熔断规则
在面对调用链路中不稳定的资源如何保证高可用？在微服务中一个服务通常会调用其他的模块，可能是服务内的某个应用也有可能是另外的一个远程服务，数据库或者其他API调用。比如我们在支付的时候会调用（某付宝、某信、某联）提供的API，在查询订单我们会调用数据库连接，这些依赖的服务有可能会存在系统不稳定的情况，如果依赖的服务出现了不稳定的情况，请求响应时间过长，线程资源产生堆积，可能最终会耗尽服务的资源，导致服务变的不可用，这个时候 熔断降级 是保证服务高可用的重要措施之一。
如今的微服务都是分布式，有很多服务组成，不同服务之间互相调用，有着比较复杂的调用链路，在上面我们只是模拟绘画了支付操作，在实际的链路调用过程中会有着放大效果，如果某一环不稳定，可能会形成 蝴蝶效应 最终导致整个链路响应时间过长，甚至不可用，所以如果当我们的服务出现 不稳定且没有强依赖服务 调用的时，可以进行熔断降级，暂时限制不稳定的调用，避免影响整体服务。
熔断策略：
sentinel提供了三种熔断策略
-
慢调用比例: 选择以慢调用比例作为阈值，需要设置允许的慢调用RT(最大响应时间)，如果请求响应时间大于该值则认为慢调用，当统计时长内请求数 大于 最小请求数，且慢调用比例大于阈值，在熔断时长内的请求会被自动熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求响应时间 小于 慢调用比例RT结束熔断，否则再次熔断。
-
异常比例： 当统计时长内请求数 大于 最小请求数，且异常比例大于设定的阈值，在熔断时间内请求自动熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求成功，结束熔断，否则再次熔断，异常比例阈值范围（0.0-1.0）代表百分比。
-
异常数： 当统计时长内异常数 大于 阈值，自动进行熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求成功，结束熔断，否则再次熔断。
熔断状态：
| 熔断状态 | 说明 |
|---|---|
| OPEN | 熔断开启，拒绝所有请求 |
| HALF_OPEN | 熔断半开启（恢复状态），如果接下来请求成功结束熔断，否则继续熔断 |
| CLOSE | 熔断关闭，请求通过 |
热点参数规则的核心属性：
| 属性(Field) | 说明 | 默认值 |
|---|---|---|
| resource | 资源名(规则的作用对象 ) 必填 | |
| grade | 熔断策略(支持慢调用比例/异常比例/异常数策略) 必填 | 慢调用比例 |
| count | 慢调用比例模式下为慢调用临界 RT（超出该值计为慢调用）；异常比例/异常数模式下为对应的阈值 | |
| timeWindow | 熔断时长，单位为 s | |
| minRequestAmount | 熔断触发的最小请求数，请求数小于该值时即使异常比率超出阈值也不会熔断（1.7.0 引入） | 5 |
| statIntervalMs | 统计时长（单位为 ms），如 60*1000 代表分钟级（1.8.0 引入） | 1000 ms |
| slowRatioThreshold | 慢调用比例阈值，仅慢调用比例模式有效（1.8.0 引入） |
熔断策略 - 慢调用比例
选择以慢调用比例作为阈值，需要设置允许的慢调用RT(最大响应时间)，如果请求响应时间大于该值则认为慢调用，当统计时长内请求数 大于 最小请求数，且慢调用比例大于阈值，在熔断时长内的请求会被自动熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求响应时间 小于 慢调用比例RT结束熔断，否则再次熔断。
如果我们一秒钟请求的数量大于5且RT(最大响应时间)大于我们设置的比例阈值的时候，触发熔断策略，比如我们有8个请求在一秒中进来，有5个慢调用，比例阈值设置为 0.1，这个时候我们满足(QPS > 5 且 RT > 比例阈值)，进入下一步熔断策略，触发熔断器。
熔断器的内部使用的是断路器，这个好比我们做核酸，本来一栋一栋下去做，如果服务或者检测机器蹦了，通知你暂时不要下来，当机器恢复了，再通知你下来做，这个就类似我们的断路器。
案例演示：
@GetMapping("/fuse")
public String fuse(){
try {
TimeUnit.SECONDS.sleep(3);
} catch (InterruptedException e) {
e.printStackTrace();
}
return "hello fuse";
}
设置我们的熔断策略，如果QPS>5请求RT>250且大于比例阈值触发熔断
通过JMeter测试，1秒钟发起10个线程请求，此时就会触发熔断效果，停止测试以后，10秒钟恢复正常
当我们启动线程之后，再去访问fuse接口，可以看到被熔断了，那么当我们停止线程之后，十秒之后去访问，就可以正常访问
熔断策略 - 异常比例
当统计时长内请求数 大于 最小请求数，且异常比例大于设定的阈值，在熔断时间内请求自动熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求成功，结束熔断，否则再次熔断，异常比例阈值范围（0.0-1.0）代表百分比。异常降级仅仅只针对业务异常，对于sentinel本身的异常不生效。
测试：
@GetMapping("/exptoin")
public String exptoin(Integer id){
if(id != null && id > 1){
throw new RuntimeException("异常比例测试");
}
return "exptoin test";
}
接下来我们用JMeter进行测试，设置Http请求地址:http://localhost:8006/exptoin?id=5 当启动JMeter的时候，会触发熔断，这个时候我们1秒钟发送10个请求超过了最小请求数，同事超过了阈值，满足两个条件，当熔断时间结束 以后恢复正常
熔断策略 - 异常数
当统计时长内异常数 大于 阈值，自动进行熔断，超过熔断时长进入半恢复状态（HALF_OPEN），如果下一个请求成功，结束熔断，否则再次熔断。
