微服务09-Sentinel的入门

微服务中的雪崩现象

首先，我们介绍一下微服务中雪崩现象：因为微服务中服务是互相调用的，错综复杂，当一个服务D出现问题时，那么调用D的服务请求就会失败，当请求累积到一定的量时，请求D的服务也会出问题——>(因为我们内置的tomcat连接数是有限制的，如果一直请求那个失败的服务，当请求达到一定的数量)，服务A也会炸掉，从而引起整个链路服务不可用；

解决办法：

1. 超时处理

我们可以设置超时时间，超过了就会返回错误信息，释放tomcat资源

劣势：起到了缓解雪崩问题，当服务请求的时间比超时时间短，假设1s内多个请求，而你超时时间是1s，那么还是会出现雪崩

2. 舱壁模式

将每个业务隔离开（有一个线程池），限定每个业务能够使用的线程数，就算这个服务挂了，也就损失这一部分的线程，从而避免了损失整个tomcat资源——>也就是线程隔离

3. 熔断降级

根据异常请求的比例，比如说你异常请求达到了1/2，超过了这个阈值就会熔断该业务，拒绝一切请求访问该业务

4.流量控制

首先我们了解一下QPS——>每秒能够处理的请求数；流量控制——>限制服务访问的QPS，避免服务因为流量突然增大而挂掉；

它是一种预防的功能，给大量请求进行限流，以一定数量请求进行访问

Sentinel

1.介绍

首先我们来说一下信号量隔离和线程池隔离之间的区别：

信号量隔离：用的还是tomcat池子，只是我们每一个业务都被限定了能够用多少个线程去访问，当请求数超过这个限定的数量时，就会拒绝访问了——>也就是说它会限制每个业务能使用的线程数量

好处：不用创建线程池，节省资源，轻量级；

坏处：隔离性较差，相当于吃大锅饭，每个规定了盛多少饭；

线程池隔离：就跟我们上面的舱壁模式一样，每个业务分配一个线程池，线程池里面限定了一定的线程数，起到了隔离作用，当服务挂了也就浪费这个池子

好处：隔离性好，方便控制，可以异步调用，毕竟每个服务都有线程池，我们请求给到线程池中处理，用户就可以干自己的事情了;

坏处：浪费了资源；

控制台：

Sentinel支持开箱即用，那些第三方配置都可以直接用，比如：查看监控，配置规则等等

熔断降级策略:

除了根据失败的请求比例来判断是否熔断，是否拒绝其他的请求请求该业务之外；还可以根据请求服务的时间来进行熔断降级——>因为请求服务时间可能太长了，拖垮我们的服务，我们进行熔断；

限流：

可以让突发的流量平稳运行——>进行一种流量控制，支持慢启动和匀速排队模式

2.使用操作

文件目录cmd打开小黑窗口然后运行代码

java -jar sentinel-dashboard-1.8.x.jar //启动sentinel

修改配置（启动有效）：

java -jar sentinel-dashboard-1.8.x.jar -Dserver.port=8090//修改端口配置

然后我们后台启动服务，Sentinel进行监控

 cloud:nacos:discovery:server-addr: localhost:8848 # nacos服务地址cluster-name: Hangzhou # 实例集群ephemeral: false  # 非临时实例sentinel:transport:dashboard: localhost:8080 #sentinel控制台版本

        <!--        sentinel依赖--><dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-alibaba-sentinel</artifactId><version>0.9.0.RELEASE</version></dependency>

3.限流规则

点击服务资源查看流量监控，就可以弹出表单，添加流控规则

这个单机阈值就是每秒能够请求的次数，资源名就是请求的资源

当超过单机阈值，就会报错；

4.实战：流量监控

点击流控设置流量控制

针对来源：意思就是从哪里来的，限流

QPS：每秒请求数量

我们要模拟1s超过5次请求，可以利用jmeter

发现限流成功

可以修改响应风格，看到响应失败

5.高级选项功能的使用

# 流控模式
流控模式强调的是对哪个资源进行限流

1.关联模式

场景:比如某个用户支付时候，需要修改订单状态，那么用户需要查询订单，查询和修改订单的操作会争抢数据库锁——>从而产生竞争；
业务需求是：有限支付和更新订单的业务，以此当修改订单业务触发阈值时，我们这里需要对查询订单业务限流；

当/write资源访问（修改订单）量触发阈值时，就会对/read资源限流，从而避免影响/write资源

那么我们的阈值就是对限流的资源（被关联的）使用；

当你访问query时发现被限流——>访问update次数过多，又因为update与query关联

2.链路模式

Sentinel默认只会标记Controller中的方法，如果要标记其他的需要@SentinelResource注解

谁优先级低就对谁的goods进行限流
阈值为 6

save是成功的
查看监控

3.总结

链路：是对资源的来源进行一个限流

关联：强调的是一个优先级，比如修改调用查询，触发阈值对查询限流

流控效果

流控效果强调的是对请求的处理，效果

1.预热模式

意思就是服务器一开始不会应对那么多的请求QPS，如果一下应对那么多，可能一上来就给打懵了，会有个预热——>防止一下高并发导致服务器宕机

2.排队等待模式

案例：给order/{id}限流，最大QPS为10，每s处理10个请求，利用排队的流量监控，超时时间设置为5s——>超过5s的请求直接拒绝

请求进入队列，按照阈值运行的时间间隔依次执行请求；如果请求预期等待时间>超时间就会拒绝，然后处理的请求资源放出来平稳

3.总结

各有各的好处：一个直接让你失败不让你久等，对用户体验比较好；warm up防止高并发导致的服务器宕机，相对更加安全；而排队等待的话能够使流量平稳运行，只有超过整个队列时长才会拒绝，更加综合一点；

4.热点参数限流

之前的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，而判断是否拒绝；

而热点参数限流——>是根据参数值是否相同来判断拒绝

参数索引是第x个参数，判断含有这个参数的请求数是否超过QPS阈值

5.实战

给order/{id}进行热点参数限流

注意：热点参数限流对默认SPringMVC资源无效，只有通过@SentinelResource注解的才行

在这里插入图片描述

对我们设置@SentinelResource的控制器进行参数限流