06谷粒商城-高级篇六

前言

人到洛阳花似锦，偏我来时不逢春

17.商城业务-秒杀服务

17.1后台添加秒杀商品

主要步骤：

导入每日秒杀前端界面
gulimall-gateway网关服务配置gulimall-coupon路由
优化秒杀关联商品接口

导入每日秒杀前端界面

gulimall-gateway网关服务配置gulimall-coupon路由

优化秒杀关联商品接口

界面

17.2定时任务&Cron表达式

创建gulimall-seckill秒杀服务

创建gulimall-seckill秒杀服务

导入依赖，主要有rabbitmq、redis、springsession

配置application.yaml

gulimall-seckill开启SpringSession、OpenFeign、nacos，禁用datasource

定时任务

语法：秒分时日月周年（Spring 不支持）

http://www.quartz-scheduler.org/documentation/quartz-2.3.0/tutorials/crontrigger.html

cron 示例

17.3SpringBoot整合定时任务与异步任务

开启定时任务

@EnableScheduling【spring 默认是使用自己的定时任务，如果想整合Quartz，参考官方】
@Scheduled
定时任务配置类：TaskSchedulingAutoConfiguration

@Slf4j
@Component
@EnableScheduling
public class HelloScheduled {
    // 每s执行
    @Scheduled(cron = "0/1 * * * * ? ")
    public void hello() {
        log.info("hello...");
        try { TimeUnit.SECONDS.sleep(3); } catch (InterruptedException e) { e.printStackTrace(); }
    }
}

定时任务+异步任务

方案1：业务方法自己作异步编排【CompletableFuture.runAsync】
方案2：修改定时任务线程池的线程个数【spring.task.scheduling.pool.size=5】（不一定生效，有BUG）
方案3：让定时任务异步执行

方案3：让定时任务异步执行

1.@EnableAsync
2.@Async
3.异步配置类：TaskExecutionAutoConfiguration
- spring.task.execution.pool.core-size=5：核心线程数
- spring.task.execution.pool.max-size=50：最大线程数

@EnableAsync和@Async

@Slf4j
@Component
@EnableAsync
@EnableScheduling
public class HelloScheduled {
    // @Scheduled(cron = "*/5 * * ? * 4")
    // 每s执行
    @Async
    @Scheduled(cron = "0/1 * * * * ? ")
    public void hello() {
        log.info("hello...");
        try { TimeUnit.SECONDS.sleep(3); } catch (InterruptedException e) { e.printStackTrace(); }

    }

}

异步配置类

spring:
  task:
    execution:
      pool:
        core-size: 5 # 核心线程数
        max-size: 50 # 最大线程数

17.4时间日期处理

主要步骤：

gulimall-seckill秒杀服务远程调用gulimall-coupon优惠卷服务查询最近三天的活动
gulimall-coupon优惠卷服务实现查询最近三天的活动
- 处理最近三天的日期

gulimall-seckill秒杀服务远程调用gulimall-coupon优惠卷服务查询最近三天的活动

gulimall-coupon优惠卷服务实现查询最近三天的活动

处理最近三天的日期

测试代码

@Test
    public void testTime(){
        LocalDate now = LocalDate.now();
        LocalDate plus1 = now.plusDays(1);
        LocalDate plus2 = now.plusDays(2);
        System.out.println(now);
        System.out.println(plus1);
        System.out.println(plus2);

        LocalTime min = LocalTime.MIN;
        LocalTime max = LocalTime.MAX;
        System.out.println(min);
        System.out.println(max);

        LocalDateTime start = LocalDateTime.of(now,min);
        LocalDateTime end = LocalDateTime.of(plus2,max);
        System.out.println(start);
        System.out.println(end);

        // 格式化最近三天的日期
        String format1 = start.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
        String format2 = end.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
        System.out.println("开始时间："+format1);
        System.out.println("结束时间："+format2);
    }

17.5秒杀商品上架-1

主要步骤：

远程调用gulimall-coupon查询最近三天的活动
在redis中缓存活动信息
在redis中缓存活动关联的商品信息
- 商品信息，远程调用gulimall-product，获取商品sku信息

