Sentinel规则之流量控制规则

ゞ浴缸里的玫瑰 2023-09-23 20:25 149阅读 0赞

文章目录  
Sentinel规则之流量控制规则  
☞ \[博客导航\](https://blog.csdn.net/ooyhao/article/details/101559083)，\`带你有序的阅读和学习！\`  
概述  
继承结构  
基本代码  
基于QPS流量控制  
流量控制  
代码测试  
基于并发线程数控制  
基于调用关系的流量控制  
根据调用方限流  
根据调用链路限流  
具有关系的资源流量控制：关联流量控制  
自定义Origin  
概述  
流量控制(flow control), 其原理是监控应用的QPS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。

文档：https://github.com/alibaba/Sentinel/wiki/%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6

继承结构  
同一资源可以创建多条限流规则。我们先看一下继承结构：

下面是Rule接口代码：

public interface Rule \{  
boolean passCheck(Context context, DefaultNode node, int count, Object... args);  
\}  
1  
2  
3  
AbstractRule:

public abstract class AbstractRule implements Rule \{  
/\*\*  
\* 资源名，资源名是限流规则的作用对象。  
\*/  
private String resource;  
/\*\*  
\* 流控针对的调用来源，default代表不区分调用来源  
\*/  
private String limitApp;  
\}  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
FlowRule：

public class FlowRule extends AbstractRule \{  
/\*\*  
\* 限流阈值类型 0：线程数 1：QPS queries per second  
\*/  
private int grade = RuleConstant.FLOW\_GRADE\_QPS;

/\*\*  
\* 数量。限流阈值  
\*/  
private double count;

/\*\*  
\* 流控模式  
\* public static final int STRATEGY\_DIRECT = 0; //direct 直接模式  
\* public static final int STRATEGY\_RELATE = 1; //relate 关联  
\* public static final int STRATEGY\_CHAIN = 2; //chain 链路  
\*/  
private int strategy = RuleConstant.STRATEGY\_DIRECT;

/\*\*  
\* Reference resource in flow control with relevant resource or context.  
\*/  
private String refResource;

/\*\*  
\* Rate limiter control behavior.  
\* 流控控制效果（直接拒绝，Warm up，匀速排队）  
\* 0. default(reject directly), 1. warm up, 2. rate limiter, 3. warm up + rate limiter  
\*/  
private int controlBehavior = RuleConstant.CONTROL\_BEHAVIOR\_DEFAULT;

private int warmUpPeriodSec = 10;

/\*\*  
\* Max queueing time in rate limiter behavior.  
\*/  
private int maxQueueingTimeMs = 500;

private boolean clusterMode;  
/\*\*  
\* 集群模式  
\*/  
private ClusterFlowConfig clusterConfig;

/\*\*  
\* The traffic shaping (throttling) controller.  
\*/  
private TrafficShapingController controller;  
@Override  
public boolean passCheck(Context context, DefaultNode node, int acquireCount, Object... args) \{  
return true;  
\}  
\}  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  
45  
46  
47  
48  
49  
50  
51  
52  
53  
单条限流规则主要由以下几个因素组成，我们可以组合这些元素实现不同的限流效果：

resource : 资源名，即限流规则的作用对象  
count : 限流阈值  
grade : 限流阈值类型(QPS或是并发线程数)  
limitApp : 流控针对的调用来源，若为default 则不区分来源  
strategy : 调用关系限流策略  
controlBehavior ：流量控制效果(直接拒绝,Warm Up,均速排队)  
基本代码  
// EchoController  
@RestController  
public class EchoController \{  
@Autowired  
private EchoService echoService;  
  
@GetMapping("/echo/\{str\}")  
public String echo(@PathVariable String str, HttpServletRequest request)\{  
return echoService.echo(str);  
\}  
\}

// EchoService  
public interface EchoService \{  
String echo(String str);  
\}

// EchoServiceImpl  
@Service  
public class EchoServiceImpl implements EchoService \{

