@SentinelResource * @param id * @return * @throws InterruptedException */ @RequestMapping("/get/{id}") @SentinelResource(value = "getById",blockHandler = "HotBlockHandler") public String getById(@PathVariable("id") Integer id) throws InterruptedException { System.out.println("正常访问"); return "正常访问"; } public String HotBlockHandler(@PathVariable("id") Integer id, BlockException e) throws InterruptedException { return "热点异常处理"; }
(参数设置的注意点!!!) 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
配置热点参数规则
注意: 资源名必须是@SentinelResource(value="资源名")中 配置的资源名,热点规则依赖于注解
2.系统保护规则
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。https://www.cnblogs.com/gentlemanhai/p/8484839.html
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。
实例:
七.OpenFeign和Sentinel整合
关于Feign部分不变
1.依赖
<!--Nacos服务注册发现--> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId> </dependency> <!-- openfeign 远程调用 --> <dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-openfeign</artifactId> </dependency> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency>
2.application.yml
server: port: 8041 spring: application: name: order-openfeign-sentinel cloud: nacos: server-addr: localhost:8848 discovery: username: nacos password: nacos namespace: public sentinel: transport: dashboard: 127.0.0.1:8858 feign: #开启OpenFeign对sentinel的支持(整合) sentinel: enabled: true
3.openfegin接口
@FeignClient(value = "stock-service",path = "/stock", fallback = StockFeignServiceFallback.class) public interface StockFeignService { @RequestMapping("/reduct2") public String reduct2(); }
4.openfegin的fallback实现类
@Component public class StockFeignServiceFallback implements StockFeignService{ @Override public String reduct2() { return "降级!!"; } }
八.Sentinel规则持久化
1.导入依赖
<!‐‐sentinel持久化 采用 Nacos 作为规则配置数据源‐‐> <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-datasource-nacos</artifactId> </dependency>
2.yml
server: port: 8070 spring: application: name: order-sentinel cloud: nacos: discovery: server-addr: localhost:8848 sentinel: transport: #添加sentinel的控制台地址 dashboard: 127.0.0.1:8858 #关闭链路资源收敛 web-context-unify: false datasource: flow-rule: #名称自定义,唯一 nacos: server-addr: localhost:8848 username: nacos password: nacos dataId: order-sentinel-flow-rule #Nacos配置dataId file-extension: json rule-type: flow #选择规则 流控
3.Nacos添加配置文件
[ { "resource": "/order/flow", "controlBehavior": 0, "count": 2, "grade": 1, "limitApp": "default", "strategy": 0 } ]
4.流控和熔断配置详情
流控配置:json文件配置的各参数对应的意思: 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(1:QPS;0: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: 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(预热模式);2:排队等待) // 预热时间(秒,预热模式需要此参数) //"warmUpPeriodSec": 10, // 超时时间(排队等待模式需要此参数) //"maxQueueingTimeMs": 500, // 关联资源、入口资源(关联、链路模式) //"refResource": "rrr" 降级规则: // 资源名 "resource": "/test1", "limitApp": "default", // 熔断策略(0:慢调用比例,1:异常比率,2:异常计数) "grade": 0, // 最大RT、异常比例阈值、异常数 "count": 200, // 慢调用比例阈值,仅慢调用比例模式有效(1.8.0 引入) "slowRatioThreshold": 0.2, // 最小请求数 "minRequestAmount": 5, // 当单位统计时长(类中默认1000) "statIntervalMs": 1000, // 熔断时长 "timeWindow": 10
Sentinel依赖和yml配置总合
server: port: 8070 spring: application: name: order-sentinel cloud: sentinel: transport: #添加sentinel的控制台地址 dashboard: 127.0.0.1:8858 web‐context‐unify: false #关闭链路收敛 datasource: #Sentinel规则持久化 flow-rule: #名称自定义,唯一 nacos: server-addr: localhost:8848 username: nacos password: nacos dataId: order-sentinel-flow-rule #Nacos配置dataId file-extension: json rule-type: flow #选择规则 流控 feign: #开启OpenFeign对sentinel的支持(整合) sentinel: enabled: true
依赖
<!--alibaba Sentinel启动器 有着一个就不需要原生中的多个依赖了--> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency> <!-- openfeign 远程调用 --> <dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-openfeign</artifactId> </dependency>
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律