什么是服务的雪崩、熔断、降级的解释以及Hystrix和Sentinel服务熔断器的解释、比较

1.什么是服务雪崩？

定义：在微服务中，假如一个或者多个服务出现故障，如果这时候，依赖的服务还在不断发起请求，或者重试，那么这些请求的压力会不断在下游堆积，导致下游服务的负载急剧增加。不断累计之下，可能会导致故障的进一步加剧，可能会导致级联式的失败，甚至导致整个系统崩溃，这就叫服务雪崩。

为防止服务雪崩，采取措施

• 服务高可用部署：确保各个服务都具备高可用性，通过冗余部署、故障转移等方式来减少单点故障的影响。
• 限流和熔断：对服务之间的请求进行限流和熔断，以防止过多的请求涌入导致后端服务不可用。
• 缓存和降级：合理使用缓存来减轻后端服务的负载压力，并在必要时进行服务降级，保证核心功能的可用性

2.什么是服务熔断(Circuit Breaker)？

       服务熔断是微服务架构中的容错机制，用于保护系统免受服务故障或异常的影响。当某个服务出现故障或异常时，服务熔断可以快速隔离该服务，确保系统稳定可用。

       它通过监控服务的调用情况，当错误率或响应时间超过阈值时，触发熔断机制，后续请求将返回默认值或错误信息，避免资源浪费和系统崩溃。

       服务熔断还支持自动恢复，重新尝试对故障服务的请求，确保服务恢复正常后继续使用。

3.什么是服务降级(Falback)？

       服务降级是也是一种微服务架构中的容错机制，用于在系统资源紧张或服务故障时保证核心功能的可用性。

       当系统出现异常情况时，服务降级会主动屏蔽一些非核心或可选的功能，而只提供最基本的功能，以确保系统的稳定运行。通过减少对资源的依赖，服务降级可以保证系统的可用性和性能。

       它可以根据业务需求和系统状况来制定策略，例如替换耗时操作、返回默认响应、返回静态错误页面等。
 

4.有哪些服务熔断降级方案实现？

5.Sentinel是什么？它是如何工作的？

       Sentinel是阿里巴巴开源的一款分布式服务架构的轻量级流量控制产品，它主要以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度来帮助您保护服务的稳定性
       Sentiel 的基本概念包括资源、规则和处理器。资源是 Sentine!的关键概念，可以是 ava,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。规则是围绕资源的实时状态设定的，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。

主要功能：

• 流量控制：Sentinel 可以控制每个服务或接口的并发请求数量，避免因为并发请求过多导致服务崩溃
• 熔断降级：当某个服务或接口不可用时，Sentinel 可以自动触发熔断机制，避免因单个服务或接口故障导致整个系统的瘫痪。
• 系统负载保护：Sentinel通过控制系统的整体负载，避免因系统过载导致服务性能下降甚至崩溃。

工作原理：

• 数据采集：Sentinel通过代理模式将流量数据采集到自身，并进行数据清洗和整合
• 策略计算：根据预先设定的规则和算法，Sentinel 计算并判断是否需要控制流量、熔断降级或保护系统负载。
• 结果执行：根据计算结果，Sentinel 对流量进行控制、熔断降级或保护系统负载等操作，以保障服务的稳定性。

6.Hystrix与Sentinel的区别

       Hystrix和Sentinel都是服务熔断器，用于提高分布式系统的弹性。它们的主要区别在于实现方式、适用场景和资源模型设计

       Hystrix基于命令模式设计，将外部资源的调用封装在命令对象中，通过线程池或信号量来实现隔离。它提供了丰富的配置选项，如线程池大小、超时时间等，以实现对系统资源的有力控制。Hystrix更适用于需要高并发、快速响应的场景，因为它可以快速隔离和恢复故障。

       Sentinel则基于流量控制和熔断峰级的思想，可以与Spring Cloud、qRPC、Dubbo等框架集成，它通过定义资源规则和应用策略来实现对系统资源的控制，Sentinel更适用于需要流量控制和熔断降级的场景，它可以根据系统负载和响应时间来实现自动熔断和降级操作。

       总之，Hystix和sentine,都是服务熔断器，用于提高系统的弹性。它们在实现方式、适用场景和资源模型设计等方面存在一些不同。具体选择哪个工具取决于系统的具体需求和场景。

7.Hystrix怎么实现服务容错

       尽管已经不再更新，但是Hystrix是非常经典的服务容错开源库，它提供了多种机制来保护系统：

（1）服务熔断(Circuit Breaker)

Hystrix通过设置阈值来监控服务的错误率或响应时间。当错误率或响应时间超过预设的阈值时，熔断器将会打开，后续的请求将不再发送到实际的服务提供方，而是返回预设的默认值或错误信息。这样可以快速隔离故障服务，防止故障扩散，提高系统的稳定性和可用性。

服务熔断原理:

状态机有三种状态:

（a）Closed：关闭状态（断路器关闭）

       所有请求都正常访问

（b）Open：打开状态（断路器打开）

       所有请求都会被降级。Hystix会对请求情况计数，当一定时间内失败请求百分比达到阈值，则触发熔断，断路器会完全关闭。默认失败比例的阈值是50%。请求次数最少不低于20次

（c）Half Open：半开状态

       open状态不是永久的，打开后会进入休眠时间（默认是5秒）。岁后断路器会自动进入半开状态。此时会释放1次请求通过，若这个请求是健康的，则会关闭断路器，否则继续保持打开，每次进行5秒休眠计时。

