Sentinel介绍

Sentinel是一个面向云原生微服务的流量控制、熔断降级组件。替代Hystrix，针对问题：服务雪崩、服务降级、服务熔断、服务限流。

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 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 的主要特性：

Sentinel部署

下载地址：https://github.com/alibaba/Sentinel/releases 。我们使用v1.7.1。

启动：java -jar sentinel-dashboard-1.7.1.jar &

用户名/密码：sentinel/sentinel

服务集成

我们的服务集成Sentinel也很简单，只需要引入如下依赖：

<!--sentinel 核心环境依赖-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

<dependencyManagement>
    <dependencies>

        <!--SCA -->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-alibaba-dependencies</artifactId>
            <version>2.1.0.RELEASE</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
        <!--SCA -->
    </dependencies>
</dependencyManagement>

添加上Sentinel的配置项：

spring:
  cloud: 
    sentinel:
      transport:
        # sentinel dashboard/console地址
        dashboard: 127.0.0.1:8080
        # sentinel会在该端口启动http server，那么这样的话，控制台定义的⼀些限流等规则才能发送传递过来
        # 如果8719端口被占⽤，那么会依次+1
        port: 8719

至此，我们的Sentinel就集成好了。我们可以发一个请求到该服务器，然后查看Sentinel Dashboard（ 注意：Sentinel Dashboard 是懒加载的，不发起调用是没有数据的）。

Sentinel关键概念

概念名称	概念描述
资源	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、由应用程序调用的其他应用提供的服务甚至可以是一段代码。我们请求对的API接口就是资源
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

Sentinel限流模块

我们系统的并发能力有限，如果太多请求过来，我们就应该进行流量控制。使用Sentinel设定限流规则的示例如下：

• 资源名：默认是请求路径
• 针对来源：Sentinel可以针对调用者进行限流，填写微服务名称，默认default（不区分来源）
• 阈值类型和单机阈值：QPS（每秒钟请求数量）是指调用该资源的QPS达到阈值时进行限流；线程数是指当调用该资源的线程数达到阈值时进行限流（线程处理请求的时候，如果说业务逻辑执行时间很长，流量洪峰来临时，会耗费很多线程资源，这些线程资源会堆积起来造成服务的不可用，进一步就有可能影响的上游不可用而引发服务雪崩）
• 是否集群：是否是集群限流
• 流控模式：直接是指资源调用达到限流条件时，直接限流；关联是指关联的资源达到限流条件了就限流自己；链路是指只记录指定链路上的流量
• 流控效果：快速失败是指直接失败，抛出异常；Warm Up是指根据冷加载因子（默认是3）的值，从阈值/冷加载因子，经过预热时长，才达到设置的QPS阈值；排队等待是指匀速排队，让请求匀速通过，阈值类型必须设置为QPS，否则无效

流控模式之关联限流

关联的资源调用达到阈值的时候限流自己。比如用户注册接口，需要调用身份证校验接口。如果身份证校验接口请求达到阈值，使用关联，就可以对用户注册接口也进行限流。

流控模式之链路限流

链路指的是请求链路（调用链）。链路模式下会控制资源所在的调用链路入口的流量。需要在规则中配置入口资源，即该调用链路入口的上下文名称。

上图中来自入口Entrance1和Entrance2的请求都调用到了资源NodeA，Sentinel允许只根据某个调用入口的统计信息对资源限流。比如链路模式下设置入口资源为Entrance1，则只有该入口的调用才会记录到NodeA的限流统计中，而不关心Entrance2的调用。

流控效果之Warm Up

当系统长期处于空闲的情况下，流量的突然增加会直接把系统拉升到高水位，从而可能瞬间压垮系统。比如电商网站的秒杀模块等等。

通过Warm Up模式可以让通过的流量缓慢增加，经过预热时间以后达到系统处理速率的设定值。这样，就避免了上述问题与风险，增加了系统的稳定性。

流控效果之排队等待

排队等待模式下会严格控制请求通过的间隔时间，即请求会匀速通过，允许部分请求排队等待，通常用于消息队列削峰填谷等场景。需设置具体的超时时间，当计算的等待时间超过超时时间时请求就会被拒绝。

很多流量过来了，并不是直接拒绝请求，而是请求进行排队，⼀个⼀个匀速通过（处理），请求能等就等着被处理，不能等（等待时间>超时时间）就会被拒绝。例如，QPS 配置为 5，则代表请求每 200 ms 才能通过⼀个，多出的请求将排队等待通过。超时时间代表最大排队时间，超出最大排队时间的请求将会直接被拒绝。排队等待模式下，QPS 设置值不要超过 1000（请求间隔 1 ms）。

Sentinel熔断降级

流控是对外部来的大流量进行控制，熔断降级的视⻆是对内部问题进行处理。Sentinel降级会在调用链路中某个资源出现不稳定状态时（调用超时或异常），就对着个资源的调用进行限制，让请求快速失败来避免影响到其他的资源。当资源被降级之后，在接下来的降级时间窗口之内，对该资源的调用都自动熔断（这里跟Hystrix不同，Sentinel没有自动修复功能，只能等到时间窗口内过完）。

