【Sentinel】Sentinel与gateway的限流算法

分手后的思念是犯贱 2023-10-15 15:34 57阅读 0赞

#### 文章目录 ####

*  1、Sentinel与Hystrix的区别
 *  2、限流算法
 *  3、限流算法对比
 *  4、Sentinel限流与Gateway限流

## 1、Sentinel与Hystrix的区别 ##

线程隔离有两种方式实现：

*  线程池隔离（Hystrix默认采用）
 *  信号量隔离（Sentinel默认采用）

![在这里插入图片描述][32d9e3cdbfab440ebd302341da882c9d.png]

服务I需要远程调用服务A、服务B，则创建两个线程池，分别用来处理服务I–>服务A，和服务I–>服务B的请求。和线程池隔离不同的是，信号量隔离比较轻量级，就维护一个计数器就好，不用去维护线程数量。二者的优缺点来说，线程池隔离的优点是：

*  支持主动超时：线程是我定义的，我自己可以来中断、超时
 *  支持异步调用

缺点则是：

*  线程的额外开销比较大

![在这里插入图片描述][daf2b8746480450dba7dc7bea0a38b68.png]  
**总结就是：**

> `Hystix默认是基于线程池实现的线程隔离，每一个被隔离的业务都要创建一个独立的线程池，线程过多会带来额外的CPU开销，性能一般，但是隔离性更强`。  
>   
> `Sentinel是基于信号量（计数器）实现的线程隔离，不用创建线程池，性能较好，但是隔离性一般`。

## 2、限流算法 ##

**限流：对应用服务器的请求做限制，避免因过多请求而导致服务器过载甚至宕机。**

限流算法常见的包括两种：

*  **计数器算法**，又包括窗口计数器算法、滑动窗口计数器算法
 *  **令牌桶算法**（Token Bucket）
 *  **漏桶算法**(Leaky Bucket)

> 计数器算法之固定窗口计数器算法：

固定窗口计数器的实现为：

*  将时间划分为多个窗口，窗口的时间跨度称为Interval，比如取1000ms
 *  每个窗口维护一个计数器，每有一次请求就将计数器加一，限流就是设置计数器阈值，本例为3
 *  当该窗口所在时间里，请求数超过阈值，则超出部分的请求直接都被丢弃

![在这里插入图片描述][57b3f260c7cd4e6792c93e15081ec6b0.png]

固定窗口计数，有个问题就是：如下图，当4000-5000ms的前500ms没请求，4500-5000ms刚好三个请求，此时，未达阈值。5000-6000ms中，前500ms有三个请求，后500ms没请求，则5000-6000也未达阈值。但从4500-5500ms这一秒，则有6个请求，如果服务真的最多只能承受QPS3，则这样服务可能宕机。

![在这里插入图片描述][c62b7022752e4da0a97dc66de0395d27.png]

> 计数器算法之滑动窗口计数器算法：

滑动窗口计数器算法会将一个窗口划分为n个更小的区间：**（在窗口的基础上引入区间的概念）**

*  窗口时间跨度Interval为1秒；区间数量 n = 2 ，则每个小区间时间跨度为500ms
 *  限流阈值依然为3，时间窗口（1秒）内请求超过阈值时，超出的请求被限流
 *  此时的窗口不再是固定的1000-2000ms或者1500-2500ms，而是 **根据当前请求所在时间（currentTime）移动** ，`这个滑动窗口范围是从（currentTime减去Interval）之后的第一个时区开始，到currentTime所在时区结束，来做为统计的窗口`

![在这里插入图片描述][807cf3114fe54a1cb18dabeb81ffaed6.png]

举个例子：如上图，比如1250ms有个请求进来，则1250-1000=250，250ms之后的第一个时区则是500到1000区间，1250ms自身所在时区为1000到1500ms，所以对应的滑动窗口就是500到1500ms这个时区。（图中紫色虚线）

![在这里插入图片描述][a822d7e70eae4f358fb0f7cf24730319.png]  
如上图，再往后，1300ms有个请求，此时，滑动窗口计算后还是500-1500ms，这个窗口当前共有三个请求，分别在900ms、1250ms、1300ms到达。此时1400ms再来一个，滑动窗口计算后还是500-1500ms，但显然这个窗口QPS已经到3了，1400ms的请求会被丢弃。到此，固定窗口的统计问题得到了解决。

