流量控制组件-Sentinel

喜欢吃牛板筋
1,177 阅读12分钟

1.初识Sentinel

1.1.雪崩问题及解决方案

1.1.1.雪崩问题

微服务中，服务间调用关系错综复杂，一个微服务往往依赖于多个其它微服务。

微服务调用链路中的某个服务故障，引起整个链路中的所有微服务都不可用，这就是雪崩。

服务器支持的线程和并发数有限，请求一直阻塞，会导致服务器资源耗尽，从而导致所有其它服务都不可用，那么当前服务也就不可用了。

那么，依赖于当前服务的其它服务随着时间的推移，最终也都会变的不可用，形成级联失败，雪崩就发生了： image.png

解决雪崩问题的常见方式有四种：

  1. 超时处理
  2. 仓壁模式
  3. 熔断降级
  4. 流量控制

1.1.2.超时处理

方案1：超时处理

设定超时时间，请求超过一定时间没有响应就返回错误信息，不会无休止等待 image-20210715172820438.png

1.1.3.仓壁模式

方案2：仓壁模式

仓壁模式来源于船舱的设计：

image-20210715172946352.png

船舱都会被隔板分离为多个独立空间，当船体破损时，只会导致部分空间进入，将故障控制在一定范围内，避免整个船体都被淹没。

于此类似，我们可以限定每个业务能使用的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。 image-20210715173215243.png

1.1.4.熔断降级

方案3：熔断降级

由断路器统计业务执行的异常比例，如果超出阈值则会熔断该业务，拦截访问该业务的一切请求。

断路器会统计访问某个服务的请求数量，异常比例： image-20210715173327075.png

当发现访问服务D的请求异常比例过高时，认为服务D有导致雪崩的风险，会拦截访问服务D的一切请求，形成熔断：

image-20210715173428073.png

1.1.5.流量控制

方案4：流量控制

流量控制：限制业务访问的QPS，避免服务因流量的突增而故障。 image-20210715173555158.png

1.1.6.总结

什么是雪崩问题？

  • 微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况。

如何避免因瞬间高并发流量而导致服务故障？

  • 流量控制

如何避免因服务故障引起的雪崩问题？

  • 超时处理
  • 线程隔离
  • 降级熔断

可以认为：

  • 限流是对服务的保护，避免因瞬间高并发流量而导致服务故障，进而避免雪崩。是一种预防措施。
  • 超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在一定范围，避免雪崩。是一种补救措施。

1.2.服务保护技术对比

在SpringCloud当中支持多种服务保护技术：

早期比较流行的是Hystrix框架，但目前国内实用最广泛的还是阿里巴巴的Sentinel框架，这里我们做下对比：

SentinelHystrix
隔离策略信号量隔离线程池隔离/信号量隔离
熔断降级策略基于慢调用比例或异常比例基于失败比率
实时指标实现滑动窗口滑动窗口（基于 RxJava）
规则配置支持多种数据源支持多种数据源
扩展性多个扩展点插件的形式
基于注解的支持支持支持
限流基于 QPS，支持基于调用关系的限流有限的支持
流量整形支持慢启动、匀速排队模式不支持
系统自适应保护支持不支持
控制台开箱即用，可配置规则、查看秒级监控、机器发现等不完善
常见框架的适配Servlet、Spring Cloud、Dubbo、gRPC 等Servlet、SpringCloud Netflix

1.3.Sentinel介绍和安装

1.3.1.初识Sentinel

Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址：sentinelguard.io/zh-cn/index…

Sentinel 具有以下特征:

  1. 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。
  2. 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。
  3. 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。
  4. 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。

1.3.2.安装Sentinel控制台

  1. 下载 sentinel官方提供了UI控制台，方便我们对系统做限流设置。大家可以在GitHub下载。

  2. 运行 将jar包放到任意非中文目录，执行命令：

java -jar sentinel-dashboard-1.8.1.jar

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

配置项默认值说明
server.port8080服务端口
sentinel.dashboard.auth.usernamesentinel默认用户名
sentinel.dashboard.auth.passwordsentinel默认密码

例如，修改端口：

java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar
  1. 访问

访问http://localhost:8090页面，就可以看到sentinel的控制台了： image.png

需要输入账号和密码，默认都是：sentinel

登录后，发现一片空白，什么都没有： image-20210715191134448.png 这是因为我们还没有与微服务整合。 要使用Sentinel肯定要结合微服务，这里我准备了cloud-demo工程。项目结构如下：

image.png

1.4.微服务整合Sentinel

我们在order-service中整合sentinel，并连接sentinel的控制台，步骤如下：

1）引入sentinel依赖

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

2）配置控制台

修改application.yaml文件，添加下面内容：

server:
  port: 8080
spring:
  cloud: 
    sentinel:
      transport:
        dashboard: localhost:8090

3）访问order-service的任意端点，触发sentinel监控

打开浏览器，访问http://localhost:8090/order/101，这样才能触发sentinel的监控（自己创建个服务demo测试）

然后再访问sentinel的控制台，查看效果： image-20210715191241799.png

2.流量控制

雪崩问题虽然有四种方案，但是限流是避免服务因突发的流量而发生故障，是对微服务雪崩问题的预防。我们先学习这种模式。

2.1.簇点链路

簇点链路：就是项目内的调用链路。当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路。簇点链路中被监控的每一个接口就是一个资源。

默认情况下sentinel会监控SpringMVC的每一个端点（Endpoint，也就是controller中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。

例如，我们刚才访问的order-service中的OrderController中的端点：/order/{orderId}

image-20210715191757319.png

流控、熔断等都是针对簇点链路中的资源来设置的，因此我们可以点击对应资源后面的按钮来设置规则：

  • 流控：流量控制
  • 降级：降级熔断
  • 热点：热点参数限流，是限流的一种
  • 授权：请求的权限控制

2.1.快速入门

2.1.1.示例

点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。

image-20210715191757319.png

表单中可以填写限流规则，如下：

image-20210715192010657.png

其含义是限制 /order/{orderId}这个资源的单机QPS为1，即每秒只允许1次请求，超出的请求会被拦截并报错。

2.1.2.练习

需求：给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5，然后测试。

1）首先在sentinel控制台添加限流规则

image-20210715192455429.png

2）利用jmeter测试

如果没有用过jmeter，可以参考：Jmeter快速入门

打开jmeter，导入提前编写好的Jmeter测试样例：

image-20210715200537171.png

选择： image-20210715200635414.png

20个用户，2秒内运行完，QPS是10，超过了5.