在redis中缓存活动信息

在redis中缓存活动关联的商品信息

商品信息

17.6秒杀商品上架-2

主要步骤：

远程调用gulimall-coupon查询最近三天的活动
在redis中缓存活动信息
在redis中缓存活动关联的商品信息
- 商品信息，远程调用gulimall-product，获取商品sku信息
- 秒杀信息
- 秒杀时间信息
- 设置商品的随机码（防止恶意攻击）
- 使用库存作为分布式Redisson信号量（限流）

17.7秒杀商品上架-3

主要步骤：

测试秒杀商品上架

启动定时任务开启秒杀商品上架，设置的cron表达式每分钟执行一次

@Slf4j
@Service
public class SeckillScheduled {

    @Autowired
    private SeckillService seckillService;

    // TODO 保证幂等性问题
    // @Scheduled(cron = "*/5 * * * * ?")
    @Scheduled(cron = "0 * * * * ?")
    public void uploadSeckillSkuLatest3Days() {
        log.info("上架秒杀的商品...");
        seckillService.uploadSeckillSkuLatest3Days();
    }
}

缓存活动信息的key：SESSION_CACHE_PREFIX + startTime + "_" + endTime

缓存活动信息的value：活动场次Id + "_" + 商品skuId

缓存秒杀商品的的key：seckill:skus

缓存秒杀商品的的value

key：活动场次Id + "_" + 商品skuId
value：商品sku信息、秒杀信息、秒杀时间信息、商品的随机码（防止恶意攻击）、使用秒杀总量作为分布式Redisson信号量（限流）

使用秒杀总量作为分布式Redisson信号量（限流）

分布式Redisson信号量的key：seckill:stock:

分布式Redisson信号量的value：秒杀总量

17.8幂等性保证

主要步骤：

秒杀商品上架时添加分布式锁
redis保存活动信息，判断seckill:sessions: + startTime + "_" + endTime是否已经存在
redis保存秒杀商品信息时，判断seckill:skus中是否存在活动场次Id + "-" + 商品skuId

秒杀商品上架时添加分布式锁

redis保存活动信息，判断seckill:sessions: + startTime + "_" + endTime是否已经存在

redis保存秒杀商品信息时，判断seckill:skus中是否存在活动场次Id + "-" + 商品skuId

17.9查询秒杀商品

主要步骤：

管理后台创建一个当前时间范围内的秒杀活动，并关联商品
实现获取到当前可以参加秒杀商品的信息
- 获取当前时间，获取活动场次的所有key，因为key中包含活动场次开始时间和结束时间，查询出活动场次中包含的所有秒杀商品的key（场次Id + "-" + 商品skuId）
- 根据开始时间和结束时间获取所有秒杀商品的key，再去seckill:skus获取所有的秒杀商品
秒杀商品界面渲染
管理员运行SwitchHost，配置seckill.gulimall.com转发
gulimall-gateway网关服务配置gulimall-seckill秒杀服务路由

管理后台创建一个当前时间范围内的秒杀活动，并关联商品

实现获取到当前可以参加秒杀商品的信息

获取当前时间，获取活动场次的所有key，因为key中包含活动场次开始时间和结束时间，查询出活动场次中包含的所有秒杀商品的key（场次Id + "-" + 商品skuId）
根据开始时间和结束时间获取所有秒杀商品的key，再去seckill:skus获取所有的秒杀商品

秒杀商品界面渲染

主界面秒杀商品渲染完成

管理员运行SwitchHost，配置seckill.gulimall.com转发

gulimall-gateway网关服务配置gulimall-seckill秒杀服务路由

- id: gulimall-seckill_route
  uri: lb://gulimall-seckill
  predicates:
    - Host=seckill.gulimall.com

Bug：数据库时间和界面显示时间相差8小时

主要配置serverTimezone=Asia/Shanghai和time-zone

spring:
  application:
    name: gulimall-coupon
  cloud:
    nacos:
      discovery:
        server-addr: 192.168.188.180:8848 # nacos地址
  datasource:
    url: jdbc:mysql://192.168.188.180:3306/mall_sms?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true&serverTimezone=Asia/Shanghai
    driver-class-name: com.mysql.cj.jdbc.Driver
    username: root
    password: root
  jackson:
    date-format: yyyy-MM-dd HH:mm:ss
    time-zone: GMT+8