降级策略之RT（平均响应时间）

当1秒内持续进入5个及以上的请求，平均响应时间超过了设定的阈值（以毫秒为单位），那么在接下来的时间窗口内（以秒为单位），对这个方法的调用就会直接抛出异常（DegradeException）。需要注意的是：Sentinel默认统计的RT上限是4900ms，超出此阈值都会算作4900ms。若需要更改此上限可以通过配置启动配置项-Dcsp.sentinel.statistic.max.rt=xxx来配置。

降级策略之异常比例

当1秒内持续进入5个及以上的请求，并且每秒异常总数占通过量的比例超过阈值之后，资源进入降级状态。即在接下来的时间窗口内（以s为单位），岁这个方法的调用都会自动返回。 异常比率的阈值范围是 [0.0, 1.0] ，代表 0% - 100%。

降级策略之异常数

当资源近1分钟的异常数超过阈值之后会进行自动熔断。注意由于统计时间窗口是分钟级别的，若timeWindow小于60s，则结束熔断状态之后仍可能再次进入熔断状态。

Sentinel自定义兜底逻辑

@SentinelResource注解类似于Hystrix中的@HystrixCommand注解。@SentinelResource注解中有两个属性需要我们进行区分，blockHandler属性用来指定不满足Sentinel规则的降级兜底方法，fallback属性用于指定Java运行时异常兜底方法。

@SentinelResource(value = "sentinel",
        blockHandlerClass = SentinelFallbackClass.class,
        blockHandler = "handleBlock",
        fallbackClass = SentinelFallbackClass.class,
        fallback = "handleException"
)
public String sentinel() {
    if (random.nextBoolean()) {
        int i = 3/0;
    }
    return irResumeService.hello();
}

package com.rubin.autodeliver.fallback;

import com.alibaba.csp.sentinel.slots.block.BlockException;

public class SentinelFallbackClass {

    public static String handleBlock(BlockException blockException) {
        blockException.printStackTrace();
        return "被Sentinel限流了";
    }

    public static String handleException() {
        return "调用失败了，直接熔断";
    }

}

在这里需要注意，我们的兜底方法可以定义在本类，也可以定义在其他类。定义在本类或者其他类其参数和返回值均要跟原方法一致，但定义在外部类方法要定义为静态的。

基于Nacos实现Sentinel规则持久化

目前，Sentinel Dashboard中添加的规则数据存储在内存，微服务停掉规则数据就消失，在生产环境下不合适。我们可以将Sentinel规则数据持久化到Nacos配置中心，让微服务从Nacos获取规则数据。

我们需要在Sentinel微服务中添加如下依赖：

<!-- Sentinel⽀持采用 Nacos 作为规则配置数据源，引入该适配依赖 -->
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-datasource-nacos</artifactId>
</dependency>

将Sentinel配置修改如下：

spring:
  cloud: 
    sentinel:
      transport:
        # sentinel dashboard/console地址
        dashboard: 127.0.0.1:8080
        # sentinel会在该端口启动http server，那么这样的话，控制台定义的⼀些限流等规则才能发送传递过来
        # 如果8719端口被占⽤，那么会依次+1
        port: 8719
      # Sentinel Nacos数据源配置，Nacos中的规则会⾃动同步到sentinel控制台的流控规则中  
      datasource:
        # 此处的flow为⾃定义数据源名
        # 流控规则
        flow:
          nacos:
            server-addr: ${spring.cloud.nacos.discovery.server-addr}
            namespace: 651d1e6f-4bf4-46b9-b5b0-1885a215dc12
            data-id: ${spring.application.name}-flow-rules.json
            groupId: DEFAULT_GROUP
            data-type: json
            # 类型来⾃RuleType类
            rule-type: flow
        degrade:
          nacos:
            server-addr: ${spring.cloud.nacos.discovery.server-addr}
            namespace: 651d1e6f-4bf4-46b9-b5b0-1885a215dc12
            data-id: ${spring.application.name}-degrade-rules.json
            groupId: DEFAULT_GROUP
            data-type: json
            rule-type: degrade 

其中的namespace是我们自定义添加的命名空间，不填默认是public命名空间。我们在自定义的命名空间下添加如下配置项：

${spring.application.name} -flow-rules.json：

[
    {
        "resource":"sentinel",
        "limitApp":"default",
        "grade":1,
        "count":1,
        "strategy":0,
        "controlBehavior":0,
        "clusterMode":false
    }
]

其所有属性来自源码FlowRule类：

• resource：资源名称
• limitApp：来源应用
• grade：阈值类型 0 线程数 1 QPS
• count：单机阈值
• 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 2 排队等待
• clusterMode：true/false 是否集群

${spring.application.name}-degrade-rules.json ：

[
    {
        "resource":"sentinel",
        "grade":2,
        "count":1,
        "timeWindow":5
    }
]

其所有属性来自源码DegradeRule类：

• resource：资源名称
• grade：降级策略 0 RT 1 异常比例 2 异常数
• count：阈值
• timeWindow：时间窗

Rule 源码体系结构：

注意：

1. ⼀个资源可以同时有多个限流规则和降级规则，所以配置集中是⼀个json数组
2. Sentinel控制台中修改规则，仅是内存中生效，不会修改Nacos中的配置值，重启后恢复原来的值； Nacos控制台中修改规则，不仅内存中生效，Nacos中持久化规则也生效，重启后规则依然保持

以上就是关于Sentinel的全部内容。欢迎小伙伴们积极留言交流~~~