SpringCloud学习笔记(十一)Sentinel微服务保护

1.1初识Sentinel

1.1.1 雪崩问题及解决方案

雪崩:微服务调用链路中的某个服务故障,引起整个链路中的所有微服务都不可用。

例如:在同步调用场景下,服务A需要调用服务D,但D崩了,当依赖D的请求越来越多时会占用过多tomcat连接数等资源,导致服务A崩,则同理依赖于服务A的其他服务也会逐级崩掉。

image-20230717133609111

解决方案:

常见四种解决雪崩问题的方案:

  • 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
    • 只能缓解,如果请求增加速度高于请求释放速度仍然会导致雪崩
  • 舱壁模式:
    • 限定每个业务能使用的线程数,避免耗尽整个tomcat的资源,因此也叫线程隔离
    • 浪费资源
  • 熔断降级
    • 断路器统计业务执行的异常比例,如果超出某个阈值则会熔断该业务,拦截访问该业务的一切请求
    • 若服务恢复,需要等熔断自动关闭或手动重置才能重新访问服务
  • 流量控制
    • 限制业务访问的QPS(每秒查询率),避免服务因流量的突增而故障image-20230717140749968

1.1.2 服务保护技术对比

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

  • 线程池隔离对依赖(在 Sentinel 的概念中对应 资源)进行隔离,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(过多的线程池导致线程数目过多),还需要预先给各个资源做线程池大小的分配。

Sentinel

  • 通过并发线程数进行限制 和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。
image-20230717141940461

1.1.3 Sentinel介绍

Sentinel是阿里巴巴开源的一款微服务流量控制组件,官网

Sentinel分为两个部分:

  • 核心库(Java客户端),不依赖任何框架/库,能够运行于所有Java运行时环境
  • 控制台(Dashboard),基于Spring Boot开发,打包后可以直接运行,不需要额外的Tomcat等应用容器

特征:

  • 丰富的应用场景:如秒杀(突发流量控制在系统容量可以承受的范围)、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等
  • 完备的实时监控:Sentinel控制台可以看到接入应用的单台机器秒级数据,也可查看500台以下规模的集群的汇总运行情况
  • 广泛的开源生态:提供开箱即用的与其他开源框架/库的整合模块,eg.SpringCloud、Dubbo、gRPC的整合
  • 完善的SPI扩展点:Sentinel提供简单易用、完善的SPI扩展接口,开源通过扩展接口快速定制逻辑eg定制规则管理、适配动态数据源

安装Dashboard

1.GitHub下载sentinel-dashboard-x.x.x.jar

2.在jar包所在目录执行命令

 # 需要jdk1.8以上版本,默认启动端口8080
 java -jar sentinel-dashboard-x.x.x.jar

3.访问localhost:8080进入控制台,默认账号密码都是sentinel.

image-20230717144749429
 # 添加-D,指定要修改的参数即可
 java -jar sentinel-dashboard-x.x.x.jar -Dserver.port=8090
 # 也可以在jar包下写一个yml文件覆盖默认配置

此时sentinel控制台中什么都没有,在微服务中配置sentinel可以让其监控对应的微服务,具体步骤如下。

1.1.4 微服务整合Sentinel

导入cloud-demo项目

1.引入sentinel依赖

 <!--order-service的pom.xml-->
 <dependency>
     <groupId>com.alibaba.cloud</groupId>
     <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
 </dependency>
 ​
 <!--如果导入依赖有问题就换下仓库源,pom中添加下面内容-->
 <repositories>
     <repository>
         <id>aliyun-public</id>
         <url>https://maven.aliyun.com/repository/public</url>
     </repository>
 </repositories>

2.配置控制台地址(在项目中配置已运行的sentinel-dashboard.jar的地址,将服务连接到dashboard)

 spring:
   cloud:
     sentinel:
       transport:
         dashboard: localhost:8080

3.访问微服务的任意endpoint(任意controller接口),触发sentinel监控

image-20230717171834073

1.2流量控制

簇点链路:项目内的调用链路(eg.进入spring MVC调用controller,controller调用service,service调用mapper,这就是一个簇点链路)。

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、熔断都是针对簇点链路中的资源来设置的,可以点击对应资源后面的按钮来设置规则:

image-20230718102134776

1.2.1 快速入门

假设限制order/{orderId}接口阈值5(实际应该根据JMeter等压力测试获取)

image-20230718102746028
image-20230718110248083

1.2.2 流控模式

在添加先流规则是,点击高级选项,可以选择三种流控模式:

  • 直接:默认模式,统计当前资源的请求,触发阈值时对当前资源直接限流
  • 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
    • 适用于两个竞争关系的资源,一个优先级高,一个优先级低
  • 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
    • 对访问来源进行控制
image-20230718110643949

关联模式:

image-20230718111500354

链路模式:

image-20230718111346670

Sentinel默认只标记Controller中的方法为资源(只监控资源),如果要标记(监控)其他方法,需要使用@SentinelResource注解。eg.

