Sentinel流控规则可以这样玩？

项目源码地址：公众号回复 sentinel，即可免费获取源码

前言

上一篇文章中，我们讲解了关于sentinel基本介绍以及流控规则中直接和快速失败的效果，有兴趣的可以去看上一篇文章，今天，我们给大家带来更加详细的关于sentinel流控规则的介绍。今天的内容我们主要围绕四个点进行展开介绍。

• 流控模式 ：关联、链路
• 流控效果 ：Warm Up、排队等待

这四点具体是什么意思呢？别急我们一个一个来做详细的介绍，首先我们从关联开始。

首先启动项目：cloud-alibaba-sentinel-8006

关联

在官方的介绍中是这样说的：关联的资源达到阈值时，就限流自己。

这句话是什么意思呢？用比较直白一点的话来讲，假设我们有A和B两个接口，当A关联B接口，同时B接口的资源达到设定的阈值时，限流A。我们也可以理解成，当我们下游的服务出现访问压力过大时，对上游的服务进行拦截和限流操作，例如：电商系统，当我们订单系统超出承受阈值时，对我们支付模块进行限流。

例如：当我们关联order接口达到我们设定的阈值时，限流pay的接口访问。

@Slf4j
@RestController
public class TestController {

    @GetMapping("/pay")
    public String pay() {
        return "hello my name is pay ,wo shi boy";
    }

    @GetMapping("/order")
    public String order(){
        return "hi my name is order, me is girl";
    }

}

给pay接口添加流控规则

在这里我们需要使用到postMan工具，来模拟并发访问，用它来测试我们的order接口的并发访问。

在这里的意思是25个线程0.25秒跑一次，当我们跑起来之后，再去访问pay接口就可以看到以下信息

当我们对order接口进行并发访问的时候，这个时候我们去访问pay接口，就可以看到pay接口返回限流信息

链路

接下来我们就来看一下流控模式中的链路，链路的意思是值当某个接口过来的资源达到阈值时，开启限流，主要是针对于请求来源的微服务，具有更细颗粒度。

比如在一个服务应用中，多个(pay和order)接口都调用了同一个服务中的方法（该方法必须使用注解 SentinelResource进行修饰），如果频繁的去请求pay接口，并且达到设定的阈值，这么时候我们再去请求order接口，那么调用了同一服务的order接口就会被限流

test类

@Service
public class TestService {
    // 定义限流资源
    @SentinelResource("end")
    public String end(){
        return "end method";
    }
}

controller类

@Slf4j
@RestController
public class TestController {

    @Autowired
    private TestService testService;

    @GetMapping("/pay")
    public String pay() {
        return testService.end();
    }

    @GetMapping("/order")
    public String order(){
        return testService.end();
    }

}

配置项web-context-unify，这个配置的意思是说根据不同的URL进行链路限流，否则没有效果

spring:
  application:
    name: cloudalibaba-sentinel-service
  cloud:
    nacos:
      discovery:
        server-addr: localhost:8848
    sentinel:
      transport:
        #配置Sentinel地址，就是我们的WEB界面
        dashboard: localhost:8080
        #Sentinel配置默认8719端口，被占用端口会自动从+1，直到找到未被占用的端口
        port: 8719
        # 配置为false
      web-context-unify: false

我们访问pay接口和order接口后，需要对end进行流控规则的配置，也就是使用了SentinelResource注解标注的方法进行流控设置。

那么这个时候如果我们频繁的去访问order接口的时候，就会出现异常的情况，直接抛出错误提示，这个也是因为快速失败在链路上的直接体现

Warm Up

参考文档：https://sentinelguard.io/zh-cn/docs/flow-control.html

Warm Up 流量控制，也叫预热或者冷启动方式，会根据我们设定的规则，进行缓慢的流量放开，逐渐增加阈值上限，给系统一个反应时间，避免流量的突然增加，将系统压垮的情况发生，主要用于预防我们系统长期处于稳定的流量访问下，突然流量的增加，将系统资源直接拉满的情况.

在这里我们主要弄明白两个参数

单机阈值：12，这个表示我们访问最大阈值为12，但是第一次最大访问量为4，为什么是4呢，看下面公式

预热公式：阈值/coldFactor（默认值为3），经过预热时间后才会达到阈值。

预热时长：5 ，也就是说我们的请求会在五秒内单机阈值达到12的访问，比如第一次为4，后续在五秒内依次5/6/8/10，最后达到12的阈值

一般这种在秒杀或者电商节中会设置这样的流控规则，就是为了防止突然流量的增加导致系统的奔溃。

当我们设置完流控规则以后，我们就来看一下效果，我们刚才设置的order的接口，如果当我们在频繁的去访问order接口的时候，如果超过当前时间设定的阈值时，直接返回限流信息。

在这里我们直接用浏览器疯狂的去刷新，是时候体验单身二十几年的手速了，当然也可以使用postman接口去试，我们这边手速比较快，直接用浏览器刷新，我们可以看到下面的曲线图：

蓝色表示你拒绝的QPS，绿色表示通过的QPS，我们可以看到蓝色成明显的下降趋势，而绿色成上升趋势，也可以通过右边的表格中看到，刚开始通过的只有四个，具体的有三个，后面通过慢慢增加，拒绝慢慢变少，这个就是我们Warm Up（预热）的作用了

排队等待

我们现在来介绍最后一个流控规则的使用，排队等待会严格控制请求通过的间隔时间，让请求稳定且匀速的通过，可以用来处理间隔性突发的高流量，例如抢票软件，在某一秒或者一分钟内有大量的请求到来，而接下来的一段时间里处于空闲状态，我们希望系统能够在接下来的空余时间里也能出去这些请求，而不是直接拒绝。

以固定的间隔时间让请求通过，当请求过来的时候，如果当前请求距离上一个请求通过的时间大于 规则预设值 ，则请求通过，如果当前请求预期通过时间小于 规则预设值 ，则进行排队等待，如果预期通过时间超过最大排队时间，直接拒绝请求。

Sentinel排队等待是 漏铜算法+虚拟队列机制实现的，目前排队等待中不支持QPS>1000的场景

我们对pay接口进行设置，一秒钟只处理一个QPS请求，其他的排队，如果超过15秒则直接拒绝

pay接口调整，这里我们给pay接口加上打印日志，方便我们看到具体效果

    @GetMapping("/pay")
    public String pay() {
//        return "hello my name is pay ,wo shi boy";
        log.info("pay接口，请求线程为："+Thread.currentThread().getName());
        return testService.end();
    }

我们借助postman来进行调用，说明手速始终更不上工具，还是工具香，这里我们设置10个请求，没有间隔时间

从下图中我们可以看到，对于我们的请求，是一个QPS请求。

总结

到这里呢，我们的流控规则就讲完了，主要是针对不同的规则进行不同的设定，来满足我们不用业务场景，可能会有一点点的小饶，但是如果亲自操作之后，会感觉原来是这样，感兴趣的小伙伴可以自己动手试一试，源码都已经上传了，只有动手了才能感受到其中的快乐，赶紧去试一试吧。

我是牧小农，怕什么真理无穷，进一步有进一步的欢喜，大家加油！