Sentinel学习

什么是Sentinel?

阿里开源的一套服务容错的综合性解决方案,以流量为切入点,从流量控制,熔断降级,系统负载保护来保护服务的稳定性

为什么使用Sentinel?

在使用之前我们遇到一个问题,服务雪崩效应

雪崩效应

在分布式系统中,可能由于网络原因或者自身的原因,当一个服务崩了后,另外的服务依赖于这个服务,就会出现线程阻塞,此时若有大量的请求涌入,就会出现线多条程阻塞等待,导致服务瘫痪

常见的容错方案

隔离机制 : 不把所有线程都分配到某个服务,平均分配线程到其他服务

超时机制 : 设置一个最大响应时间,如果超过了就断开请求释放线程

限流机制 : 限制流量

熔断机制 : 暂时切断对下游服务的调用

  • 熔断关闭状态(Closed) : 服务没有故障时,对调用方的调用不做任何限制

  • 熔断开启状态(Open) : 后续对服务接口的调用不再经过网络,直接执行本地的fallback方法

  • 半熔断状态(Half-Open) : 允许有限的流量调用该服务,并监控调用率,当成功率达到预期,就会关闭熔断状态,如果成功率还是很低,就会重新进入开启熔断

降级机制 : 一旦服务无法正常调用,就使用备用方案

Sentinel

分布式系统的防卫兵,是阿里开源的服务容错综合性的方案

以流量为切入点,从流量控制,熔断降级,系统负载保护来保护服务的稳定性

1.集成Sentinel

<!--sentinel组件-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

2. 安装Sentinel控制台

# 直接使用jar命令启动项目(控制台本身是一个SpringBoot项目) 
java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=localhost:8080 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard-1.8.0.jar

-Dserver.port=8080 : 指定Sentinel控制台端口为8080

-Dcsp.sentinel.dashboard.server=localhost:8080 : 指定控制台地址和端口会自动向该地址发送心跳包

-Dproject.name=sentinel-dashboard : 指定Sentinel控制台程序显示的名称

3. 配置application.yml

spring:
  cloud:
    sentinel: 
      transport: 
        port: 8719 #跟控制台交流的端口,随意指定一个未使用的端口即可,默认为8719
        dashboard: localhost:8080 # 指定控制台服务的地址

流控模式

  • 直接 : 接口达到限流条件时,开启限流

  • 关联 : 关联的接口达到限流时,另一个接口也限流

  • 链路 : 当从某个接口过来的资源达到限流条件时,开启限流

在application配置

让sentinel维护调用链节点树,链路模式配置了之后限流才会生效

spring:
  cloud:
    sentinel:
      web-context-unify: false

流控效果

  • 直接失败(默认) : 抛出异常,不做任何处理

  • Warm Up : 先开启最大阈值的1/3,然后慢慢增长直到最大阈值,会有一个缓冲的阶段

  • 排队等待 : 请求均匀速度通过,设置超时时间,到时未处理的则会丢弃

热点

经常访问的数据,可以对某个热点数据进行限流

降级

  • 慢调用比例 : 设置RT(最大响应时间),如果请求超过RT的话就会统计,当统计数达到阈值就会开启熔断状态

  • 异常数 : 统计异常数超过阈值就会自动进行熔断

  • 异常比例 : 按异常报错对应的比例,判断开启熔断

授权

配置黑白名单,根据来源判断该次请求是否运行放行

系统规则

  • Load自适应 : 仅对Linux/Unix-like机器生效,系统当前的并发线程数超过估算的系统容量时才会触发系统保护

  • CPU usage : 当系统CPU使用率超过阈值触发系统保护

  • 平均RT : 单台机器上所有入口流量的平均RT达到阈值即触发系统保护

  • 并发线程数 : 单台机器上所有入口流量的并发线程数达到阈值即触发

  • 入口QPS " "单台机器上所有入口流量的QPS达到阈值即触发

自定义异常返回

  • FlowException 限流异常

  • DegradeException 降级异常

  • ParamFlowException 参数限流异常

  • AuthorityException 授权异常

  • SystemBlockException 系统负载异常

@SentinelResource注解

用于定义资源,并提供可选的异常处理和fallback配置项

  • value : 必填,配置资源名称

  • fallback : 出现异常时的提供的fallback处理

  • blockHandler : 超出流控的部分会进入到blockHandler方法

### 关于 Sentinel学习资料 #### 一、基础概念与功能概述 Sentinel 是阿里巴巴开源的一款用于流量防护和服务治理的工具,主要提供限流、熔断降级等功能。其核心机制通过 `CommonFilter` 过滤器实现业务逻辑拦截和处理[^1]。 #### 二、配置与集成方式 在实际项目中,可以通过 Maven 引入依赖来完成 Sentinel 对 Nacos 的监听支持。例如,在 `order-service` 中可以加入如下依赖: ```xml <dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-datasource-nacos</artifactId> </dependency> ``` 上述代码片段展示了如何将 Sentinel 数据源绑定到 Nacos 上,从而动态调整规则配置[^2]。 #### 三、与其他框架比较 为了更好地理解 Sentinel 的特性,可将其与 Hystrix 做对比分析。以下是两者的主要区别: | 特性 | **Sentinel** | **Hystrix** | |-----------------|----------------------------------|------------------------------| | 隔离策略 | 支持信号量隔离 | 主要采用线程池隔离 | | 动态规则更新 | 提供多种数据源适配 | 默认不支持 | 此表清晰地反映了两者的差异所在[^3]。 #### 四、常见错误及其解决方法 当遇到诸如 “Blocked by Sentinel (flow limiting)” 类型的错误提示时,通常是因为触发了预设的限流条件所致。此时可以在 Sentinel 控制台中的簇点链路模块下找到对应资源并设置合理的阈值参数,比如降低异常比例或者延长观察窗口的时间长度等措施加以优化[^4]。 #### 五、推荐参考资料列表 对于希望深入研究该主题的学习者而言,可以从以下几个方面入手获取更多信息: 1. 官方文档始终是最权威的第一手材料; 2. 社区分享的技术博客往往包含大量实战经验总结; 3. GitHub 上的相关仓库也可能藏有不少实用脚本样例可供参考。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值