 @SentinelResource("goods")
 public void queryGoods(){
     System.err.println("query goods");
 }

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:

 spring:
   cloud:
     sentinel:
       web-context-unify: false # 关闭context整合
image-20230718124342718
image-20230718125112269

1.2.3 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:默认模式,达到阈值后,新的请求会被立即拒绝并抛出FlowException异常
  • 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-warm up

应对服务冷启动的一种方案(避免冷启动时高并发导致服务宕机)。请求阈值初始值是threshold/codeFactor,持续指定时长后,逐渐提高到threshold值。codeFactor默认值是3.

image-20230718135134334
image-20230718135149062
流控效果-排队等待

当请求超过QPS阈值时,排队等待让所有请求进入一个队列,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,则会被直接拒绝。

eg.QPS=5,即每200ms处理队列中的一个请求;timeout=2000,即预期等待超过2000ms的请求会被拒绝并抛出异常.

image-20230718135636199
image-20230718135744699

1.2.4 热点参数限流

与之前统计某个资源的所有请求是否超过QPS阈值不同,热点参数限流是分别统计参数值相同的请求来判断是否超过QPS阈值。

image-20230718140524706

配置示例表示对资源”hot”的0号参数(第一个参数)做统计,每1秒相同参数值的请求不能超过5.

image-20230718141000446

应用场景(GPT):

  • 防止资源占用不均衡:某些情况下某些参数值可能会导致更高的资源消耗
  • 降低单一参数值的负载:例如秒杀活动,对某个商品ID限流可以防止系统过载
  • 保护关键业务:部分参数值可能对应关键业务或敏感数据,对这些参数限流可以确保关键业务在高负载时仍能保持稳定
  • 防止恶意攻击:例如攻击者可能会对某个用户id发起大量请求,试图耗尽系统资源

注意:

热点参数限流对默认的SpringMVC资源(eg.controller)无效,只有添加@SentinelResource注解才能生效。

image-20230718144413569
image-20230718144355660

JMeter压力测试结果

image-20230718144708425

1.3隔离和降级

前面的手段都是基于服务正常,限流避免高并发引起故障来保护服务的。如果服务已经崩溃,则需要隔离和降级来减少服务崩溃影响。

image-20230718145248045

1.3.1 FeignClient整合Sentinel

为什么要和Feign整合?

线程隔离和熔断降级本质上都是对客户端(服务调用方)的保护.

SpringCloud中,微服务调用都是通过Feign实现的,所以做客户端保护必须整合Feign和Sentinel.

步骤:

1.修改客户端(order-service)的application.yml文件,开启Feign的Sentinel功能

 feign:
   sentinel:
     enabled: true

2.编写FeignClient失败后的降级逻辑

  • 方式1:FallbackClass,无法对远程调用的异常做处理
  • 方式2:FallbackFactory,可以对远程调用的异常做处理(demo使用这种方式)

2.1 在feign-api项目中定义类,实现FallbackFactory

 @Slf4j
 public class UserClientFallbackFactory implements FallbackFactory<UserClient>{
     @Override
     public UserClient create(Throwable throwable){
         //创建UserClient接口实现类,实现其中方法,编写降级处理策略
         return new UserClient() {
             @Override
             public Result findById(Long id) {
                 log.error("查询用户异常",cause);
                 return new Result(Code.GET_ERR,new User());
             }
         };
     }
 }

2.2 在feign-api项目中的DefaultFeignConfiguration类中将UserFallbackFactory注册为一个Bean

 public class UserFeignConfig{
     @Bean
     public UserClientFallbackFactory userClientFallbackFactory(){
         return new UserClientFallbackFactory();
     }
 }

2.3 在feign-api项目中的UserClient接口中使用UserClientFallbackFactory

 // @FeignClient(value = "user-service",configuration = UserFeignConfig.class)
 @FeignClient(value = "user-service",fallbackFactory = UserClientFallbackFactory.class)
 public interface UserClient {
     @GetMapping("/user/{id}")
     Result findById(@PathVariable("id") Long id);
 }

如果使用spring-cloud-alibaba依赖版本是2022.0.0.0-RC1,需要在application.yml中开启懒加载,原因看这篇

1.3.2 线程隔离(舱壁模式)

线程隔离有两种实现方式:

线程池隔离信号量隔离(sentinel默认)
优点支持主动超时 支持异步调用 (因为额外开启了新线程 )轻量级,无额外开销
缺点线程的额外开销比较大eg.CPU上下文切换不支持主动超时 不支持异步调用
适用场景低扇出(依赖的服务少)高频调用 高扇出
image-20230719172954979
image-20230719174314447

JMeter测试效果

image-20230719175505989

1.3.3 熔断降级

熔断降级是解决雪崩问题的重要手段,思路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。

断路器的三个状态:

image-20230719175757932
熔断策略-慢调用

短路器熔断策略有三种:慢调用、异常比例、异常数

  • 慢调用:业务的响应时长(RT,Response Time)大于指定时长的请求认定为慢调用请求。在指定时间内,如果请求数量超过设定的最小数量,慢调用比例大于设定的阈值,则触发熔断。如下图:
image-20230719182001278

熔断规则添加在被调用的服务.

