画地为牢：分布式限流框架——Sentinel

发表于 | 更新于 | 阅读次数：
本文字数： 8.2k | 阅读时长 ≈ 12 分钟

序言

  当微服务调用链路中的某个服务出现故障，最终将可能引起整个链路中的所有微服务都不可用，这便是雪崩问题。

  解决雪崩问题，通常存在以下四种方案：

  • 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，但高并发下无法从根本上解决问题
  • 舱壁模式（线程隔离）：限定每个业务能使用的线程数，避免耗尽整个 Tomcat 的资源
  • 熔断降级：由断路器统计业务执行的异常比例，若超出阈值则会熔断该业务，则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。

  前面三种是为了避免出错业务扩散造成雪崩效应，而最后一种是为了预防出现雪崩问题。

  本文要谈的 Sentinel 使用后面三种方式来处理雪崩问题。

简介

  随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 是面向分布式、多语言异构化服务架构的流量治理组件，主要以流量为切入点，从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。

基本概念

资源

  资源是 Sentinel 的关键概念。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，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。

  只要通过 Sentinel API 定义的代码，就是资源，能够被 Sentinel 保护起来。大部分情况下，可以使用方法签名，URL，甚至服务名称作为资源名来标示资源。

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。

功能和设计理念

流量控制

  流量控制在网络传输中是一个常用的概念，它用于调整网络包的发送数据。然而，从系统稳定性角度考虑，在处理请求的速度上，也有非常多的讲究。任意时间到来的请求往往是随机不可控的，而系统的处理能力是有限的，因此，我们需要根据系统的处理能力对流量进行控制。

  Sentinel 作为一个调配器，可以根据需要把随机的请求调整成合适的形状，如下图所示：

sentinel-flow-overview

  流量控制有以下几个角度:

  • 资源的调用关系，例如资源的调用链路，资源和资源之间的关系；
  • 运行指标，例如 QPS、线程池、系统负载等；
  • 控制的效果，例如直接限流、冷启动、排队等。

  Sentinel 的设计理念是让您自由选择控制的角度，并进行灵活组合，从而达到想要的效果。

熔断降级

什么是熔断降级

  除了流量控制以外，降低调用链路中的不稳定资源也是 Sentinel 的使命之一。

  由于调用关系的复杂性，如果调用链路中的某个资源出现了不稳定，最终会导致请求发生堆积。这个问题和 Hystrix 里面描述的问题是一样的。

Circuit-Breaking

  Sentinel 和 Hystrix 的原则是一致的: 当调用链路中某个资源出现不稳定，例如，表现为 timeout，异常比例升高的时候，则对这个资源的调用进行限制，并让请求快速失败，避免影响到其它的资源，最终产生雪崩的效果。

熔断降级设计理念

  在限制的手段上，Sentinel 和 Hystrix 采取了完全不一样的方法。

  Hystrix 通过线程池的方式，来对依赖(在我们的概念中对应资源)进行了隔离。这样做的好处是资源和资源之间做到了最彻底的隔离。缺点是除了增加了线程切换的成本，还需要预先给各个资源做线程池大小的分配。

  Sentinel 对这个问题采取了两种手段:

  • 通过并发线程数进行限制：资源池隔离的方法不同，Sentinel 通过限制资源并发线程的数量，来减少不稳定资源对其它资源的影响。这样不但没有线程切换的损耗，也不需要您预先分配线程池的大小。当某个资源出现不稳定的情况下，例如响应时间变长，对资源的直接影响就是会造成线程数的逐步堆积。当线程数在特定资源上堆积到一定的数量之后，对该资源的新请求就会被拒绝。堆积的线程完成任务后才开始继续接收请求
  • 通过响应时间对资源进行降级：除了对并发线程数进行控制以外，Sentinel 还可以通过响应时间来快速降级不稳定的资源。当依赖的资源出现响应时间过长后，所有对该资源的访问都会被直接拒绝，直到过了指定的时间窗口之后才重新恢复。

