服务熔断降级 Sentinel

1.高并发带来的问题

在微服务架构中，我们将业务拆分成一个个的服务，服务与服务之间可以相互调用，但是由于网络原因或者自身的原因，服务并不能保证服务的100%可用，如果单个服务出现问题，调用这个服务就会出现网络延迟，此时若有大量的网络涌入，会形成任务堆积，最终导致服务瘫痪。

1.模拟一个高并发的场景

1.在订单服务中新建SentinelController.java

package com.sun.controller;

import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.concurrent.TimeUnit;

@RestController
public class SentinelController {
    
    @RequestMapping("/sentinel1")
    public String sentinel1(){
        //模拟一次网络延时
        try {
            TimeUnit.SECONDS.sleep(1);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return "sentinel1";
    }
    
    @RequestMapping("/sentinel2")
    public String sentinel2(){
        return "测试高并发下的问题";
    }
}

2.修改配置文件中tomcat的并发数

server:
  port: 8091
  tomcat:
    threads:
      max: 10 #tomcat的最大并发值修改为10,

3.使用压测工具,对请求进行压力测试

下载地址 https://jmeter.apache.org/

第一步：修改配置，并启动软件

进入bin目录,修改jmeter.properties文件中的语言支持为language=zh_CN，然后点击jmeter.bat 启动软件。

第二步：添加线程组

第三步：配置线程并发数

第四步：添加Http请求

第五步：配置取样，并启动测试

第六步：访问 http://localhost:8091/sentinel2 观察结果

结论:此时会发现, 由于sentinel1方法囤积了大量请求, 导致sentinel2方法的访问出现了问题，这就是服务雪崩的雏形。

2.服务器雪崩效应

分布式系统中,由于网络原因或自身的原因,服务一般无法保证 100% 可用。如果一个服务出现了问题，调用这个服务就会出现线程阻塞的情况，此时若有大量的请求涌入，就会出现多条线程阻塞等待，进而导致服务瘫痪。

由于服务与服务之间的依赖性，故障会传播，会对整个微服务系统造成灾难性的严重后果，这就是服务故障的 “雪崩效应” 。

• 情景1: 微服务之间相互调用,关系复杂,正常情况如下图所示：

• 情景2：某个时刻，服务A挂了，服务B和服务C依然在调用服务
  
• 情景3:由于服务A挂了,导致服务C和服务B无法得到服务A的响应,这时候服务C和服务B由于大量线程积压,最终导致服务C和服务B挂掉.
  
• 情景4: 相同道理,由于服务之间有关联，所以会导致整个调用链上的所有服务都挂掉.
  

服务器的雪崩效应其实就是由于某个微小的服务挂了,导致整一大片的服务都不可用.类似生活中的雪崩效应,由于落下的最后一片雪花引发了雪崩的情况.

雪崩发生的原因多种多样，有不合理的容量设计，或者是高并发下某一个方法响应变慢，亦或是某台机器的资源耗尽。我们无法完全杜绝雪崩源头的发生，只有做好足够的容错，保证在一个服务发生问题，不会影响到其它服务的正常运行。

2.常见容错方案

服务的容错，容错说白了就是保护自己不被猪队友拖垮的一些措施

2.1.常见的容错思路

常见的容错思路有隔离、超时、限流、熔断、降级这几种，下面分别介绍一下。

1.隔离机制

分割线程调用服务保证容错。

比如：服务A内总共有100个线程,现在服务A可能会调用服务B,服务C,服务D.我们在服务A进行远程调用的时候,给不同的服务分配固定的线程,不会把所有线程都分配给某个微服务.
比如调用服务B分配30个线程,调用服务C分配30个线程，调用服务D分配40个线程.
这样进行资源的隔离，保证即使下游某个服务挂了，也不至于把服务A的线程消耗完。比如服务B挂了，这时候最多只会占用服务A的30个线程,服务A还有70个线程可以调用服务C和服务D.