熔断策略-异常比例、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。如下图:
image-20230720103120170

1.4 授权规则

sentinel有以下规则:

image-20230720103746089

1.4.1 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
image-20230720104009855

网关也可以做身份认证,为什么还要sentinel授权再做身份认证?

如果用户规范访问微服务,则请求会先走网关,再被路由到微服务;但是如果微服务地址暴露,绕过网关直接访问服务,则只靠网关无法做身份验证。

image-20230720104324478

Q:如何区分来源(origin)是网关还是浏览器?

A:Sentinel是通过RequestOriginParserParseOrigin获取请求的来源的。如果parseOrigin获取到的origin不同则说明来源不同。

 public interface RequestOriginParser{
     /**
      * 从请求request对象中获取origin,获取方式自定义
      */
     String parseOrigin(HttpServletRequest request);
 }

但是默认情况下无论请求来自于哪里,该方法的返回String永远都是”info”,无法区分来源,所以需要自定义该方法。

例如从request中获取一个名为origin的请求头,作为origin的值:

 @Component
 public class HeaderOriginParser implements RequestOriginParser{
     @Override
     public String parseOrigin(HttpServletRequest request){
         String origin = request.getHeader("origin");
         return StringUtils.isNullOrEmpty(origin)?"blank":origin;
     }
 }

但实际上请求头是没有这个字段的,可以使用网关的过滤器为请求添加该信息,如此就能区分网关来源和其他来源的请求了。

所以需要在gateway服务中,利用网关的全局过滤器添加名为gateway的origin请求头:

 spring:
   cloud:
     gateway:
       default-filters:
 #        - AddRequestHeader=MyHeaderKey, my header value
         - AddRequestHeader=origin,gateway
image-20230720111500611

网关访问和直接访问效果:

image-20230720123340070

1.4.2 自定义异常结果

上面被授权规则拦截的请求返回结果是”Blocked by Sentinel”,不够友好,我们可以自定义异常结果,处理限流、降级、授权拦截的异常,实现BlockExceptionHandler接口即可:

 public interface BlockExceptionHandler {
     /**
      * 处理请求被限流、降级、授权拦截时抛出的异常:BlockException
      */
     void handle(HttpServletRequest var1, HttpServletResponse var2, BlockException var3) throws Exception;
 }
 @Component
 public class SentinelBlockHandler implements BlockExceptionHandler {
     @Override
     public void handle(HttpServletRequest httpServletRequest, HttpServletResponse httpServletResponse, BlockException e) throws Exception {
         String msg = "unknown exception";
         int status = 429;
         if (e instanceof FlowException){
             msg = "请求被限流了";
         } else if (e instanceof DegradeException){
             msg = "请求被降级了";
         } else if (e instanceof ParamFlowException) {
             msg = "热点参数限流";
         } else if (e instanceof AuthorityException) {
             msg = "请求没有权限";
             status = 401;
         }
         httpServletResponse.setContentType("application/json;character=utf-8");
         httpServletResponse.setStatus(status);
         httpServletResponse.getWriter().println("{\"message\":\""+msg+"\",\"status\":"+status+"}");
     }
 }

BlockException包含多个子类,分别对应不同场景:

  • FlowException:限流异常
  • ParamFlowException:热点参数限流异常
  • DegradeException:降级异常
  • AuthorityException:授权规则异常
  • SystemBlockException:系统规则异常

添加不同限流规则,返回不同结果:

image-20230720134822549

1.5 规则持久化

规则保存在内存,故服务重启后定义规则消失,实际生产环境需要做持久化。

1.5.1 模式

Sentinel的控制台规则管理有三种模式:

  • 原始模式:Sentinel的默认模式,将规则保存在内存,重启服务会丢失
  • pull模式: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。以后会定期去本地文件或数据库中查询,更新本地规则。image-20230720135342700
  • push模式:控制台将配置规则推送到远程配置中心eg.Nacos,Sentinel哭护短监听Nacos,获取配置变更的推送消息,完成本地配置更新。(推荐)image-20230720135403238

push模式实现具体看这篇

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注