系统负载保护

  Sentinel 同时提供系统维度的自适应保护能力。防止雪崩，是系统防护中重要的一环。当系统负载较高的时候，如果还持续让请求进入，可能会导致系统崩溃，无法响应。在集群环境下，网络负载均衡会把本应这台机器承载的流量转发到其它的机器上去。如果这个时候其它的机器也处在一个边缘状态的时候，这个增加的流量就会导致这台机器也崩溃，最后导致整个集群不可用。

  针对这个情况，Sentinel 提供了对应的保护机制，让系统的入口流量和系统的负载达到一个平衡，保证系统在能力范围之内处理最多的请求。

为什么选择 Sentinel？

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 Ctoud、 Dubbo、gRPC 等 Servlet、 Spring Ctoud NetfLix

  从上述对比图可发现，Sentinel 支持功能更多更强。

工作原理

  Sentinel 的主要工作机制如下：

  • 对主流框架提供适配或者显示的 API，来定义需要保护的资源，并提供设施对资源进行实时统计和调用链路分析
  • 根据预设的规则，结合对资源的实时统计信息，对流量进行控制。同时，Sentinel 提供开放的接口，方便您定义及改变规则
  • Sentinel 提供实时的监控系统，方便您快速了解目前系统的状态

环境搭建

下载

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

启动

1
java -jar sentinel-dashboard-1.8.6.jar

测试

  访问localhost:8080即可看到控制台页面，默认的账户和密码都是sentinel

配置

  如果要修改Sentinel的默认端口、账户、密码，在 jar 包同级目录新建config/application.yml，配置如下参数：

1
2
3
4
5
6
7
server:
  port: 8030
sentinel:
  dashboard:
    auth:
      username: sentinel
      password: sentinel

微服务集成

  SpringBoot 微服务项目若想集成 Sentinel，可通过以下三步集成并测试：

  • ① 引入 Sentinel 依赖:

    1
    2
    3
    4
    <dependency>
        <groupId>com.alibaba.cloud</groupId>
        <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    </dependency>

  • ② 微服务配置文件：

    1
    2
    3
    4
    5
    spring
      cloud:
        sentinel:
          transport:
            dashboard: localhost:8030

  • ③ 访问微服务的任意端点，则触发 Sentinel 监控

限流规则

基本概念

簇点链路

  簇点链路即项目内的调用链路，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：

快速入门

  点击资源/sys/bifrost/perm/menuTree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:

添加流控规则

  其含义是限制/sys/bifrost/perm/menuTree这个资源的单机 QPS 为 5， 即每秒只允许 1 次请求， 超出的请求会被拦截并报错。

  如何验证呢？

  可以使用用 jemeter 测试对应的接口。

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

设置流控模式

流控模式-直接（常用）

  直接模式：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。

  使用场景：无特殊需要时直接选此模式即可。

流控模式-关联

  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。

  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

流控模式-链路

  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：
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

注意

  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：

1
2
3
4
@SentinelResource("goods")
public void queryGoods() {
    ...
}

  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：

1
2
3
4
5
6
7
spring
  cloud:
    sentinel:
      # 关闭 context 整合
      web-context-unify: false 
      transport:
        dashboard: localhost:8030

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

流控效果

流控效果-warm up

  warm up，即预热模式， 是应对服务冷启动的一种方案，可以避免服务刚启动时高并发请求过多将服务打垮的问题出现。

  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，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.

流控效果-排队等待

  当请求超过 QPS 阈值时，快速失败和 warmup 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。

热点规则

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。

热点规则

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。

FeignClient 集成 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，下面是集成步骤：

  • 修改微服务的application.yml文件，开启Feign的Sentinel功能

    1
    2
    3
    4
    feign:
      # 开启 Feign 的 Sentinel 功能
      sentinel:
        enabled： true

  • 给FeignClient编写失败后的降级逻辑，可选以下两方案：

    • ① FallbackClass，此方案无法对远程调用的异常做处理
    • ② FallbackFactory，此方案可以对远程调用的异常做处理，推荐此方案

代码实现步骤

  ① 在feing-api项目中定义类，实现FallbackFactory接口:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserGlient> {

    @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();
            };
        }
    }
}