17.10秒杀页面渲染

主要步骤：

gulimall-seckill实现skuId查询商品秒杀信息
- 查询seckill:skus（所有秒杀商品信息），获取所有keys
- 遍历seckill:skus，判断key是否包含skuId
- 如果包含skuId，判断当前时间是否在秒杀活动时间区间
gulimall-product使用OpenFeign添加gulimall-seckill的商品秒杀信息接口
gulimall-product的skuItem方法获取sku商品详情时，异步编排调用gulimall-seckill查询商品秒杀信息
item.html商品详情界面添加秒杀信息

gulimall-seckill实现skuId查询商品秒杀信息

查询seckill:skus（所有秒杀商品信息），获取所有keys
遍历seckill:skus，判断key是否包含skuId
如果包含skuId，判断当前时间是否在秒杀活动时间区间

gulimall-product使用OpenFeign添加gulimall-seckill的商品秒杀信息接口

gulimall-product的skuItem方法获取sku商品详情时，CompletableFuture异步编排调用gulimall-seckill查询商品秒杀信息

item.html商品详情界面添加秒杀信息

商品详情界面

17.11秒杀系统设计

秒杀系统设计

单一职责
秒杀链接加密
- 随机码，秒杀开始才暴露
库存预热+快速扣减（redis存储库存信号量，最终正常进入购物车的流量最多是库存数）
- 按照库存信号量原子扣减
动静分离
- nginx/CDN
恶意请求拦截
- 网关层按照访问次数拦截脚本请求【异常请求】
流量错峰
- 【最重要是体现在秒杀开始的那一刻的错峰】判断登录状态、输入验证码、加入购物车、提交订单
限流&熔断&降级
- 前端限流：间隔1秒允许点击
- 后端限流：
  - 限制次数：同一个用户10次放行2次
  - 限制总量：秒杀服务峰值处理能力10万，网关层放行不得超过10万，超过的等待两秒放行
- 熔断：A->B->C，链路中B总是失败，则下次调用时直接返回错误不调用B
- 降级：流量太大，秒杀模块将流量引导到降级页面，服务繁忙页【正常请求】
队列削峰（杀手锏）
- 扣减库存信号量成功的秒杀信息存入队列，订单系统监听队列创建订单（按照自己的处理能力消费

17.12登录检查

主要步骤：

gulimall-product商品服务的item.html商品详情页面，如果商品在秒杀活动时段显示立即抢购，否则显示加入购物车
立即抢购需要参数：killId（场次活动Id + 商品skuId）、秒杀随机码、商品数量
gulimall-seckill调用秒杀接口/kill，需要登录操作，因此需要配置拦截器和springsession

gulimall-product商品服务的item.html商品详情页面，如果商品在秒杀活动时段显示立即抢购，否则显示加入购物车

立即抢购需要参数：killId（场次活动Id + 商品skuId）、秒杀随机码、商品数量

gulimall-seckill调用秒杀接口/kill，需要登录操作，因此需要配置拦截器和springsession

配置登录拦截器

配置springsession

17.13秒杀流程

主要步骤：

实现秒杀接口
- 从从Redis中获取中获取当前秒杀商品的详细信息
- 合法性效验：判断当前这个秒杀请求是否在活动时间区间内(效验时间的合法性)
- 效验随机码和商品id
- 验证购物数量是否合理和库存量是否充足：判断信号量是否大于0，并且买的数量不能超过限购数量
- 验证这个人是否已经买过了（幂等性处理）,如果秒杀成功，就去占位。userId-sessionId-skuId

17.14秒杀效果完成

流程图：

两种方案：

方案一：
- 加入购物车（仍然走购物车流程，但价格按照秒杀价格计算），创建订单、锁定库存
- 优点：只需要做好适配，无大改动
- 缺点：将秒杀的流量带给了其他模块