2.超时机制

在上游服务调用下游服务的时候，设置一个最大响应时间，如果超过这个时间，下游未作出反应，就断开请求，释放掉线程。

3.限流机制:

限流就是限制系统的输入和输出流量已达到保护系统的目的。为了保证系统的稳固运行,一旦达到的需要限制的阈值,就需要限制流量并采取少量措施以完成限制流量的目的。

4.熔断机制

在互联网系统中，当下游服务因访问压力过大而响应变慢或失败，上游服务为了保护系统整体的可用性，可以暂时切断对下游服务的调用。这种牺牲局部，保全整体的措施就叫做熔断。

服务熔断一般有三种状态：

• 熔断关闭状态（Closed）
  服务没有故障时，熔断器所处的状态，对调用方的调用不做任何限制
• 熔断开启状态（Open）
  后续对该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）
  尝试恢复服务调用，允许有限的流量调用该服务，并监控调用成功率。如果成功率达到预期，则说明服务已恢复，进入熔断关闭状态；如果成功率仍旧很低，则重新进入熔断关闭状态。

5.降级机制

降级其实就是为服务提供一个兜底方案，一旦服务无法正常调用，就使用兜底方案

3.常见的容错组件

1.Hystrix

Hystrix是由Netflflix开源的一个延迟和容错库，用于隔离访问远程系统、服务或者第三方库，防止级联失败，从而提升系统的可用性与容错性。

2.Resilience4J

Resilicence4J一款非常轻量、简单，并且文档非常清晰、丰富的熔断工具，这也是Hystrix官方推荐的替代产品。不仅如此，Resilicence4j还原生支持Spring Boot 1.x/2.x，而且监控也支持和prometheus等多款主流产品进行整合

3.Sentinel

Sentinel 是阿里巴巴开源的一款断路器实现，本身在阿里内部已经被大规模采用，非常稳定。

4.Sentinel入门

4.1 什么是Sentinel

Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。

1.特征:

• 1.丰富的应用场景
  Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景, 例如秒杀（即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。

• 2.完备的实时监控：
  Sentinel 提供了实时的监控功能。通过控制台可以看到接入应用的单台机器秒级数据, 甚至 500 台以下规模的集群的汇总运行情况。

• 3.广泛的开源生态：
  Sentinel 提供开箱即用的与其它开源框架/库的整合模块, 例如与 SpringCloud、Dubbo、gRPC 的整合。只需要引入相应的依赖并进行简单的配置即可快速地接入Sentinel。

2.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，同时对 Dubbo /Spring Cloud 等框架也有较好的支持。
• 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。

4.2 订单微服务集成Sentinel

shop-order-server项目的pom文件中添加如下依赖：

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

4.3 安装Sentinel控制台

Sentinel 提供一个轻量级的控制台, 它提供机器发现、单机资源实时监控以及规则管理等功能。

1.下载jar包

https://github.com/alibaba/Sentinel/releases

2.启动控制台

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-1.8.5.jar

3.新增如下配置:

修改shop-order-server项目中的配置文件application.yml

spring:
  cloud:
    sentinel: 
      transport: 
        port: 9999 #跟控制台交流的端口,随意指定一个未使用的端口即可 
        dashboard: localhost:8080 # 指定控制台服务的地址

4.访问控制台

通过浏览器访问localhost:8080 进入控制台 ( 默认用户名密码是 sentinel/sentinel )
注意: 默认是没显示order-service的，需要访问几次接口，然后再刷新sentinel管控台才可以看到.

4.4 实现一个接口的限流

• 第一步: 簇点链路—>流控
  
• 第二步: 在单机阈值填写一个数值，表示每秒上限的请求数
  
• 第三步:通过控制台快速频繁访问, 观察效果
  

4.5 Sentinel容错的维度

1.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数据。
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。我们需要根据系统的处理能力对流量进行控制。

2.熔断降级

当检测到调用链路中某个资源出现不稳定的表现，例如请求响应时间长或异常比例升高的时候，则
对这个资源的调用进行限制，让请求快速失败，避免影响到其它的资源而导致级联故障。

3.系统负载保护

Sentinel 同时提供系统维度的自适应保护能力。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，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，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。

4.5 Sentinel规则种类

Sentinel主要提供了这五种的流量控制，接下来我们每种都给同学们演示一下.

