Sentinel基本使用--基于QPS流量控制(二), 采用Warm Up预热/冷启动方式控制突增流量

Sentinel基本使用--基于QPS流量控制(二), 采用Warm Up预热/冷启动方式控制突增流量

2019年02月18日 23:52:37 xiongxianze 阅读数 398更多

分类专栏： 1====>Java

 

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/xiongxianze/article/details/87580917

一, Warm Up

Sentinel的Warm Up（RuleConstant.CONTROL_BEHAVIOR_WARM_UP）方式，即预热/冷启动方式。当系统长期处于低水位的情况下，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上限，给冷系统一个预热的时间，避免冷系统被压垮。warm up冷启动主要用于启动需要额外开销的场景，例如建立数据库连接等。

二, 实例

本文结合sentinel提供的示例, 通过dashboard控制台展示warm up方式启动流量曲线变化, 

WarmUpFlowDemo类说明:

1 初始化基于QPS流控规则, 流控效果使用warm up; 阈值 : 1000, 预热时间60s;

1.  
   private static void initFlowRule() {
2.  
   List<FlowRule> rules = new ArrayList<FlowRule>();
3.  
   FlowRule rule1 = new FlowRule();
4.  
   rule1.setResource(KEY);
5.  
   // 这里设置QPS最大的阈值1000, 尽量设置大一点, 便于在监控台查看流量变化曲线
6.  
   rule1.setCount(1000);
7.  
   // 基于QPS流控规则
8.  
   rule1.setGrade(RuleConstant.FLOW_GRADE_QPS);
9.  
   // 默认不区分调用来源
10.  
    rule1.setLimitApp("default");
11.  
    // 流控效果, 采用warm up冷启动方式
12.  
    rule1.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP);
13.  
    // 在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮。
14.  
    // warmUpPeriodSec 代表期待系统进入稳定状态的时间（即预热时长）。
15.  
    // 这里预热时间为1min, 便于在dashboard控制台实时监控查看QPS的pass和block变化曲线
16.  
    rule1.setWarmUpPeriodSec(60); // 默认值为10s
17.  
     
18.  
    rules.add(rule1);
19.  
    FlowRuleManager.loadRules(rules);
20.  
    }

2 启动一个TimerTask线程, 统计每一秒的pass, block, total这三个指标;

1.  
   static class TimerTask implements Runnable {
2.  
    
3.  
   @Override
4.  
   public void run() {
5.  
   long start = System.currentTimeMillis();
6.  
   System.out.println("begin to statistic!!!");
7.  
   long oldTotal = 0;
8.  
   long oldPass = 0;
9.  
   long oldBlock = 0;
10.  
    while (!stop) {
11.  
    try {
12.  
    TimeUnit.SECONDS.sleep(1);
13.  
    } catch (InterruptedException e) {
14.  
    }
15.  
     
16.  
    long globalTotal = total.get();
17.  
    long oneSecondTotal = globalTotal - oldTotal;
18.  
    oldTotal = globalTotal;
19.  
     
20.  
    long globalPass = pass.get();
21.  
    long oneSecondPass = globalPass - oldPass;
22.  
    oldPass = globalPass;
23.  
     
24.  
    long globalBlock = block.get();
25.  
    long oneSecondBlock = globalBlock - oldBlock;
26.  
    oldBlock = globalBlock;
27.  
     
28.  
    System.out.println("currentTimeMillis:" + TimeUtil.currentTimeMillis() + ", totalSeconds:"
29.  
    + TimeUtil.currentTimeMillis() / 1000 + ", currentSecond:"
30.  
    + (TimeUtil.currentTimeMillis() / 1000) % 60 + ", total:" + oneSecondTotal
31.  
    + ", pass:" + oneSecondPass + ", block:" + oneSecondBlock);
32.  
     
33.  
    if (seconds-- <= 0) {
34.  
    stop = true;
35.  
    }
36.  
    }
37.  
     
38.  
    long cost = System.currentTimeMillis() - start;
39.  
    System.out.println("time cost: " + cost + " ms");
40.  
    System.out.println("total:" + total.get() + ", pass:" + pass.get() + ", block:" + block.get());
41.  
    System.exit(0);
42.  
    }
43.  
    }

3 同时启动三个WarmUpTask线程, 设置其休眠时间小于2s, 使系统访问资源处于一个较低的流量 .