方案二：【采用方案二，队列削峰】
- 直接发送MQ消息，订单根据消息创建订单（不需要锁定库存，库存预热了【信号量】），订单关闭增加信号量

加信号量
- 优点：没有将秒杀的压力分担给其他模块，只有校验合法性没有远程调用、db操作
- 缺点：订单等模块需要提供监听消费信息创建订单，如果订单崩了，会导致支付失败
结果：
- 假设一个请求50ms，一个线程1s能处理20个请求
- Tomcat开启500个线程，1s能处理10000个请求

主要步骤：

实现秒杀接口
- 从从Redis中获取中获取当前秒杀商品的详细信息
- 合法性效验：判断当前这个秒杀请求是否在活动时间区间内(效验时间的合法性)
- 效验随机码和商品id
- 验证购物数量是否合理和库存量是否充足：判断信号量是否大于0，并且买的数量不能超过限购数量
- 验证这个人是否已经买过了（幂等性处理）,如果秒杀成功，就去占位。userId-sessionId-skuId
- 完成以上验证，向order-event-exchange发送消息，routingKey设置为order.seckill.order
gulimall-order订单服务创建队列order.seckill.order.queue，并和order-event-exchange建立绑定关系
gulimall-order监听order.seckill.order.queue创建秒杀订单

实现秒杀接口

从从Redis中获取中获取当前秒杀商品的详细信息
合法性效验：判断当前这个秒杀请求是否在活动时间区间内(效验时间的合法性)
效验随机码和商品id
验证购物数量是否合理和库存量是否充足：判断信号量是否大于0，并且买的数量不能超过限购数量
验证这个人是否已经买过了（幂等性处理）,如果秒杀成功，就去占位。userId-sessionId-skuId
完成以上验证，向order-event-exchange发送消息，routingKey设置为order.seckill.order

gulimall-order订单服务创建队列order.seckill.order.queue，并和order-event-exchange建立绑定关系

gulimall-order监听order.seckill.order.queue创建秒杀订单

17.15秒杀页面完成

主要步骤：

秒杀成功，跳转到秒杀成功页面，然后进行支付-
gulimall-seckill导入thymeleaf，并关闭缓存
秒杀成功界面渲染

秒杀成功，跳转到秒杀成功页面，然后进行支付

gulimall-seckill导入thymeleaf，并关闭缓存

秒杀成功界面渲染

18.Sentinel

18.1高并发方法论&简介

熔断

A 服务调用 B 服务的某个功能，由于网络不稳定问题，或者 B 服务卡机，导致功能时间超长。如果这样子的次数太多。我们就可以直接将 B 断路了（A 不再请求 B 接口），凡是调用 B 的直接返回降级数据，不必等待 B 的超长执行。这样 B 的故障问题，就不会级联影响到 A。

降级

整个网站处于流量高峰期，服务器压力剧增，根据当前业务情况及流量，对一些服务和页面进行有策略的降级[停止服务，所有的调用直接返回降级数据]。以此缓解服务器资源的的压力，以保证核心业务的正常运行，同时也保持了客户和大部分客户的得到正确的相应。

异同：

相同点：

1、为了保证集群大部分服务的可用性和可靠性，防止崩溃，牺牲小我
2、用户最终都是体验到某个功能不可用

不同点：

1、熔断是被调用方故障，触发的系统主动规则
2、降级是基于全局考虑，停止一些正常服务，释放资源

限流

对打入服务的请求流量进行控制，使服务能够承担不超过自己能力的流量压力

18.2基本概念

Sentinel 简介

官方文档：https://github.com/alibaba/Sentinel/wiki/介绍

项目地址：https://github.com/alibaba/Sentinel

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度保护服务的稳定性。

Sentinel 具有以下特征：

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 分为两个部分:

核心库（Java 客户端）不依赖任何框架/库，能够运行于所有 Java 运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。
控制台（Dashboard）基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器。