测试代码：
@GetMapping("/exptoin/num")
public String exptoinNum(Integer id){
if(id != null && id > 1){
throw new RuntimeException("异常数测试");
}
return "exptoinNum test";
}
设置异常数策略，当1秒钟内请求超过5并且异常数大约5个的时候触发熔断
热点规则
官网文档：sentinelguard.io/zh-cn/docs/…
什么是热点规则？热点我们很好理解，就是很火的东西在程序中可以理解成频繁访问的数据，那么有时候我们系统通缉你某个热点数据中访问频次最高的 前几个数据对其进行限制访问。
例如在秒杀系统中，某一款商品或者某几款商品，要定点秒杀，我们可以以商品ID为参数，在一定时间内对其进行限流
又或者如果某一个用户频繁的去访问我们系统，我们也可以针对于用户ID或者IP进行限制。
热点规则会统计入参参数中的热点数据，根据配置的限流阈值和模式，对启动的热点数据进行限流也就是流量控制。
在上图中我们携带了 是三个参数（axb\abc\xs）等，我们在sentinel中设置热点限流，我们设置的QPS为5，注意：该模式只支持QPS限制，如果我们的axb参数，命中了我们的规则，那么该请求携带的参数就会被限流。
在使用热点规则的时候，我们需要配合对应的@SentinelResource注解进行使用，才能够达到更加细粒度的流控规则。
@SentinelResource
- value：代表资源名称，必填，通过name找到对应的规则
- blockHandler： blockHandler 对应处理 BlockException 的方法名称，可选项，访问范围为public，返回类型需要和原方法匹配，并且在最后一需要添加
BlockException类型的参数
测试代码：
@GetMapping("/hotTest")
@SentinelResource(value = "hotTest")
public String testHotKey(@RequestParam(value = "v1",required = false) String v1,
@RequestParam(value = "v2",required = false)String v2){
return "热点规则 - 热点：";
}
在这里我们要注意，我们需要配置的是不带斜杠的资源名称，这个才是我们需要配置的项目
这个时候我们传入参数 http://localhost:8006/hotTest?v1，不停的刷新浏览器，这个时候会超过阈值，那么下面就会出现限流
但是，这个报错信息不是很友好，一般人根本不知道啥意思，我们可以使用@SentinelResource注解提供的另外一个参数blockHandler，这个参数是可以指定当出现异常时的处理方法，操作如下：
@GetMapping("/hotTest")
@SentinelResource(value = "hotTest",blockHandler = "handler_hot")
public String testHotKey(@RequestParam(value = "v1",required = false) String v1,
@RequestParam(value = "v2",required = false)String v2){
if("5".equals(v1)){
throw new RuntimeException("报告有bug!!!");
}
return "热点规则 - 热点：";
}
//处理异常方法，方法签名要和对应的接口方法保持一致
public String handler_hot(String v1, String v2, BlockException exception){
return "请求过于频繁，请稍后再试.....";
}
重新添加热点规则后，再去频繁的去访问，效果如下：
例外项数目
热点规则除了上述的基础使用外，还有例外项的操作，例外项参数可以达到更加细粒度的控制，比如我们在当前的案例中，目前v1参数在访问时超过阈值则会被限流，当时如果我们想通过参数v1等于具体的值的时候，来出发不同的流控效果时，改怎么操作呢？
比如我想要让v1等于2的时候，阈值达到50，其他的规则走上面的规则。
如果当前v1的值为2的时候，会走例外项里面的设置，也就是50的阈值，如果不是2会走普通的阈值规则，通过下图我们可以看到如果为2的值，无论我们点击多少次，都不会提示我们请求过于频繁。
系统规则
sentinel系统自适应限流是从整体维度对应用入口流量进行控制，结合应用的 load、CPU使用率、总体平均RT、入口QPS和并发线程数等几个维度的监控指标，通过自适应的流控策略，来让系统入口流量和系统的负载达到一个平衡，让系统尽可能的在面对高并发访问的同时保证系统整体的稳定。
系统保护是应用整体，所以不具备更细粒度的操作，只针对于入口流量有效。
系统规则支持的模式：
- LOAD自适应： 针对于linxu/unix 机器有效，系统load（一分钟平均负载）作为启发指标，进行自适应系统保护。
- RT：单台机器上所有的入口流量平均RT达到阈值时，触发系统保护，单位为毫秒
- 线程数： 单台机器上所有入口流量的并发线程数达到阈值触发系统保护
- 入口QPS: 单台机器上所有入口流量的QPS达到阈值触发系统保护
- CPU 使用率： 当系统CPU使用率超过阈值时触发系统保护（取值范围：0.0 - 1.0）
演示：
通过入口QPS来进行测试，直接设置规则 [图片上传失败...(image-3899e0-1653900683158)]
最后测试效果不管现在我们访问那个接口只要超过阈值就会被限流 [图片上传失败...(image-a5023-1653900683158)]
总结
到这里我们限流策略就讲完了，其实并不复杂，我们需要了解其中每个规则如何使用，效果是怎样的，最好是自己动手试一试，会更有成就感。
作者：牧小农
链接：https://juejin.cn/post/7103097162149396494
来源：稀土掘金
网友评论