①同时启动3个WarmUpTask线程

1.  
   for (int i = 0; i < 3; i++) {
2.  
   Thread t = new Thread(new WarmUpTask());
3.  
   t.setName("sentinel-warmup-task");
4.  
   t.start();
5.  
   }

②WarmUpTask线程休眠小于2s, 通过控制休眠时间, 达到控制访问资源的流量处于一个较低的水平.

1.  
   static class WarmUpTask implements Runnable {
2.  
    
3.  
   @Override
4.  
   public void run() {
5.  
   while (!stop) {
6.  
   Entry entry = null;
7.  
   try {
8.  
   entry = SphU.entry(KEY);
9.  
   // token acquired, means pass
10.  
    pass.addAndGet(1);
11.  
    } catch (BlockException e1) {
12.  
    block.incrementAndGet();
13.  
    } catch (Exception e2) {
14.  
    // biz exception
15.  
    } finally {
16.  
    total.incrementAndGet();
17.  
    if (entry != null) {
18.  
    entry.exit();
19.  
    }
20.  
    }
21.  
    Random random2 = new Random();
22.  
    try {
23.  
    // 随机休眠时间<2s, 通过设置休眠时间, 模拟访问资源的流量大小
24.  
    TimeUnit.MILLISECONDS.sleep(random2.nextInt(2000));
25.  
    } catch (InterruptedException e) {
26.  
    // ignore
27.  
    }
28.  
    }
29.  
    }
30.  
    }

4 WarmUpTask线程运行20s后,再同时启动100个线程, 设置其休眠时间小于50ms, 这样就模拟造成了访问资源的流量突增, 一是可以查看后台console观察流量变化数值, 而是查看监控台的实时监控, 能比较直观的看见warm up过程.

①20s后, 再同时启动100个线程

1.  
   // 20s开始有突增的流量进来, 访问资源
2.  
   Thread.sleep(20000);

②再同时启动100个线程, 模拟突增的流量访问资源

1.  
   // 创建一个100线程, 模拟突增的流量访问被保护的资源
2.  
   for (int i = 0; i < threadCount; i++) {
3.  
   Thread t = new Thread(new RunTask());
4.  
   t.setName("sentinel-run-task");
5.  
   t.start();
6.  
   }

③RunTask线程休眠时间小于50ms, 这样每个线程就能多次的访问资源, 模拟造成资源被突增的流量访问. 这样对资源的访问流量就处于一个较高的水平.

1.  
   static class RunTask implements Runnable {
2.  
    
3.  
   @Override
4.  
   public void run() {
5.  
   while (!stop) {
6.  
   Entry entry = null;
7.  
   try {
8.  
   entry = SphU.entry(KEY);
9.  
   pass.addAndGet(1);
10.  
    } catch (BlockException e1) {
11.  
    block.incrementAndGet();
12.  
    } catch (Exception e2) {
13.  
    // biz exception
14.  
    } finally {
15.  
    total.incrementAndGet();
16.  
    if (entry != null) {
17.  
    entry.exit();
18.  
    }
19.  
    }
20.  
    Random random2 = new Random();
21.  
    try {
22.  
    // 随机休眠时间<50ms, 通过设置休眠时间, 模拟访问资源的流量大小
23.  
    TimeUnit.MILLISECONDS.sleep(random2.nextInt(50));
24.  
    } catch (InterruptedException e) {
25.  
    // ignore
26.  
    }
27.  
    }
28.  
    }
29.  
    }

三, 后台console端每秒展示pass, block, total数据.

①从下图可以很明显的看出, 有一个很明显的流量激增, total由原来的几或者几十, 突然增加到了4000左右, 而pass也是陡然的增加到了几百, block也由原来的0变成了3500左右.

②接着往下看, 由于我们设置的阈值为1000, 所以最终的pass值是稳定在1000没有问题; 流控效果采用warm up方式, pass的值不是一下子增加到1000, 而是由300-->400-->500-->600-->700-->800-->900-->1000逐渐增加的.

③最终QPS流量稳定在最大阈值1000, 如下图:

四, dashboard控制台流量曲线展示

① 下图展示的是, 访问资源的流量刚开始处于一个较低的水平, QPS大概只有3左右;

②下图可以明显的看到绿曲线p_qps是一个逐渐上升的过程, 代表着访问资源的流量逐渐变大, 最终稳定在阈值1000QPS.