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。

Hystrix 与 Sentinel 比较

18.3整合SpringBoot

主要步骤：

docker安装sentinel
SpringBoot整合sentinel
测试

docker安装sentinel

如果拉取镜像失败，更换一下镜像地址，这种方式最方便

拉取到镜像后，后面可以把sentinel添加到docker-compose.yml

cat <<EOF > /etc/docker/daemon.json
{
     "max-concurrent-downloads": 10,
     "max-concurrent-uploads": 5,
     "default-shm-size": "1G",
     "debug": true,
     "experimental": false,
     "registry-mirrors":[
                "https://x9r52uz5.mirror.aliyuncs.com",
                "https://dockerhub.icu",
                "https://docker.chenby.cn",
                "https://docker.1panel.live",
                "https://docker.awsl9527.cn",
                "https://docker.anyhub.us.kg",
                "https://dhub.kubesre.xyz"
        ]
}
EOF
systemctl daemon-reload
systemctl restart docker

docker pull bladex/sentinel-dashboard
docker run --name sentinel -p 8858:8858 -td bladex/sentinel-dashboard

访问http://你的虚拟机ip:8858/#/dashboard

用户名：sentinel

密码：sentinel

整合SpringBoot

Spring Cloud Alibaba Sentinel文档说明：https://github.com/alibaba/spring-cloud-alibaba/wiki/Sentinel

这里以gulimall-seckill秒杀服务为主，正常来说所有服务都需要引用sentinel

导入依赖

<!--sentinel-->
<dependency>
     <groupId>com.alibaba.cloud</groupId>
     <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
 </dependency>

不知道为什么这里现在需要导入hibernate-validator，要不会报错，记录一下

<dependency>
    <groupId>org.hibernate.validator</groupId>
    <artifactId>hibernate-validator</artifactId>
</dependency>

配置application.yaml，sentinel在spring.cloud节点下

spring:
  cloud:
    sentinel:
      transport:
        # 控制台信息
        dashboard: 192.168.188.180:8858

测试

启动项目，设置/getCurrentSeckillSkus的QPS为1，就是每s只允许1个请求

访问接口http://seckill.gulimall.com/getCurrentSeckillSkus，连续多点几次，发现请求会直接返回失败

后台控制台发现接口只被调用2次，说明收到了流控控制

18.4自定义流控响应

主要步骤：

自定义流控响应
application.yaml配置，暴露的 endpoint 路径为 /actuator/sentinel
/getCurrentSeckillSkus添加QPS

官方地址：https://github.com/alibaba/spring-cloud-alibaba/wiki/Sentinel#endpoint-支持

bug：导入Sentinel无WebCallbackManager包

https://blog.csdn.net/m0_70651612/article/details/125365554

自定义流控响应

我用的最新版的sentinel，之前的WebCallbackManager实现的自定义响应好像不太好使，查询资料后发现需要实现sentinel-spring-webmvc-adapter包的BlockExceptionHandler

导入spring-boot-starter-actuator，是审计框架，计算springboot应用健康状况信息、请求的调用信息，dashboard可以拿到actuator数据作实时监控统计

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>

导入sentinel-spring-webmvc-adapter，实现自定义响应

<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-spring-webmvc-adapter</artifactId>
</dependency>

实现BlockExceptionHandler

@Configuration
public class MySentinelConfig implements BlockExceptionHandler {
    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        R error = R.error(BizCodeEnum.TO_MANY_REQUEST.getCode(), BizCodeEnum.TO_MANY_REQUEST.getMsg());
        response.setCharacterEncoding("UTF-8");
        response.setContentType("application/json");
        response.getWriter().write(JSON.toJSONString(error));
    }
}

application.yaml配置，暴露的 endpoint 路径为 /actuator/sentinel

management:
  endpoints:
    web:
      exposure:
        include: '*'

/getCurrentSeckillSkus添加QPS

因为Sentinel 保存在服务内存中，每次重启服务都需要重新配置

访问接口：http://seckill.gulimall.com/getCurrentSeckillSkus，F5多刷新几次

审计界面

18.5全服务引入

主要步骤：

所有的服务导入sentinel相关包
所有的服务application.yml配置sentinel
把商城服务的所有的流程走一遍

所有的服务导入sentinel相关包

<!--sentinel-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
<!--sentinel统计审计信息-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-spring-webmvc-adapter</artifactId>
</dependency>

