sentinel

随着分布式系统变得越来越流行，服务之间的可靠性变得比以往任何时候都更加重要。 Sentinel是强大的流控制组件，以“流”为切入点，涵盖多个领域，包括流控制，并发限制，熔断和自适应系统保护，以确保微服务的可靠性。

2012年，Sentinel诞生于阿里巴巴，其主要目标是流量控制。2013-2017年，Sentinel迅速发展，并成为阿里巴巴所有微服务的基本组成部分。 它已在6000多个应用程序中使用，涵盖了几乎所有核心电子商务场景。2018年，Sentinel演变为一个开源项目。2020年，Sentinel Golang发布。

Sentinel的生态圈

Sentinel 主要特性

Sentinel 的使用可以分为两个部分:

核心库（Java 客户端）：不依赖任何框架/库，能够运行于 Java 7 及以上的版本的运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。控制台（Dashboard）：控制台主要负责管理推送规则、监控、集群限流分配管理、机器发现等。在这里我们看下控制台的使用

控制台安装

下载地址：https://github.com/alibaba/Sentinel/releases，sentinel-dashboard-1.7.2.jar

本地需要先安装好Java8环境，8080端口没被占用。

cmd安装目录，运行命令java -jar sentinel-dashboard-1.7.2.jar

访问http://localhost:8080/

默认账号密码都为sentinel,登陆进去，控制台安装完毕。

功能使用

还是以之前讲解Nacos的项目，讲解sentinel的使用，新建一个模块cloudalibaba-sentinel-8401。

引入依赖

<!-- 引入自己定义的通用包--> <dependency> <artifactId>springcloud-commom</artifactId> <groupId>com.learn.springcloud</groupId><version>1.0-SNAPSHOT</version> </dependency> <!--SpringCloud ailibaba nacos --> <dependency><groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId> </dependency> <!--SpringCloud ailibaba sentinel --> <dependency><groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency> <!-- SpringBoot整合Web组件+actuator --> <dependency><groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency><groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency>

添加配置文件application.yml

server:port: 8401spring: application: name: cloudalibaba-sentinel-service cloud: nacos: discovery: server-addr: localhost:8848 #Nacos服务注册中心地址 sentinel: transport: dashboard: localhost:8080 #配置Sentinel dashboard地址 port: 8719management: endpoints: web:exposure: include: '*'

controller

@RestControllerpublic class FlowLimitController {@GetMapping("/test") public String testA() { return "------hello sentinel-----------"; }}

启动类添加@EnableDiscoveryClient注解，先启动nacos，启动项目。

启动成功，服务已注册到nacos。

访问请求，http://localhost:8401/test。

刷新sentinel控制台，点击簇点链路。

点击流控，或下面的流控规则。那具体这些是干嘛用的？下面将一一介绍。

流控规则

资源名：唯一名称，默认请求路径

针对卡片：Sentinel可以针对调用者进行限流，填写微服务名，默认为default(不区分来源)

阈值类型/单机阈值：

1.QPS：每秒请求数，当前调用该api的QPS到达阈值的时候进行限流

2.线程数：当调用该api的线程数到达阈值的时候，进行限流

是否集群：是否为集群

流控模式：

1.直接：当api大达到限流条件时，直接限流

2.关联：当关联的资源到达阈值，就限流自己

3.链路：只记录指定路上的流量，指定资源从入口资源进来的流量，如果达到阈值，就进行限流，api级别的限流

举例，先看流控模式为直接

选择QPS，直接，快速失败，单机阈值为1。

频繁刷新请求，1秒访问1次请求，正常，超过设置的阈值，将报默认的错误。

再次的1秒访问1次请求，访问正常。

流控模式为关联

添加一个请求

@GetMapping("/testGualian")public String testGualian(){return "------testGualian-----------";}

选择QPS，单机阈值为1，选择关联，关联资源为/testGualian，这里用Jmeter模拟高并发，请求/testGualian。

在大批量线程高并发访问/testGualian，导致/test失效了

链路就不再演示了。多个请求调用同一微服务。

流控模式为Warm up（预热）

当流量突然增大的时候，我们常常会希望系统从空闲状态到繁忙状态的切换的时间长一些。即如果系统在此之前长期处于空闲的状态，我们希望处理请求的数量是缓步的增多，经过预期的时间以后，到达系统处理请求个数的最大值。Warm Up（冷启动，预热）模式就是为了实现这个目的的。

默认 coldFactor 为 3，即请求 QPS 从 threshold / 3 开始，经预热时长逐渐升至设定的 QPS 阈值。

先在单机阈值10/3，3的时候，预热5秒后，慢慢将阈值升至10。刚开始刷/test，会出现默认错误，预热时间到了后，阈值增加，没超过阈值刷新，请求正常。

通常冷启动的过程系统允许通过的 QPS 曲线如下图所示：

如秒杀系统在开启瞬间，会有很多流量上来，很可能把系统打死，预热方式就是为了保护系统，可慢慢的把流量放进来，慢慢的把阈值增长到设置的阈值。

流控模式为排队等待

匀速排队（RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER）方式会严格控制请求通过的间隔时间，也即是让请求以均匀的速度通过，对应的是漏桶算法。阈值必须设置为QPS。

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。

总结

到这已经学习Sentinel的基本的使用，在很多的特性和Hystrix有很多类似的功能。以下是Sentinel和Hystrix的对比。

后续将介绍Sentinel其他内容。