@Override  
@SentinelResource(value = "echo",blockHandler = "handleBlockException")  
public String echo(String str) \{  
return "echo str:"+str;  
\}

public String handleBlockException(String str, BlockException ex)\{  
return "str:"+str+" | e:"+ex;  
\}  
\}

1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
基于QPS流量控制  
当QPS超过某个阈值的时候，则采用措施进行流量控制（基于并发线程数的没有这个控制）。流量控制的手段包括以下几种：直接拒绝，Warm Up，均速排队。对应FlowRule 中的controlBeHavior字段。

https://github.com/alibaba/Sentinel/wiki/%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6\#22-qps%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6

流量控制  
直接拒绝:(RuleConstant.CONTROL\_BEHAVIOR\_DEFAULT)方式是默认的流量控制方式，当QPS超过任何规则的阈值后，新的请求就会立即拒绝，拒绝方式为抛出FlowException . 这种方式适用于对系统处理能力确切已知的情况下，比如通过压测确定了系统的准确水位时。

Warm Up:(RuleConstant.CONTROL\_BEHAVIOR\_WARM\_UP)方式，即预热/冷启动方式。当系统长期处理低水平的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。通过"冷启动"，让通过的流量缓慢增加，在一定时间内逐渐增加到阈值的上限，给系统一个预热的时间，避免冷系统被压垮。

通常冷启动的过程系统允许通过的 QPS 曲线如下图所示：

1  
均速排队:(RuleConstant.CONTROL\_BEHAVIOR\_RATE\_LIMITER)方式后严格控制请求通过的时间间隔，也即是让请求以均匀的速度通过，对应的是漏桶算法。

该方式的作用如下图所示：

这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，我们希望系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。  
1  
代码测试  
初始化规则：

/\*初始化规则\*/  
public static void initRule()\{  
List<FlowRule> rules = new ArrayList<>();  
//定义规则  
FlowRule rule = new FlowRule();  
//定义资源  
rule.setResource("echo");  
//定义模式  
rule.setGrade(RuleConstant.FLOW\_GRADE\_QPS);  
//定义阈值  
rule.setCount(2);  
rules.add(rule);  
FlowRuleManager.loadRules(rules);  
\}

public static void testFlowRule()\{  
initRule();  
Entry entry = null;  
for (int i = 0; i < 10; i++) \{  
try \{  
entry = SphU.entry("echo");  
System.out.println("访问成功");  
\} catch (BlockException e) \{  
System.out.println("当前访问人数过多，请刷新后重新!");  
\}finally \{  
if (entry != null)\{  
entry.exit();  
\}  
\}  
\}  
\}

// ============== 执行结果 =================  
/\*\*  
访问成功  
访问成功  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
当前访问人数过多，请刷新后重试!  
\*/  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  
45  
通过上面的代码可以测试出：当我们使用QPS为阈值类型时，并设置阈值为2，定义资源，其他默认，则表示一秒内，只需要通过两次请求，其他的均失败。

initRule()方法相当于在页面这样设置：

基于并发线程数控制  
代码测试：

public static void initFlowRuleForThreadNum() \{  
List<FlowRule> rules = new ArrayList<>();  
FlowRule rule = new FlowRule();  
//定义以线程数控制  
rule.setGrade(RuleConstant.FLOW\_GRADE\_THREAD);  
//定义资源名  
rule.setResource("echo");  
//定义并发线程数阈值  
rule.setCount(2);  
rules.add(rule);  
FlowRuleManager.loadRules(rules);  
\}

public static void testFlowRuleForThreadNum() \{  
initFlowRuleForThreadNum();  
for (int i = 0; i < 5; i++) \{  
new Thread() \{  
@Override  
public void run() \{  
for (int j = 0; j < 5; j++) \{  
Entry entry = null;  
try \{  
entry = SphU.entry("echo");  
System.out.println("操作成功！");  
\} catch (BlockException ex) \{  
System.out.println("当前访问人数过多，请刷新后重试!");  
\} finally \{  
if (entry != null) \{  
entry.exit();  
\}  
\}  
\}  
\}  
\}.start();  
\}  
\}  
// ========================测试结果==================

