Sentinel 与 Hystrix 核心算法 对比

以下是对 Sentinel 与 Hystrix 核心算法的对比分析，涵盖流量控制、熔断策略、隔离机制等关键维度：

---

一、流量统计与限流算法

特性	Sentinel	Hystrix
流量统计	滑动时间窗口（LeapArray）	基于 RxJava 的滑动窗口
	精确到毫秒级实时统计，环形数组存储窗口数据	窗口统计粒度较粗，依赖于事件流响应式编程
限流算法	支持 漏桶、令牌桶、预热模式、匀速排队	仅支持简单计数器模式
	通过 RateLimiterController 实现漏桶逻辑	无内置复杂限流算法，需结合线程池容量控制
动态调整	支持实时规则推送（Nacos/ZooKeeper）	规则变更需重启服务

典型场景对比：

• Sentinel：电商秒杀场景中，通过漏桶算法平滑突发流量，结合集群流控协调多节点 。
• Hystrix：服务调用线程池满时直接拒绝请求，防止资源耗尽 。

---

二、熔断算法设计

维度	Sentinel	Hystrix
触发条件	支持 慢调用比例、异常比例、异常数 多维度触发	仅基于失败请求比例触发
	示例：慢调用比例 > 50% 且响应时间 > 1s	失败率阈值默认 50%
恢复策略	支持 半开状态探测，自动渐进恢复	固定时间窗口后进入半开状态
自适应能力	结合系统负载（如 CPU 使用率）动态调整熔断阈值	无系统级自适应保护

实现差异：

• Sentinel 熔断规则通过责任链（DegradeSlot）动态执行，支持细粒度资源控制 。
• Hystrix 熔断逻辑封装在 HystrixCommand 中，依赖线程池隔离实现熔断 。

---

三、隔离机制与资源模型

特性	Sentinel	Hystrix
隔离策略	信号量隔离	线程池隔离（主流）
	低开销，适用于高并发场景	高资源消耗，但严格隔离故障
资源模型	以 API/方法 为粒度，支持链路级限流	以 服务依赖 为粒度
系统保护	提供 自适应系统负载保护（BBR 算法）	无系统级保护机制

性能对比：

• Sentinel 信号量隔离的吞吐量比 Hystrix 线程池隔离高 10 倍以上 。
• Hystrix 线程池隔离在极端场景下更稳定，但牺牲了资源利用率 。

---

四、算法扩展性与生态

维度	Sentinel	Hystrix
扩展点	提供 SPI 接口，支持自定义流量统计、规则管理等	扩展性较差，主要依赖插件机制
多语言支持	支持 Java/Go/C++	仅 Java
控制台功能	实时监控、动态规则配置、集群流量管理	监控功能有限，需结合 Turbine 等工具

典型扩展场景：

• Sentinel 可通过 MetricExtension 接口实现自定义统计存储（如 Redis） 。
• Hystrix 需通过 HystrixPlugins 注册插件实现扩展 。

---

总结与选型建议

场景	推荐技术	理由
高并发 API 限流	Sentinel	低开销信号量隔离 + 多维限流算法
严格故障隔离	Hystrix	线程池隔离确保资源不泄漏
秒杀/大促场景	Sentinel	集群流控 + 热点参数限流
老旧系统改造	Hystrix	与 Spring Cloud Netflix 生态兼容

核心差异总结：

• Sentinel 强于 精细化流量治理 和 动态规则扩展，适合复杂分布式系统。
• Hystrix 侧重于 故障隔离 和 线程级熔断，适合传统微服务架构。

可通过以下流程图直观理解两者的算法执行差异：