Sentinel: 分布式系统的流量防卫兵

前言

在 Spring Cloud 体系中，我们会使用 Hystrix 框架进行熔断降级，而限流通常在 Zuul 中进行处理，由于Zuul 中没有自带限流的功能，一般来说，我们可以自己做限流或者集成第三方开源的限流框架。最新一代的网关 Spring Cloud Gateway 则自带了限流的功能。

那么，有没有一个框架可以兼具熔断和限流功能呢？以前没有，但是现在有了，这个框架就是阿里最新开源的 Sentinel。第一眼见到 Sentinel 就有一种似曾相识的感觉，后来发现我误以为Redis 里面集群的那个哨兵模式就是 Sentinel。下面我将为大家介绍一下这个新的框架。                                                                                                       

Sentinel 是什么？

（注：本段‍介绍来源于Sentinel Github主页介绍）

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 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保护服务的稳定性。

Sentinel 具有以下特征:

• 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。

• 完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中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。

• 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 Spring Cloud、Dubbo、gRPC 的整合。您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。

• 完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。

Sentinel 的主要特性：

Sentinel 的开源生态：

初次见面的我们

下面我们来一起体验下 Sentinel 吧，在你的Maven项目中增加 Sentinel 的依赖：

1. <dependency>

2. <groupId>com.alibaba.csp</groupId>

3. <artifactId>sentinel-core</artifactId>

4. <version>1.4.1</version>

5. </dependency>

Sentinel中需要限流的称之为资源，对资源进行处理，下面来看最简单的一段代码：

1. public static void main(String[] args) {

2. initFlowRules();

3. while (true) {

4. Entry entry = null;

5. try {

6. entry = SphU.entry("HelloWorld");

7. /*您的业务逻辑 - 开始*/

8. System.out.println("hello world");

9. /*您的业务逻辑 - 结束*/

10. } catch (BlockException e1) {

11. /*流控逻辑处理 - 开始*/

12. System.out.println("block!");

13. /*流控逻辑处理 - 结束*/

14. } finally {

15. if (entry != null) {

16. entry.exit();

17. }

18. }

19. }

20. }

21. private static void initFlowRules(){

22. List<FlowRule> rules = new ArrayList<>();

23. FlowRule rule = new FlowRule();

24. rule.setResource("HelloWorld");

25. rule.setGrade(RuleConstant.FLOW_GRADE_QPS);

26. // Set limit QPS to 20.

27. rule.setCount(20);

28. rules.add(rule);

29. FlowRuleManager.loadRules(rules);

30. }

第一行中初始化限流的规则，创建了一个资源叫 HelloWorld，设置了这个资源的QPS 为 20。

在业务开始前使用SphU.entry();方法标识开始，结束使用entry.exit();，如果触发了流控逻辑就会抛出BlockException异常让用户自行处理。

代码运行之后，我们可以在日志 ~/logs/csp/${appName}-metrics.log.xxx 里看到下面的输出:

1. |--timestamp-|------date time----|-resource-|p |block|s |e|rt

2. 1529998904000|2018-06-26 15:41:44|HelloWorld|20|0 |20|0|0

3. 1529998905000|2018-06-26 15:41:45|HelloWorld|20|5579 |20|0|728

4. 1529998906000|2018-06-26 15:41:46|HelloWorld|20|15698|20|0|0

5. 1529998907000|2018-06-26 15:41:47|HelloWorld|20|19262|20|0|0

6. 1529998908000|2018-06-26 15:41:48|HelloWorld|20|19502|20|0|0

7. 1529998909000|2018-06-26 15:41:49|HelloWorld|20|18386|20|0|0

• p：通过的请求；

• block：被阻止的请求；

• s：成功执行完成的请求个数；

• e：用户自定义的异常；

• rt：平均响应时长。

（注：笔者为Mac系统，日志是在这个目录下，Windows我没试过，应该也在用户的主目录下。）

上面这个例子是官方的示例，如果你觉得没有看到你想要的效果，可能是因为一直在循环，无法确认是否限流成功，我们可以稍微改动一下进行测试就知道了。

将while循环改成for循环, 次数为10000次，只输出一句话，不做任何限制，执行完成的时间大概在40毫秒左右。

1. long startTime = System.currentTimeMillis();

2. for (int i = 0; i < 10000; i++) {

3. System.out.println("hello world");

4. }

5. long endTime = System.currentTimeMillis();

6. System.out.println(endTime - startTime);

下面加上限流的逻辑，执行完成的时间基本上就超过100毫秒了，可见限流起了作用。

1. for (int i = 0; i < 10000; i++) {

2. Entry entry = null;

3. try {

4. entry = SphU.entry("HelloWorld");

5. // 资源中的逻辑.

6. System.out.println("hello world");

7. } catch (BlockException e1) {

8. System.out.println("blocked!");

9. } finally {

10. if (entry != null) {

11. entry.exit();

12. }

13. }

14. }

15. long endTime = System.currentTimeMillis();

16. System.out.println(endTime - startTime);