所有的服务配置sentinel

spring:
  cloud:
    nacos:
      discovery:
        server-addr: 192.168.188.180:8848 # nacos地址
    sentinel:
      transport:
        # 应用开启端口，接收dashboard限流规则
        # port: 8719
        # 控制台信息
        dashboard: 192.168.188.180:8858
management:
  endpoints:
    web:
      exposure:
        include: '*'

把服务的所有的流程走一遍，到支付即可

Sentinel成功监控了所有的服务

18.6流控模式&效果

官方文档：https://github.com/alibaba/Sentinel/wiki/流量控制

18.7熔断降级

主要步骤：

调用方的熔断保护：feign.sentinel.enable=true
调用方手动指定远程服务的降级策略。远程服务被降级处理。触发我们的熔断回调方法
超大流量的时候，必须牺牲一些远程服务。在服务的提供方（远程服务）指定降级策略；提供方是在运行，但是不允许自己的业务逻辑，返回的是默认的降级数据（限流的数据）

调用方的熔断保护

Feign支持文档：https://github.com/alibaba/spring-cloud-alibaba/wiki/Sentinel#feign-支持

导入依赖，使 Sentinel starter 中的自动化配置类生效

<!--sentinel Feign支持-->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>

添加配置，打开 Sentinel 对 Feign 的支持

feign:
  sentinel:
    enabled: true

我们发现gulimall-product商品服务中调用的openfeign远程和接口也显示出来了

创建SeckillFeignServiceFallBack，实现SeckillFeignService

当远程调用SeckillFeignService失败时，会调用这个接口进行返回

因为商品详情会远程调用gulimall-seckill判断是够是秒杀商品，关掉gulimall-seckill服务模拟宕机，发现界面依然显示，没有出错

调用方手动指定远程服务的降级策略。远程服务被降级处理，触发我们的熔断回调方法

熔断策略文档：https://github.com/alibaba/Sentinel/wiki/熔断降级#熔断策略

修改测试代码，/sku/seckill/{skuId}睡眠500ms，使该接口触发熔断

配置熔断规则：

最大 RT：这个值表示请求的最大响应时间阈值（单位为毫秒）。在这个配置中，最大 RT 设置为 1 ms，这意味着如果某个请求的响应时间超过 1 毫秒，就会触发统计。
熔断时长：熔断器触发后的持续时间。在这里，熔断时长设置为 5 秒，即一旦熔断触发，该资源在 5 秒内将会被熔断，所有请求将直接返回异常。
统计时长：这是用于统计的时间窗口（单位为毫秒）。在这个配置中，统计时长设置为 1000 ms（即 1 秒）。在这个时间窗口内，Sentinel 将会统计请求的响应时间，并根据配置的阈值来决定是否触发熔断。
比阈值：表示在统计时长内，请求的 RT 超过最大 RT 阈值的比例阈值。在这里设置为 0.1（10%），意味着如果在统计时长内，有 10% 的请求的响应时间超过了最大 RT，则触发熔断。
最小请求数：这是触发熔断所需的最小请求数。在这个配置中，设置为 1，意味着只要有一个请求超过了最大 RT 且满足比阈值的条件，熔断就会触发。

总结来说，这个配置的意思是：如果在 1 秒内有至少 1 个请求且其中 10% 以上的请求的响应时间超过了 1 毫秒，那么这个资源将被熔断 5 秒。

超大流量的时候，必须牺牲一些远程服务。在服务的提供方（远程服务）指定降级策略；提供方是在运行。但是不运行自己的业务逻辑，返回的是默认的降级数据（限流的数据）

我们给gulimall-seckill服务的/getCurrentSeckillSkus的接口配置熔断策略

最大 RT：设置为 1 ms，表示如果请求的响应时间超过 1 毫秒，这个请求将会被纳入统计。
熔断时长：设置为 5 秒，表示一旦触发熔断，这个资源会在接下来的 5 秒内直接返回异常，不会真正执行请求。
统计时长：设置为 1000 ms，表示 Sentinel 会在 1 秒的时间窗口内统计请求的响应时间。
比阈值：设置为 0.3（30%），表示在统计时长内，如果有 30% 以上的请求响应时间超过了最大 RT（1 ms），将会触发熔断。
最小请求数：设置为 3，表示在统计时长内，至少有 3 个请求时，才会开始计算并判断是否触发熔断。