（2）服务降级(Falback)

代码示例：

import com.netflix.hystrix.contrib.javanica.annotation.HystrixCommand;/**
* 服务降级示例
**/
@Service
public class MyService {@HystrixCommand(fallbackMethod = "fallbackMethod")public String myServiceMethod() {// 实际的服务调用逻辑// ...}public String fallbackMethod() {// 降级方法的逻辑，当服务调用失败时会执行此方法// 可以返回默认值或执行其他备用逻辑// ...}
}

服务降级原理（进阶）

       Hystrix为每个服务分配了小的线程池，当客户发送请求过来，会通过线程池创建线程来执行任务，当创建的线程池已满或者请求超时（这里和多线程线程池不一样，不存在任务队列），则启动服务降级功能

       降级指的请求故障时，不会阻塞，会返回一个友好提示（自定义），也就是说不会影响其他服务的运行

（3）请求缓存（Request Caching）

       Hystrix可以缓存对同一请求的响应结果，当下次请求相同的数据时，直接从缓存中获取，避免重复的网络请求，提高系统的性能和响应速度。

（4）请求合并(Request Collapsing)

       Hystrix可 以将多个并发的请求合并为一个批量请求，减少网络开销和资源占用。这对于一些高并发的场景可以有效地减少请求次数，提高系统的性能。

（5）实时监控和度量(Real-time Monitoring and Metrics)

       Hystrix提供了实时监控和度量功能，可以对服务的执行情况进行监控和统计，包括错误率、响应时间、并发量等指标。通过监控数据，可以及时发现和解决服务故障或性能问题。

（6）线程池隔离(Thread Poollsolation)

       Hvstrix将每个依赖服务的请求都放在独立的线程池中执行，避免因某个服务的故障导致整个系统的线程资源耗尽。通过线程池隔离，可以提高系统的稳定性和可用性。

8.Sentinel怎么实现限流的？

8.1.Sentinel通过动态管理限流规则，根据定义的规则对请求进行限流控制，具体实现步骤：

（1）定义资源：在Sentinel中，资源可以是URL、方法等，用于标识需要进行限流的请求。

代码示例：

// 原本的业务方法.
@SentinelResource(blockHandler = "blockHandlerForGetUser")
public User getUserById(String id) {throw new RuntimeException("getUserById command failed");
}// blockHandler 函数，原方法调用被限流/降级/系统保护的时候调用
public User blockHandlerForGetUser(String id, BlockException ex) {return new User("admin");
}

（2）配置限流规则：在Sentinel的配置文件中定义资源的限流规则。规则可以包括资源名称，限流阈值，限流模式（令牌桶或漏桶）等

代码示例：

private static void initFlowQpsRule() {List<FlowRule> rules = new ArrayList<>();   FlowRule rule1 = new FlowRule();  // 创建一个流控规则rule1.setResource(resource);   // 设置要限流的资源名称rule1.setCount(20);  // 设置最大 QPS 为 20rule1.setGrade(RuleConstant.FLOW_GRADE_QPS);  // 设置限流的维度为 QPSrule1.setLimitApp("default");  // 设置限制的应用名称为 "default"rules.add(rule1);  // 将规则添加到规则列表中FlowRuleManager.loadRules(rules);  // 加载规则列表，使限流规则生效
}

（3）监控流量：Sentinel会监控每个资源的流量情况，包括请求的QPS（每秒请求树），线程数，响应时间等。

（4）限流控制：当请求到达时，Sentinel会根据资源的限流规则判断是否需要进行限流控制。如果 请求超过了限流阈值，则可以进行限制，拒绝或进行其他降级处理

8.2.Sentinel采用什么限流算法？

Sentinel使用滑动窗口限流算法来实现限流

滑动窗口限流算法是一种基于时间窗口的限流算法。它将一段时间划分为多个时间窗口，并在每个时间窗口内统计请求的数量。通过动态地调整时间窗口的大小和滑动步长，可以更精确地控制请求的通过速率

8.3.Sentinel怎么实现集群限流？

Sentinel利用了Token Server和Token Client的机制来实现集群限流

开启集群限流后，Client向Token Server发送请求，Token Server根据配置的规则决定是否限流。

9.如果 Sentinel 的异常处理规则不满足需求，应该怎么办?

       如果 Sentinel 的默认异常处理机制无法满足您的需求，您可以选择自定义异常处理规则。Sentinel允许您通过自定义实现, BlockedExceptionHandler 接口，然后将自定义的异常处理器对象交给 Spring 容器进行管理,您可以根据实际业务需求，定制化异常处理策略，例如全局兜底处理、日志打印、空指针检查等。同时，您还可以在处理器中加入自定义的业务逻辑，例如对异常进行分类、统计和反馈等。这样，您可以根据具体的应用场景和业务需求，灵活地扩展 Sentinel的异常处理能力。

10.思维导图：

11.关联文章

       如此等等的资料我都已经整理到了思维导图中，本篇属于SpringCloud篇，有需要的可以去看一下，喜欢的就留个三连再走吧~

SpringCloud：https://blog.csdn.net/TLOVEYOUTOO/article/details/145532603?spm=1001.2014.3001.5502

Spring全家桶：

https://blog.csdn.net/TLOVEYOUTOO/article/details/145532922?spm=1001.2014.3001.5502