③下图, 展示的是38分51秒左右, 经过60s的预热, QPS最终达到阈值1000. 

完整代码:

1.  
   public class WarmUpFlowDemo {
2.  
    
3.  
   private static final String KEY = "abc";
4.  
    
5.  
   private static AtomicInteger pass = new AtomicInteger();
6.  
   private static AtomicInteger block = new AtomicInteger();
7.  
   private static AtomicInteger total = new AtomicInteger();
8.  
    
9.  
   private static volatile boolean stop = false;
10.  
     
11.  
    private static final int threadCount = 100;
12.  
    private static int seconds = 60 + 40;
13.  
     
14.  
    public static void main(String[] args) throws Exception {
15.  
    initFlowRule();
16.  
    // trigger Sentinel internal init
17.  
    Entry entry = null;
18.  
    try {
19.  
    entry = SphU.entry(KEY);
20.  
    } catch (Exception e) {
21.  
    } finally {
22.  
    if (entry != null) {
23.  
    entry.exit();
24.  
    }
25.  
    }
26.  
     
27.  
    Thread timer = new Thread(new TimerTask());
28.  
    timer.setName("sentinel-timer-task");
29.  
    timer.start();
30.  
     
31.  
    // first make the system run on a very low condition
32.  
    // 创建3个线程, 模拟一个系统处于一个低水平流量
33.  
    for (int i = 0; i < 3; i++) {
34.  
    Thread t = new Thread(new WarmUpTask());
35.  
    t.setName("sentinel-warmup-task");
36.  
    t.start();
37.  
    }
38.  
     
39.  
    // 20s开始有突增的流量进来, 访问资源
40.  
    Thread.sleep(20000);
41.  
     
42.  
    /*
43.  
    * Start more thread to simulate more qps. Since we use {@link RuleConstant.CONTROL_BEHAVIOR_WARM_UP} as {@link
44.  
    * FlowRule#controlBehavior}, real passed qps will increase to {@link FlowRule#count} in {@link
45.  
    * FlowRule#warmUpPeriodSec} seconds.
46.  
    */
47.  
    // 创建一个100线程, 模拟突增的流量访问被保护的资源
48.  
    for (int i = 0; i < threadCount; i++) {
49.  
    Thread t = new Thread(new RunTask());
50.  
    t.setName("sentinel-run-task");
51.  
    t.start();
52.  
    }
53.  
    }
54.  
     
55.  
    private static void initFlowRule() {
56.  
    List<FlowRule> rules = new ArrayList<FlowRule>();
57.  
    FlowRule rule1 = new FlowRule();
58.  
    rule1.setResource(KEY);
59.  
    // 设置最大阈值为20
60.  
    // rule1.setCount(20);
61.  
    // 这里设置QPS最大的阈值1000, 便于查看变化曲线
62.  
    rule1.setCount(1000);
63.  
    rule1.setGrade(RuleConstant.FLOW_GRADE_QPS);
64.  
    rule1.setLimitApp("default");
65.  
    rule1.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP);
66.  
    // 在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮。
67.  
    // warmUpPeriodSec 代表期待系统进入稳定状态的时间（即预热时长）。
68.  
    // 这里预热时间为1min, 便于在dashboard控制台实时监控查看QPS的pass和block变化曲线
69.  
    rule1.setWarmUpPeriodSec(60); // 默认值为10s
70.  
     
71.  
    rules.add(rule1);
72.  
    FlowRuleManager.loadRules(rules);
73.  
    }
74.  
     
75.  
    static class WarmUpTask implements Runnable {
76.  
     
77.  
    @Override
78.  
    public void run() {
79.  
    while (!stop) {
80.  
    Entry entry = null;
81.  
    try {
82.  
    entry = SphU.entry(KEY);
83.  
    // token acquired, means pass
84.  
    pass.addAndGet(1);
85.  
    } catch (BlockException e1) {
86.  
    block.incrementAndGet();
87.  
    } catch (Exception e2) {
88.  
    // biz exception
89.  
    } finally {
90.  
    total.incrementAndGet();
91.  
    if (entry != null) {
92.  
    entry.exit();
93.  
    }
94.  
    }
95.  
    Random random2 = new Random();
96.  
    try {
97.  
    // 随机休眠时间<2s, 通过设置休眠时间, 模拟访问资源的流量大小
98.  
    TimeUnit.MILLISECONDS.sleep(random2.nextInt(2000));
99.  
    } catch (InterruptedException e) {
100.  
     // ignore
101.  
     }
102.  
     }
103.  
     }
104.  
     }
105.  
      