总结来说，这个配置表示：如果在 1 秒内，至少有 3 个请求被处理，并且其中 30% 的请求响应时间超过了 1 毫秒，那么这个资源将会熔断 5 秒。

快速刷新请求会触发熔断策略

给所有的服务配置Sentinel 对 Feign 的支持和Sentinel的配置

18.8自定义受保护资源

主要步骤：

基于代码：try (Entry entry = SphU.entry("seckillSkus")) {}catch (BlockException e) { log.error("资源被限流{}", e.getMessage()); }
- 官方文档：https://github.com/alibaba/Sentinel/wiki/如何使用#方式二抛出异常的方式定义资源
基于注解：@SentinelResource(value = "getCurrentSeckillSkusResource", blockHandler = "blockHandler")
- 官方文档：https://github.com/alibaba/Sentinel/wiki/如何使用#方式二抛出异常的方式定义资源

基于代码：try (Entry entry = SphU.entry("seckillSkus")) {}catch (BlockException e) { log.error("资源被限流{}", e.getMessage()); }

配置seckillSkus流控规则，每s最多一个请求

官方文档

基于注解：@SentinelResource(value = "getCurrentSeckillSkusResource", blockHandler = "blockHandler")

配置getCurrentSeckillSkusResource流控规则，每s最多一个请求

官方文档

18.9网关流控

主要步骤：

官网地址：https://github.com/alibaba/Sentinel/wiki/网关限流
导入spring-cloud-alibaba-sentinel-gateway
配置网关流控

官网地址：https://github.com/alibaba/Sentinel/wiki/网关限流

导入spring-cloud-alibaba-sentinel-gateway

<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-alibaba-sentinel-gateway</artifactId>
</dependency>

配置网关流控

快速访问http://seckill.gulimall.com/getCurrentSeckillSkus，发现

配置gulimall-seckill_route请求Header必须带上hello，并且值必须是world

浏览器请求http://seckill.gulimall.com/getCurrentSeckillSkus不会被拦截

使用postman带上Header的hello=world请求会被限流

18.10定制网关流控返回

主要步骤：

官方文档：https://github.com/alibaba/Sentinel/wiki/网关限流
gulimall-gateway网关服务重写GatewayCallbackManager.setBlockHandler
配置gulimall-seckill_route流控规则
测试

gulimall-gateway网关服务重写GatewayCallbackManager.setBlockHandler

配置gulimall-seckill_route流控规则

测试

19.Sleuth-链路追踪

19.1基本概念&整合

sleuth文档: https://spring.io/projects/spring-cloud-sleuth
started: https://docs.spring.io/spring-cloud-sleuth/docs/3.1.0/reference/html/getting-started.html#getting-started

为什么用

微服务架构是一个分布式架构，它按业务划分服务单元，一个分布式系统往往有很多个服务单元。由于服务单元数量众多，业务的复杂性，如果出现了错误和异常，很难去定位。主要体现在，一个请求可能需要调用很多个服务，而内部服务的调用复杂性，决定了问题难以定位。所以微服务架构中，必须实现分布式链路追踪，去跟进一个请求到底有哪些服务参与，参与的顺序又是怎样的，从而达到每个请求的步骤清晰可见，出了问题，很快定位。