![在这里插入图片描述][592c36eac53c495ab31bde306f9d5f11.png]  
再往后，2100ms，则计算后，滑动窗口在1500到2500ms（紫色虚线），未达QPS阈值，但看1250ms到2100ms这850ms的时间，不到一个窗口时间跨度Interval，却有4个请求 > 3 。**这个就是区间划分的问题了，区间越小，则限流越准。** 比如以125ms为一个区间，2100-1000=1100，在1000到1125区间，下一个为1125到1250，所以滑动窗口为1125到2125ms，这个窗口已有1250、1300、1600到的三个请求，因此2100会被丢弃。

当然，不管这个区间多小，总有可能有卡边界前后请求导致QPS超过的情况。考虑上现实世界，这个窗口是没必要设置成极限值的，比如1ms，差不多100ms就已经可以解决大多情况。

> 令牌桶算法：

*  以固定的速率生成令牌，存入令牌桶中，如果令牌桶满了以后，多余令牌丢弃
 *  请求进入后，必须先尝试从桶中获取令牌，获取到令牌后才可以被处理
 *  如果令牌桶中没有令牌，则请求等待或丢弃

![在这里插入图片描述][aeda5513332c44cda64a2981b2a32386.png]

> 漏桶算法：

*  将每个请求视作"水滴"放入"漏桶"进行存储
 *  "漏桶"以固定速率向外"漏"出请求来执行，如果"漏桶"空了则停止"漏水”
 *  如果"漏桶"满了则多余的"水滴"会被直接丢弃
 *  可以理解成请求在桶内排队等待

![在这里插入图片描述][e75a2607cb194b71a503873569ba5687.png]  
Sentinel在实现漏桶算法时，采用了排队等待模式。让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。并发的多个请求必须等待，**预期的等待时长 =最近一次请求的预期等待时间 + 允许的间隔**。如果请求预期的等待时间超出最大时长，则会被拒绝。

例如：
    - QPS = 5，意味着每200ms处理一个队列中的请求；
    - timeout = 2000，意味着预期等待超过2000ms的请求会被拒绝并抛出异常

![在这里插入图片描述][46772bfca6bf447c8e27b017e77cc7cd.png]

## 3、限流算法对比 ##

因为计数器算法一般都会采用滑动窗口计数器，所以这里我们对比三种算法：

![在这里插入图片描述][5a27eab1242049d79cb9856fdf28e2eb.png]

## 4、Sentinel限流与Gateway限流 ##

限流算法常见的有三种实现：滑动时间窗口、令牌桶算法、漏桶算法。**Gateway则采用了基于Redis实现的令牌桶算法**。而Sentinel内部却比较复杂：

*  默认限流模式是基于滑动时间窗口算法
 *  排队等待的限流模式则基于漏桶算法
 *  而热点参数限流则是基于令牌桶算法

[32d9e3cdbfab440ebd302341da882c9d.png]: https://img-blog.csdnimg.cn/32d9e3cdbfab440ebd302341da882c9d.png
[daf2b8746480450dba7dc7bea0a38b68.png]: https://img-blog.csdnimg.cn/daf2b8746480450dba7dc7bea0a38b68.png
[57b3f260c7cd4e6792c93e15081ec6b0.png]: https://img-blog.csdnimg.cn/57b3f260c7cd4e6792c93e15081ec6b0.png
[c62b7022752e4da0a97dc66de0395d27.png]: https://img-blog.csdnimg.cn/c62b7022752e4da0a97dc66de0395d27.png
[807cf3114fe54a1cb18dabeb81ffaed6.png]: https://img-blog.csdnimg.cn/807cf3114fe54a1cb18dabeb81ffaed6.png
[a822d7e70eae4f358fb0f7cf24730319.png]: https://img-blog.csdnimg.cn/a822d7e70eae4f358fb0f7cf24730319.png
[592c36eac53c495ab31bde306f9d5f11.png]: https://img-blog.csdnimg.cn/592c36eac53c495ab31bde306f9d5f11.png
[aeda5513332c44cda64a2981b2a32386.png]: https://img-blog.csdnimg.cn/aeda5513332c44cda64a2981b2a32386.png
[e75a2607cb194b71a503873569ba5687.png]: https://img-blog.csdnimg.cn/e75a2607cb194b71a503873569ba5687.png
[46772bfca6bf447c8e27b017e77cc7cd.png]: https://img-blog.csdnimg.cn/46772bfca6bf447c8e27b017e77cc7cd.png
[5a27eab1242049d79cb9856fdf28e2eb.png]: https://img-blog.csdnimg.cn/5a27eab1242049d79cb9856fdf28e2eb.png