/\*\*操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
操作成功！  
当前访问人数过多，请刷新后重试!  
操作成功！\*/  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  
45  
46  
47  
48  
49  
50  
51  
52  
53  
54  
55  
56  
57  
58  
59  
60  
61  
62  
63  
上面的初始化规则，相当于：

基于调用关系的流量控制  
https://github.com/alibaba/Sentinel/wiki/%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6\#%E5%9F%BA%E4%BA%8E%E8%B0%83%E7%94%A8%E5%85%B3%E7%B3%BB%E7%9A%84%E6%B5%81%E9%87%8F%E6%8E%A7%E5%88%B6

根据调用方限流  
ContextUtil.enter(resourceName, origin) 方法中的origin 参数标明了调用身份。这些信息会在ClusterBuilderSlot 中统计。

流量规则中的limitApp 字段用于根据调用来源进行流量控制。该字段的值有以下三种选择，分别对应不同的场景：

default ：表示不区分调用者，来自任何调用者的请求都将进行限流统计。如果这个资源名的调用总和超过了这条规则定义的阈值，则出发限流。  
\{some\_origin\_name\} : 表示针对特定的调用者，只有来自这个调用者的请求才会进行流量控制。例如NodeA 配置了一条针对调用者caller1 的规则，那么当且仅当来自caller1 对 NodeA 的请求才会触发流量控制。  
other ：表示针对除\{some\_origin\_name\} 以外的其余调用方的流量进行流量控制。例如：资源NodeA 配置了一条针对调用者caller1 的限流规则，同时又配置了一条调用者为other 的规则，那么任意来自非caller1 对NodeA 的调用，都不能超过other这条规则定义的阈值。  
同一资源名可以配置多条规则，规则生效的顺序为:\{some\_origin\_name\} > other > default.

代码测试：

/\*定义根据调用者的流控规则\*/  
public static void initFlowRuleForCaller()\{  
List<FlowRule> rules = new ArrayList<>();  
FlowRule rule = new FlowRule();  
//定义资源名  
rule.setResource("echo");  
//定义阈值类型  
rule.setGrade(RuleConstant.FLOW\_GRADE\_QPS);  
//定义阈值  
rule.setCount(2);  
//定义限制调用者  
rule.setLimitApp("caller");  
rules.add(rule);

FlowRule rule1 = new FlowRule();  
rule1.setResource("echo");  
rule1.setGrade(RuleConstant.FLOW\_GRADE\_QPS);  
rule1.setLimitApp("other");  
rule1.setCount(3);  
rules.add(rule1);  
FlowRuleManager.loadRules(rules);  
\}

public static void testFlowRuleForCaller()\{  
initFlowRuleForCaller();  
for (int i = 0; i < 5; i++) \{  
ContextUtil.enter("c1","caller");  
Entry entry = null;  
try \{  
entry = SphU.entry("echo");  
System.out.println("访问成功");  
\} catch (BlockException e) \{  
System.out.println("网络异常，请刷新！");  
\}finally \{  
if (entry != null)\{  
entry.exit();  
\}  
\}  
\}  
\}  
// =========测试结果：=========  
/\*  
访问成功  
访问成功  
网络异常，请刷新！  
网络异常，请刷新！  
网络异常，请刷新！\*/

// ===========将caller换成caller1测试，结果如下============  
/\*  
访问成功  
访问成功  
访问成功  
网络异常，请刷新！  
网络异常，请刷新！\*/  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  
45  
46  
47  
48  
49  
50  
51  
52  
53  
54  
55  
56  
控制页面流控规则列表：

前面都是自己手动使用ContextUtil自己去埋点定义，那么在web场景下如何识别origin呢？

这一部分放到最后，：如何自定义origin ?

