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。
解决雪崩问题的常见方式有四种：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
舱壁模式：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。
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。
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。
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
| ** ** | Sentinel | Hystrix |
|---|---|---|
| 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、Spring Cloud Netflix |
认识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… 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。
安装Sentinel控制台
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.port | 8080 | 服务端口 |
| sentinel.dashboard.auth.username | sentinel | 默认用户名 |
| sentinel.dashboard.auth.password | sentinel | 默认密码 |
如：java -jar sentinel-dashboard-1.8.1.jar -Dserver.port=8090
引入Sentinel
配置Sentinel
访问微服务的任意端点，触发sentinel监控
限流规则
簇点链路
就是项目内的调用链路，链路中被监控的每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），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。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：
点击资源/order/{orderId}后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：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。
需求：给 /order/{orderId}这个资源设置流控规则，QPS不能超过 5。然后利用jemeter测试。设置流控规则：
jemeter测试：
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
- 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。业务需求是有限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。
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。
需求：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
满足下面条件可以使用关联模式：
两个有竞争关系的资源一个优先级较高，一个优先级较低
- 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。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：
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：
- 在OrderService中添加一个queryGoods方法，不用实现业务
- 在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
- 在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
- 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
Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法，需要利用@SentinelResource注解，示例：Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.yml，添加配置：
流控效果：
流控效果是指请求达到流控阈值时应该采取的措施，包括三种：快速失败：达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。排队等待：让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长
warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 threshold / coldFactor，持续指定时长后，逐渐提高到threshold值。而coldFactor的默认值是3.例如，我设置QPS的threshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10
需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒
流控效果-排队等待
当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。而排队等待则是让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。后来的请求必须等待前面执行完成，如果请求预期的等待时间超出最大时长，则会被拒绝。例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常
需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s
流控效果有哪些？
快速失败：QPS超过阈值时，拒绝新的请求
warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝
热点参数限流
之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。
配置示例：
代表的含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5
在热点参数限流的高级选项中，可以对部分参数设置例外配置：
结合上一个配置，这里的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例外：如果参数值是100，则每1秒允许的QPS为10如果参数值是101，则每1秒允许的QPS为15
给/order/{orderId}这个资源添加热点参数限流，规则如下：默认的热点参数规则是每1秒请求量不超过2给102这个参数设置例外：每1秒请求量不超过4给103这个参数设置例外：每1秒请求量不超过10
注意：热点参数限流对默认的SpringMVC资源无效
隔离和降级
虽然限流可以尽量避免因高并发而引起的服务故障，但服务还会因为其它原因而故障。而要将这些故障控制在一定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级手段了。不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。
Feign整合Sentinel
SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。
1.修改OrderService的application.yml文件，开启Feign的Sentinel功能
2.给FeignClient编写失败后的降级逻辑
方式一：FallbackClass，无法对远程调用的异常做处理
方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种
步骤一：在feing-api项目中定义类，实现FallbackFactory：
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {
@Override
public UserClient create(Throwable throwable) {
// 创建UserClient接口实现类，实现其中的方法，编写失败降级的处理逻辑
return new UserClient() {
@Override
public User findById(Long id) { // 记录异常信息
log.error("查询用户失败", throwable);
// 根据业务需求返回默认的数据，这里是空用户
return new User();}
};
}
}
步骤二：在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：