  ② 在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean：

1
2
3
4
@Bean
public UserClientFallbackFactory userClientFallback(){ 
    return new UserClientFallbackFactory();
}

  ③ 在feing-api项目中的UserClient接口中使用UserClientFallbackFactory:

1
2
3
4
5
@FeignClient(value = "userservice"， fallbackFactory = UserClientFallbackFactory.class)
public interface UserClient {
    @GetMapping("/user/{id}")
    User findById (@PathVariable("id") Long id) ;
}

线程隔离（舱壁模式）

  线程隔离有两种方式实现:

  • 线程池隔离
    • 优点：支持主动超时，支持异步调用
    • 缺点：线程的额外开销比较大
    • 使用场景：低扇出
  • 信号量隔离（Sentinel 默认采用）
    • 优点：轻量级，无额外开销
    • 缺点：不支持主动超时，不支持异步调用
    • 使用场景：高频调用，高扇出

image-20221121215822562

使用

  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：指该资源能使用用的 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。

熔断降级

  熔断降级是解决雪崩问题的重要手段。

  熔断的处理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。

  熔断工作原理的如下图：

熔断工作原理

  断路器熔断策略有三种：慢调用、异常比例、异常数。

熔断策略-慢调用（常用）

  对于慢调用熔断策略而言：若在指定时间内，请求数量超过设定的最小数量，其中这些请求的百分比中，慢调用比例大于设定的阈值，则触发熔断。

注：慢调用指的是，若业务接口请求的响应时间（RT）大于设置的时间，此接口情况会被认定为慢调用请求。

  举个示例说明：
慢调用

  上图中：对 RT 超过 500ms 的请求将被视为慢调用请求，在熔断器统计最近 10000ms 内的请求中，如果请求量超过 10 次，并且发送慢调用请求的比例不低于 0.5，则触发熔断机制，具体熔断时长为 5 秒；然后进入 half-open 状态，放行一次请求做测试。

  生产中，慢调用策略建议设置如下：

  • 最大 RT：600ms
  • 比例阈值：0.75
  • 熔断时长：2s
  • 最小请求数：1000
  • 统计时长：10000 ms

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：

异常比例或异常数

  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。

授权规则

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user-service，那么流控应用中就填写网关的名称。

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：

1
2
3
4
5
6
7
8
public interface BlockExceptionHandler {

    /**
     * 处理请求被限流、降级、授权拦截时会抛出 BlockException 异常
     */
    void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;

}

  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

  我们可以根据业务需要自定义不同的返回结果，下面是一个代码实现的例子：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
@Component
public class SentinelBlockHandler implements BlockExceptionHandler {

    @Override
    public void handle(HttpServletRequest httpServletRequest, HttpServletResponse httpServletResponse, BlockException e) throws Exception {
        String msg    = "未知异常";
        int    status = 429;
        if (e instanceof FlowException) {
            msg = "请求被限流";
        } else if (e instanceof ParamFlowException) {
            msg = "热点参数限流！";
        } else if (e instanceof DegradeException) {
            msg = "请求被降级";
        } else if (e instanceof SystemBlockException) {
            msg = "请求系统服务器暂时不提供访问！";
        } else if (e instanceof AuthorityException) {
            msg = "请求没有权限！";
            status = 401;
        }
        httpServletResponse.setContentType("application/json; charset=utf-8");
        httpServletResponse.setStatus(status);
        httpServletResponse.getWriter().println("{\"message\": \"" + msg + "\", \"status\": " + status + "}";
    }
}

规则管理

  Sentinel 的控制台规则管理存在三种模式：

  • ① 原始模式： 默认模式，将规则保存在内存，重启服务规则将丢失
  • ② pull 模式：保存在本地文件或数据库，定时去读取
  • ③ push 模式：保存在配置中心，监听变更实时更新

pull 模式

  此模式下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，之后 Sentinel 会定时去本地文件或数据库中查询更新本地规则。

pull 模式

push 模式

  此模式下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。

push 模式

使用（待补充）

  push 模式实现最为复杂，依赖于 Nacos，并且需要修改 Sentinel 控制台源码。

参考

文章信息

时间 说明
2022-11-21 初版
0%