1. Sentinel规则-流控

1.1流控规则

流量控制，其原理是监控应用流量的QPS(每秒查询率) 或并发线程数等指标，当达到指定的阈值时对流量进行控制，以避免被瞬时的流量高峰冲垮，从而保障应用的高可用性。

• 资源名
  唯一名称，默认是请求路径，可自定义
• 针对来源
  指定对哪个微服务进行限流，默认指default，意思是不区分来源，全部限制
• 阈值类型/单机阈值：
  QPS（每秒请求数量）: 当调用该接口的QPS达到阈值的时候，进行限流
  线程数：当调用该接口的线程数达到阈值的时候，进行限流
• 是否集群
  暂不需要集群

1.1.1 QPS流控

1.1.2 线程数流控

1.删除掉之前的QPS流控，新增线程数流控
2.在Jmeter中新增线程


3.访问 http://localhost:8091/sentinel2 会发现已经被限流

1.2 流控模式

点击上面设置流控规则的编辑按钮，然后在编辑页面点击高级选项，会看到有流控模式一栏。

sentinel共有三种流控模式，分别是：

• 直接（默认）：接口达到限流条件时，开启限流
• 关联：当关联的资源达到限流条件时，开启限流 [适合做应用让步]
• 链路：当从某个接口过来的资源达到限流条件时，开启限流

1.2.1 直接流控模式

前面演示的案例就是这种

1.2.2 关联流控模式

关联流控模式指的是，当指定接口关联的接口达到限流条件时，开启对指定接口开启限流。

场景: 当两个资源之间具有资源争抢或者依赖关系的时候，这两个资源便具有了关联
比如对数据库同一个字段的读操作和写操作【核心请求】存在争抢，读的速度过高会影响写得速度，写的速度过高会影响读的速度。如果放任读写操作争抢资源，则争抢本身带来的开销会降低整体的吞吐量。可使用关联限流来避免具有关联关系的资源之间过度的争抢.

• 1.在SentinelController.java中增加两个方法，重启订单服务

@RequestMapping("/sentinel-read")
public String readReq(){
    return "读请求";
}
@RequestMapping("/sentinel-write")
public String writeReq(){
    return "写请求";
}

• 2.配置限流规则, 将流控模式设置为关联，关联资源设置为的 /sentinel-write
  
• 通过Jmter软件向 /sentinel-write连续发送请求，注意QPS一定要大于3
  
  
• 4.访问/sentinel-read,会发现已经被限流
  

1.2.3 链路流控模式

链路流控模式指的是，当从某个接口过来的资源达到限流条件时，开启限流。

场景: 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查询商品的请求统计，并设置限流

• 1.在shop-order-server项目中新增GoodService.java
  默认情况下，GoodService的方法是不被Sentinel监控的，需要我们通过注解来标记要监控的方法。

@SentinelResource("queryGood")
@Override
public void queryGood() {
    System.out.println("查询商品");
}

• 2.在SentinelController.java中增加两个方法，重启订单服务

@Autowired
private GoodService goodService;
@RequestMapping("/queryOrder")
public String queryOrder(){
    goodService.queryGood();
    return "查询订单";
}
@RequestMapping("/createOrder")
public String createOrder(){
    goodService.queryGood();
    return "创建订单订单";
}

• 3.链路模式中，是针对不同的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源，会导致链路模式失效。我们需要关闭这种资源聚合。
  在shop-order-server项目的application.yml文件中新增如下配置:

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

• 4.重新启动订单服务并添加链路流控规则
  
• 5.分别通过 /queryOrder和 /createOrder访问, 发现/createOrder没问题, /queryOrder的被限流了
  

1.3 流控效果

1. 快速失败（默认）

直接失败，抛出异常，不做任何额外的处理，是最简单的效果

2. Warm Up

它从开始阈值到最大QPS阈值会有一个缓冲阶段，一开始的阈值是最大QPS阈值的1/3，然后慢慢增长，直到最大阈值，适用于将突然增大的流量转换为缓步增长的场景.

3.排队等待

让请求以均匀的速度通过，单机阈值为每秒通过数量，其余的排队等待； 它还会让设置一个超时时间，当请求超过超时间时间还未处理，则会被丢弃。

2.Sentinel规则-降级

降级规则就是设置当满足什么条件的时候，对服务进行降级。Sentinel提供了三个衡量条件：