@Bean
public UserClientFallbackFactory userClientFallback(){
return new UserClientFallbackFactory();
}
步骤三：在feing-api项目中的UserClient接口中使用UserClientFallbackFactory：
@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {
@GetMapping("/user/{id}")
User findById(@PathVariable("id") Long id);
}
总结：
Sentinel支持的雪崩解决方案：
- 线程隔离（仓壁模式）
- 降级熔断Feign
整合Sentinel的步骤：
- 在application.yml中配置：feign.sentienl.enable=true
- 给FeignClient编写FallbackFactory并注册为Bean
- 将FallbackFactory配置到FeignClient
线程隔离
线程隔离有两种方式实现：线程池隔离信号量隔离（Sentinel默认采用）
线程隔离（舱壁模式）
在添加限流规则时，可以选择两种阈值类型：
QPS：就是每秒的请求数，在快速入门中已经演示过线程数：是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现舱壁模式。
需求：给 UserClient的查询用户接口设置流控规则，线程数不能超过 2。然后利用jemeter测试。
总结：
线程隔离的两种手段是？信号量隔离线程池隔离信号量隔离的特点是？基于计数器模式，简单，开销小线程池隔离的特点是？基于线程池模式，有额外开销，但隔离控制更强
熔断降级
熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例，如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求；而当服务恢复时，断路器会放行访问该服务的请求。
熔断策略-慢调用
断路器熔断策略有三种：慢调用、异常比例、异常数慢调用：业务的响应时长（RT）大于指定时长的请求认定为慢调用请求。在指定时间内，如果请求数量超过设定的最小数量，慢调用比例大于设定的阈值，则触发熔断。例如：
解读：RT超过500ms的调用是慢调用，统计最近10000ms内的请求，如果请求量超过10次，并且慢调用比例不低于0.5，则触发熔断，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。
需求：给 UserClient的查询用户接口设置降级规则，慢调用的RT阈值为50ms，统计时间为1秒，最小请求数量为5，失败阈值比例为0.4，熔断时长为5提示：为了触发慢调用规则，我们需要修改UserService中的业务，增加业务耗时：
熔断策略-异常比例、异常数
断路器熔断策略有三种：慢调用、异常比例或异常数异常比例或异常数：统计指定时间内的调用，如果调用次数超过指定请求数，并且出现异常的比例达到设定的比例阈值（或超过指定异常数），则触发熔断。例如：
解读：统计最近1000ms内的请求，如果请求量超过10次，并且异常比例不低于0.5，则触发熔断，熔断时长为5秒。然后进入half-open状态，放行一次请求做测试。
需求：给 UserClient的查询用户接口设置降级规则，统计时间为1秒，最小请求数量为5，失败阈值比例为0.4，熔断时长为5s提示：为了触发异常统计，我们需要修改UserService中的业务，抛出异常：
总结：
Sentinel熔断降级的策略有哪些？慢调用比例：超过指定时长的调用为慢调用，统计单位时长内慢调用的比例，超过阈值则熔断异常比例：统计单位时长内异常调用的比例，超过阈值则熔断异常数：统计单位时长内异常调用的次数，超过阈值则熔断
授权规则
授权规则可以对调用方的来源做控制，有白名单和黑名单两种方式。白名单：来源（origin）在白名单内的调用者允许访问黑名单：来源（origin）在黑名单内的调用者不允许访问
例如，我们限定只允许从网关来的请求访问order-service，那么流控应用中就填写网关的名称
Sentinel是通过RequestOriginParser这个接口的parseOrigin来获取请求的来源的。
例如，我们尝试从request中获取一个名为origin的请求头，作为origin的值：
我们还需要在gateway服务中，利用网关的过滤器添加名为gateway的origin头：
给/order/{orderId} 配置授权规则：
自定义异常结果
默认情况下，发生限流、降级、授权拦截时，都会抛出异常到调用方。如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：
public interface BlockExceptionHandler {
/**
* 处理请求被限流、降级、授权拦截时抛出的异常：BlockException */
void handle(HttpServletRequest request,
HttpServletResponse response, BlockException e) throws Exception;
}
而BlockException包含很多个子类，分别对应不同的场景：
| 异常 | 说明 |
|---|---|
| FlowException | 限流异常 |
| ParamFlowException | 热点参数限流的异常 |
| DegradeException | 降级异常 |
| AuthorityException | 授权规则异常 |
| SystemBlockException | 系统规则异常 |
我们在order-service中定义类，实现BlockExceptionHandler接口：
总结：
获取请求来源的接口是什么？RequestOriginParser处理BlockException的接口是什么？BlockExceptionHandler
规则持久化
Sentinel的控制台规则管理有三种模式：
| 推送模式 | 说明 | 优点 | 缺点 |
|---|---|---|---|
| 原始模式 | API 将规则推送至客户端并直接更新到内存中，扩展写数据源（WritableDataSource），默认就是这种 | 简单，无任何依赖 | 不保证一致性；规则保存在内存中，重启即消失。严重不建议用于生产环境 |
| Pull 模式 | 扩展写数据源（WritableDataSource）， 客户端主动向某个规则管理中心定期轮询拉取规则，这个规则中心可以是 RDBMS、文件 等 | 简单，无任何依赖；规则持久化 | 不保证一致性；实时性不保证，拉取过于频繁也可能会有性能问题。 |
| Push 模式 | 扩展读数据源（ReadableDataSource），规则中心统一推送，客户端通过注册监听器的方式时刻监听变化，比如使用 Nacos、Zookeeper 等配置中心。这种方式有更好的实时性和一致性保证。生产环境下一般采用 push 模式的数据源。 | 规则持久化；一致性； | 引入第三方依赖 |
规则管理模式-原始模式
原始模式：控制台配置的规则直接推送到Sentinel客户端，也就是我们的应用。然后保存在内存中，服务重启则丢失
规则管理模式-pull模式
pull模式：控制台将配置的规则推送到Sentinel客户端，而客户端会将配置规则保存在本地文件或数据库中。以后会定时去本地文件或数据库中查询，更新本地规则。
规则管理模式-push模式
push模式：控制台将配置规则推送到远程配置中心，例如Nacos。Sentinel客户端监听Nacos，获取配置变更的推送消息，完成本地配置更新。
总结：
Sentinel的三种配置管理模式是什么？原始模式：保存在内存pull模式：保存在本地文件或数据库，定时去读取push模式：保存在nacos，监听变更实时更新
push模式实现最为复杂，依赖于nacos，并且需要改在Sentinel控制台。整体步骤如下：修改order-service服务，使其监听Nacos配置中心修改Sentinel-dashboard源码，配置nacos数据源修改Sentinel-dashboard源码，修改前端页面重新编译
Sentinel 规则持久化
一、修改order-service服务
修改OrderService，让其监听Nacos中的sentinel规则配置。
具体步骤如下：
1.引入依赖
在order-service中引入sentinel监听nacos的依赖：
<dependency>
<groupId>com.alibaba.csp</groupId>
<artifactId>sentinel-datasource-nacos</artifactId
</dependency>
2.配置nacos地址
在order-service中的application.yml文件配置nacos地址及监听的配置信息：
spring:
cloud:
sentinel:
datasource:
flow:
nacos:
server-addr: localhost:8848 # nacos地址
dataId: orderservice-flow-rules
groupId: SENTINEL_GROUP
rule-type: flow # 还可以是：degrade、authority、param-flow