106.  
     static class RunTask implements Runnable {
107.  
      
108.  
     @Override
109.  
     public void run() {
110.  
     while (!stop) {
111.  
     Entry entry = null;
112.  
     try {
113.  
     entry = SphU.entry(KEY);
114.  
     pass.addAndGet(1);
115.  
     } catch (BlockException e1) {
116.  
     block.incrementAndGet();
117.  
     } catch (Exception e2) {
118.  
     // biz exception
119.  
     } finally {
120.  
     total.incrementAndGet();
121.  
     if (entry != null) {
122.  
     entry.exit();
123.  
     }
124.  
     }
125.  
     Random random2 = new Random();
126.  
     try {
127.  
     // 随机休眠时间<50ms, 通过设置休眠时间, 模拟访问资源的流量大小
128.  
     TimeUnit.MILLISECONDS.sleep(random2.nextInt(50));
129.  
     } catch (InterruptedException e) {
130.  
     // ignore
131.  
     }
132.  
     }
133.  
     }
134.  
     }
135.  
      
136.  
     static class TimerTask implements Runnable {
137.  
      
138.  
     @Override
139.  
     public void run() {
140.  
     long start = System.currentTimeMillis();
141.  
     System.out.println("begin to statistic!!!");
142.  
     long oldTotal = 0;
143.  
     long oldPass = 0;
144.  
     long oldBlock = 0;
145.  
     while (!stop) {
146.  
     try {
147.  
     TimeUnit.SECONDS.sleep(1);
148.  
     } catch (InterruptedException e) {
149.  
     }
150.  
      
151.  
     long globalTotal = total.get();
152.  
     long oneSecondTotal = globalTotal - oldTotal;
153.  
     oldTotal = globalTotal;
154.  
      
155.  
     long globalPass = pass.get();
156.  
     long oneSecondPass = globalPass - oldPass;
157.  
     oldPass = globalPass;
158.  
      
159.  
     long globalBlock = block.get();
160.  
     long oneSecondBlock = globalBlock - oldBlock;
161.  
     oldBlock = globalBlock;
162.  
      
163.  
     System.out.println("currentTimeMillis:" + TimeUtil.currentTimeMillis() + ", totalSeconds:"
164.  
     + TimeUtil.currentTimeMillis() / 1000 + ", currentSecond:"
165.  
     + (TimeUtil.currentTimeMillis() / 1000) % 60 + ", total:" + oneSecondTotal
166.  
     + ", pass:" + oneSecondPass + ", block:" + oneSecondBlock);
167.  
      
168.  
     if (seconds-- <= 0) {
169.  
     stop = true;
170.  
     }
171.  
     }
172.  
      
173.  
     long cost = System.currentTimeMillis() - start;
174.  
     System.out.println("time cost: " + cost + " ms");
175.  
     System.out.println("total:" + total.get() + ", pass:" + pass.get() + ", block:" + block.get());
176.  
     try {
177.  
     TimeUnit.SECONDS.sleep(60);
178.  
     } catch (InterruptedException e) {
179.  
     // TODO Auto-generated catch block
180.  
     e.printStackTrace();
181.  
     }
182.  
     System.exit(0);
183.  
     }
184.  
     }
185.  
     }

要想在将变化数据展示在dashboard控制台, 启动时需要配置:

-Dcsp.sentinel.dashboard.server=127.0.0.1:8080
-Dcsp.sentinel.api.port=8719
-Dproject.name=WarmUpFlowDemo

具体接入dashboard, 可参考上一篇博客, Sentinel基本使用--基于QPS流量控制(一), 采用默认快速失败/直接拒绝策略控制超过阈值的流量(结合Dashboard使用)

五, 总结

上面主要讲述了QPS流量控制, 采用Warm Up预热/冷启动方式控制突增流量, 通过在后台console观察数据以及结合dashboard图表的形式, 能很清晰的了解到warm up冷启动方式控制突增流量, 保护资源, 维护系统的稳定性的.