启动服务：

image.png

选中流控入门，QPS<5右键运行：

image-20210715200804594.png

注意，不要点击菜单中的执行按钮来运行。

结果：

image-20210715200853671.png

可以看到，成功的请求每次只有5个

2.2.流控模式

在添加限流规则时，点击高级选项，可以选择三种流控模式：

  • 直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
  • 关联：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
  • 链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流

image-20210715201827886.png

快速入门测试的就是直接模式。

2.2.1.关联模式

关联模式：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流

配置规则：

image-20210715202540786.png

语法说明：当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。

使用场景：比如用户支付时需要修改订单状态，同时用户要查询订单。查询和修改操作会争抢数据库锁，产生竞争。业务需求是优先支付和更新订单的业务，因此当修改订单业务触发阈值时，需要对查询订单业务限流。

需求说明：

  • 在OrderController新建两个端点：/order/query和/order/update，无需实现业务
  • 配置流控规则，当/order/update资源被访问的QPS超过5时，对/order/query请求限流

1）定义/order/query端点，模拟订单查询

@GetMapping("/query")
public String queryOrder() {
    return "查询订单成功";
}

2）定义/order/update端点，模拟订单更新

@GetMapping("/update")
public String updateOrder() {
    return "更新订单成功";
}

image.png

重启服务，访问两个接口，查看sentinel控制台的簇点链路：

image-20210716101805951.png

3）配置流控规则

对哪个端点限流，就点击哪个端点后面的按钮。我们是对订单查询/order/query限流，因此点击它后面的按钮：

image-20210716101934499.png

在表单中填写流控规则：

image-20210716102103814.png

4）在Jmeter测试

选择《流控模式-关联》：

image-20210716102416266.png

可以看到1000个用户，100秒，因此QPS为10，超过了我们设定的阈值：5

查看http请求：

image-20210716102532554.png

请求的目标是/order/update，这样这个断点就会触发阈值。

但限流的目标是/order/query，我们在浏览器访问，可以发现：

image.png

确实被限流了。

5）总结 满足下面条件可以使用关联模式：

  1. 两个有竞争关系的资源
  2. 一个优先级较高，一个优先级较低

2.2.2.链路模式

链路模式：只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。

配置示例：

例如有两条请求链路：

  • /test1 --> /common

  • /test2 --> /common

如果只希望统计从/test2进入到/common的请求，则可以这样配置：

image-20210716103536346.png

实战案例

需求：有查询订单和创建订单业务，两者都需要查询商品。针对从查询订单进入到查询商品的请求统计，并设置限流。

步骤：

  1. 在OrderService中添加一个queryGoods方法，不用实现业务

  2. 在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法

  3. 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法

  4. 给queryGoods设置限流规则，从/order/query进入queryGoods的方法限制QPS必须小于2

实现：

1）添加查询商品方法

在order-service服务中，给OrderService类添加一个queryGoods方法：

public void queryGoods(){
    System.err.println("查询商品");
}

2）查询订单时，查询商品

在order-service的OrderController中，修改/order/query端点的业务逻辑：

@GetMapping("/query")
public String queryOrder() {
    // 查询商品
    orderService.queryGoods();
    // 查询订单
    System.out.println("查询订单");
    return "查询订单成功";
}

3）新增订单，查询商品

在order-service的OrderController中，修改/order/save端点，模拟新增订单：

@GetMapping("/save")
public String saveOrder() {
    // 查询商品
    orderService.queryGoods();
    // 查询订单
    System.err.println("新增订单");
    return "新增订单成功";
}

4）给查询商品添加资源标记

默认情况下，OrderService中的方法是不被Sentinel监控的，需要我们自己通过注解来标记要监控的方法。

给OrderService的queryGoods方法添加@SentinelResource注解：

@SentinelResource("goods")
public void queryGoods(){
    System.err.println("查询商品");
}

链路模式中，是对不同来源的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源，会导致链路模式失效。

我们需要关闭这种对SpringMVC的资源聚合，修改order-service服务的application.yml文件：

spring:
  cloud:
    sentinel:
      web-context-unify: false # 关闭context整合

重启服务，访问/order/query和/order/save，可以查看到sentinel的簇点链路规则中，出现了新的资源：

image-20210716105227163.png

5）添加流控规则

点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：

image-20210716105408723.png

只统计从/order/query进入/goods的资源，QPS阈值为2，超出则被限流。

6）Jmeter测试

选择《流控模式-链路》：

image-20210716105612312.png

可以看到这里200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2

一个http请求是访问/order/save：

image-20210716105812789.png

运行的结果：

image-20210716110027064.png

完全不受影响。

另一个是访问/order/query：

image-20210716105855951.png

运行结果：

image-20210716105956401.png

每次只有2个通过。

2.2.3.总结

流控模式有哪些？

  • 直接：对当前资源限流
  • 关联：高优先级资源触发阈值，对低优先级资源限流。
  • 链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流
avatar
文章
阅读
粉丝