根据调用链路限流  
NodeSelectorSlot 中记录了资源之间的调用链路，这些资源通过调用关系，相互之间构成一棵调用树。这棵树的根节点是一个名字为 machine-root 的虚拟节点，调用链的入口都是这个虚节点的子节点。

一棵典型的调用树如下图所示：

machine-root  
/ \\  
/ \\  
Entrance1 Entrance2  
/ \\  
/ \\  
DefaultNode(nodeA) DefaultNode(nodeA)

1  
2  
3  
4  
5  
6  
7  
8  
上图中来自入口 Entrance1 和 Entrance2 的请求都调用到了资源 NodeA，Sentinel 允许只根据某个入口的统计信息对资源限流。比如我们可以设置 FlowRule.strategy 为 RuleConstant.CHAIN，同时设置 FlowRule.ref\_identity 为 Entrance1 来表示只有从入口 Entrance1 的调用才会记录到 NodeA 的限流统计当中，而不关心经 Entrance2 到来的调用。

调用链的入口（上下文）是通过 API 方法 ContextUtil.enter(contextName) 定义的，其中 contextName 即对应调用链路入口名称。

代码测试：

规则定义  
public static void initFlowRuleForLink()\{  
List<FlowRule> rules = new ArrayList<>();  
FlowRule rule = new FlowRule();  
//定义流控模式  
rule.setStrategy(RuleConstant.STRATEGY\_CHAIN);  
//定义资源名  
rule.setResource("echo");  
//定义入口资源  
rule.setRefResource("Entrance1");  
//定义阈值类型  
rule.setGrade(RuleConstant.FLOW\_GRADE\_QPS);  
//定义阈值  
rule.setCount(2);  
rules.add(rule);  
FlowRuleManager.loadRules(rules);  
\}  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
页面显示

测试  
public static void testFlowRuleForLink()\{  
initFlowRuleForLink();  
for (int i = 0; i < 5; i++) \{  
ContextUtil.enter("Entrance1");  
Entry entry = null;  
try \{  
entry = SphU.entry("echo");  
System.out.println("访问成功");  
\} catch (BlockException e) \{  
System.out.println("网络异常，请刷新！");  
\}finally \{  
if (entry != null)\{  
entry.exit();  
\}  
\}  
\}  
\}  
//========测试结果======  
/\*访问成功  
访问成功  
网络异常，请刷新！  
网络异常，请刷新！  
网络异常，请刷新！\*/

//========ContextUtil.enter("Entrance1");修改为ContextUtil.enter("Entrance2");====  
/\*  
访问成功  
访问成功  
访问成功  
访问成功  
访问成功  
\*/  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
根据测试结果可以看出，这里只对入口为Entrance1 进行流量控制，对Entrance2 不进行流量控制。

具有关系的资源流量控制：关联流量控制  
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，举例来说，read\_db 和 write\_db 这两个资源分别代表数据库读写，我们可以给 read\_db 设置限流规则来达到写优先的目的：设置 FlowRule.strategy 为 RuleConstant.RELATE 同时设置 FlowRule.ref\_identity 为 write\_db。这样当写库操作过于频繁时，读数据的请求会被限流。

自定义Origin  
alibaba的github FAQ中有提到：

https://github.com/alibaba/Sentinel/wiki/FAQ\#q-%E6%80%8E%E4%B9%88%E9%92%88%E5%AF%B9%E7%89%B9%E5%AE%9A%E8%B0%83%E7%94%A8%E7%AB%AF%E9%99%90%E6%B5%81%E6%AF%94%E5%A6%82%E6%88%91%E6%83%B3%E9%92%88%E5%AF%B9%E6%9F%90%E4%B8%AA-ip-%E6%88%96%E8%80%85%E6%9D%A5%E6%BA%90%E5%BA%94%E7%94%A8%E8%BF%9B%E8%A1%8C%E9%99%90%E6%B5%81%E8%A7%84%E5%88%99%E9%87%8C%E9%9D%A2-limitapp%E6%B5%81%E6%8E%A7%E5%BA%94%E7%94%A8%E7%9A%84%E4%BD%9C%E7%94%A8

在web情况下，会有一个名为CommonFilter 的Filter对请求进行过滤：我们来看一下源码：

public class CommonFilter implements Filter \{  
private final static String HTTP\_METHOD\_SPECIFY = "HTTP\_METHOD\_SPECIFY";  
private final static String COLON = ":";  
private boolean httpMethodSpecify = false;