链路追踪组件有 Google 的 Dapper，Twitter 的 Zipkin，以及阿里的 Eagleeye （鹰眼）等，它们都是非常优秀的链路追踪开源组件。

基本术语

Span（跨度）：基本工作单元，发送一个远程调度任务就会产生一个 Span，Span 是一个 64 位 ID 唯一标识的，Trace 是用另一个 64 位 ID 唯一标识的，Span 还有其他数据信息，比如摘要、时间戳事件、Span 的 ID、以及进度 ID。
Trace（跟踪）：一系列 Span 组成的一个树状结构。请求一个微服务系统的 API 接口，这个 API 接口，需要调用多个微服务，调用每个微服务都会产生一个新的 Span，所有由这个请求产生的 Span 组成了这个 Trace。
Annotation（标注）：用来及时记录一个事件的，一些核心注解用来定义一个请求的开始和结束。这些注解包括以下：
cs - Client Sent -客户端发送一个请求，这个注解描述了这个 Span 的开始
sr - Server Received -服务端获得请求并准备开始处理它，如果将其 sr 减去 cs 时间戳便可得到网络传输的时间。
ss - Server Sent （服务端发送响应）–该注解表明请求处理的完成(当请求返回客户端)，如果 ss 的时间戳减去 sr 时间戳，就可以得到服务器请求的时间。
cr - Client Received （客户端接收响应）-此时 Span 的结束，如果 cr 的时间戳减去 cs 时间戳便可以得到整个请求所消耗的时间。

官方文档：https://docs.spring.io/spring-cloud-sleuth/docs/current/reference/html/getting-started.html#getting-started

如果服务调用顺序如下

那么用以上概念完整的表示出来如下：

整合Sleuth

所有的服务提供者与消费者导入依赖

<!-- sleuth 链路追踪-->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>

打开 debug 日志

logging:
  level:
    com.peng: debug
    org.springframework.cloud.openfeign: debug
    org.springframework.cloud.sleuth: debug

19.2整合Zipkin效果

docker安装zipkin

安装命令

docker run -d -p 9411:9411 --name zipkin openzipkin/zipkin

整合zipkin

导入依赖

我用的spring-cloud版本没有Zipkin

所以要自己指定版本

<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-zipkin</artifactId>
    <version>2.2.7.RELEASE</version>
</dependency>

zipkin中包含sleuth，所以只需要配置zipkin即可

配置zipkin和sleuth

访问：http://192.168.188.180:9411

zipkin数据持久化

持久化类型选择elasticsearch，因为elasticsearch查询速度更快

docker run --env STORAGE_TYPE=elasticsearch --env ES_HOSTS=192.168.188.180:9200 openzipkin/zipkin-dependencies

19.3Zipkin界面分析

查询界面

提交订单

订单完成，向rabbitmq发送消息

订单确认页，显示异步编排调用接口

查看所有服务依赖

查看gulimall-gateway服务依赖

20.分布式高级篇总结

01-EleasticSearch、商品上架、首页、nginx动静分离、Apache JMeter使用、缓存、Redisson、SpringCache
02-检索服务、CompletableFuture异步编排、商品详情
03-认证服务、SpringSession、单点登录、购物车
04-RabbitMQ、订单确认
05-Seata、RabbitMQ延时队列、支付宝支付、订单服务
06-秒杀服务、Sentinel、Sleuth、Zipkin

创作不易，感谢支持。

posted @ 2024-10-14 00:59 peng_boke 阅读(38) 评论(0) 编辑收藏举报

刷新页面返回顶部

peng_boke

06谷粒商城-高级篇六

前言

17.商城业务-秒杀服务

17.1后台添加秒杀商品

17.2定时任务&Cron表达式

17.3SpringBoot整合定时任务与异步任务

17.4时间日期处理

17.5秒杀商品上架-1

17.6秒杀商品上架-2

17.7秒杀商品上架-3

17.8幂等性保证

17.9查询秒杀商品

17.10秒杀页面渲染

17.11秒杀系统设计

17.12登录检查

17.13秒杀流程

17.14秒杀效果完成

17.15秒杀页面完成

18.Sentinel

18.1高并发方法论&简介

18.2基本概念

18.3整合SpringBoot

18.4自定义流控响应

18.5全服务引入

18.6流控模式&效果

18.7熔断降级

18.8自定义受保护资源

18.9网关流控

18.10定制网关流控返回

19.Sleuth-链路追踪

19.1基本概念&整合

19.2整合Zipkin效果

19.3Zipkin界面分析

20.分布式高级篇总结

公告