@Override  
public void init(FilterConfig filterConfig) \{  
httpMethodSpecify = Boolean.parseBoolean(filterConfig.getInitParameter(HTTP\_METHOD\_SPECIFY));  
\}

@Override  
public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)  
throws IOException, ServletException \{  
HttpServletRequest sRequest = (HttpServletRequest)request;  
Entry urlEntry = null;

try \{  
String target = FilterUtil.filterTarget(sRequest);  
UrlCleaner urlCleaner = WebCallbackManager.getUrlCleaner();  
if (urlCleaner != null) \{  
target = urlCleaner.clean(target);  
\}  
  
if (!StringUtil.isEmpty(target)) \{  
//\*\*\*\*\*\*\* 主要看这个方法，这是用来转化origin的。  
String origin = parseOrigin(sRequest);  
ContextUtil.enter(WebServletConfig.WEB\_SERVLET\_CONTEXT\_NAME, origin);

if (httpMethodSpecify) \{  
  
String pathWithHttpMethod = sRequest.getMethod().toUpperCase() + COLON + target;  
urlEntry = SphU.entry(pathWithHttpMethod, ResourceTypeConstants.COMMON\_WEB,  
EntryType.IN);  
\} else \{  
urlEntry = SphU.entry(target, ResourceTypeConstants.COMMON\_WEB, EntryType.IN);  
\}  
\}  
chain.doFilter(request, response);  
\} catch (BlockException e) \{  
HttpServletResponse sResponse = (HttpServletResponse)response;  
WebCallbackManager.getUrlBlockHandler().blocked(sRequest, sResponse, e);  
\} catch (IOException | ServletException | RuntimeException e2) \{  
Tracer.traceEntry(e2, urlEntry);  
throw e2;  
\} finally \{  
if (urlEntry != null) \{  
urlEntry.exit();  
\}  
ContextUtil.exit();  
\}  
\}

private String parseOrigin(HttpServletRequest request) \{  
RequestOriginParser originParser = WebCallbackManager.getRequestOriginParser();  
String origin = EMPTY\_ORIGIN;  
if (originParser != null) \{  
origin = originParser.parseOrigin(request);  
if (StringUtil.isEmpty(origin)) \{  
return EMPTY\_ORIGIN;  
\}  
\}  
return origin;  
\}

@Override  
public void destroy() \{\}  
private static final String EMPTY\_ORIGIN = "";  
\}  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  
45  
46  
47  
48  
49  
50  
51  
52  
53  
54  
55  
56  
57  
58  
59  
60  
61  
62  
63  
64  
65  
66  
67  
68  
parseOrigin方法：

private String parseOrigin(HttpServletRequest request) \{  
//这个方法需要从WebCallbackManager中拿出一个RequestOriginParser.  
RequestOriginParser originParser = WebCallbackManager.getRequestOriginParser();  
String origin = EMPTY\_ORIGIN;  
if (originParser != null) \{  
origin = originParser.parseOrigin(request);  
if (StringUtil.isEmpty(origin)) \{  
return EMPTY\_ORIGIN;  
\}  
\}  
return origin;  
\}  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
RequestOriginParser接口：

public interface RequestOriginParser \{  
String parseOrigin(HttpServletRequest request);  
\}  
1  
2  
3  
在项目中这个接口是没有实现的，所以正常情况下origin = "". 我们需要自己实现，并将其加入到spring容器中即可。

/\*\*  
\* @author hao.ouYang  
\* @create 2019-10-22 18:25  
\*/  
@Component  
public class IOriginParser implements RequestOriginParser \{  
@Override  
public String parseOrigin(HttpServletRequest request) \{  
String id = request.getParameter("id");  
System.out.println(id);  
return id;  
\}  
\}  
————————————————  
版权声明：本文为CSDN博主「ooyhao」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。  
原文链接：https://blog.csdn.net/ooyhao/article/details/102745914