建站
咨詢
售后
建站咨詢
新聞中心
我猜測很重要的原因可能就是Sentinel關(guān)于這塊做的并不完善，而且從官方的Issue中能看出來，其實官方對于這塊后續(xù)并沒有計劃去做的更好。
在網(wǎng)站設(shè)計、成都做網(wǎng)站過程中，需要針對客戶的行業(yè)特點、產(chǎn)品特性、目標受眾和市場情況進行定位分析，以確定網(wǎng)站的風(fēng)格、色彩、版式、交互等方面的設(shè)計方向。成都創(chuàng)新互聯(lián)公司還需要根據(jù)客戶的需求進行功能模塊的開發(fā)和設(shè)計，包括內(nèi)容管理、前臺展示、用戶權(quán)限管理、數(shù)據(jù)統(tǒng)計和安全保護等功能。
那么廢話不多說，在此之前，肯定要先說下關(guān)于Sentinel集群限流方面的原理，沒有原理一切都是空中樓閣。
集群限流原理
原理這方面比較好解釋，就是在原本的限流規(guī)則中加了一個clusterMode參數(shù)，如果是true的話，那么會走集群限流的模式，反之就是單機限流。
如果是集群限流，判斷身份是限流客戶端還是限流服務(wù)端，客戶端則和服務(wù)端建立通信，所有的限流都通過和服務(wù)端的交互來達到效果。
對于Sentinel集群限流，包含兩種模式，內(nèi)嵌式和獨立式。
內(nèi)嵌式
什么是內(nèi)嵌式呢，簡單來說，要限流那么必然要有個服務(wù)端去處理多個客戶端的限流請求，對于內(nèi)嵌式來說呢，就是整個微服務(wù)集群內(nèi)部選擇一臺機器節(jié)點作為限流服務(wù)端(Sentinel把這個叫做token-server)，其他的微服務(wù)機器節(jié)點作為限流的客戶端(token-client)，這樣的做法有缺點也有優(yōu)點。
限流-嵌入式
首先說優(yōu)點：這種方式部署不需要獨立部署限流服務(wù)端，節(jié)省獨立部署服務(wù)端產(chǎn)生的額外服務(wù)器開支，降低部署和維護復(fù)雜度。
再說缺點，缺點的話也可以說是整個Sentinel在集群限流這方面做得不夠好的問題。
先說第一個缺點：無自動故障轉(zhuǎn)移機制。
無論是內(nèi)嵌式還是獨立式的部署方案，都無法做到自動的故障轉(zhuǎn)移。
所有的server和client都需要事先知道IP的請求下做出配置，如果server掛了，需要手動的修改配置，否則集群限流會退化成單機限流。
比如你的交易服務(wù)有3臺機器A\B\C，其中A被手動設(shè)置為server，B\C則是作為client，當A服務(wù)器宕機之后，需要手動修改B\C中一臺作為server，否則整個集群的機器都將退化回單機限流的模式。
但是，如果client掛了，則是不會影響到整個集群限流的，比如B掛了，那么A和C將會繼續(xù)組成集群限流。
如果B再次重啟成功，那么又會重新加入到整個集群限流當中來，因為會有一個自動重連的機制，默認的時間是N*2秒，逐漸遞增的一個時間。
這是想用Sentinel做集群限流并且使用內(nèi)嵌式需要考慮的問題，要自己去實現(xiàn)自動故障轉(zhuǎn)移的機制，當然，server節(jié)點選舉也要自己實現(xiàn)了。
對于這個問題，官方提供了可以修改server/client的API接口，另外一個就是可以基于動態(tài)的數(shù)據(jù)源配置方式，這個我們后面再談。
第二個缺點：適用于單微服務(wù)集群內(nèi)部限流。
這個其實也是顯而易見的道理，都內(nèi)部選舉一臺作為server去限流了，如果還跨多個微服務(wù)的話，顯然是不太合理的行為，現(xiàn)實中這種情況肯定也是非常少見的了，當然你非要想跨多個微服務(wù)集群也不是不可以，只要你開心就好。
第三個缺點：server節(jié)點的機器性能會受到一定程度的影響。
這個肯定也比較好理解的，作為server去限流，那么其他的客戶端肯定要和server去通信才能做到集群限流啊，對不對，所以一定程度上肯定會影響到server節(jié)點本身服務(wù)的性能，但是我覺得問題不大，就當server節(jié)點多了一個流量比較大的接口好了。
具體上會有多大的影響，我沒有實際對這塊做出實際的測試，如果真的流量非常大，需要實際測試一下這方面的問題。
我認為影響還是可控的，本身server和client基于netty通信，通信的內(nèi)容其實也非常的小。
獨立式
說完內(nèi)嵌式的這些點，然后再說獨立式，也非常好理解，就是單獨部署一臺機器作為限流服務(wù)端server，就不在本身微服務(wù)集群內(nèi)部選一臺作為server了。
限流-獨立式
很明顯，優(yōu)點就是解決了上面的缺點。
- 不會和內(nèi)嵌式一樣，影響到server節(jié)點的本身性能
- 可以適用于跨多個微服務(wù)之間的集群限流
優(yōu)點可以說就是解決了內(nèi)嵌式的兩個缺點，那么缺點也來了，這同樣也是Sentinel本身并沒有幫助我們?nèi)ソ鉀Q的問題。
缺點一：需要獨立部署，會產(chǎn)生額外的資源(錢)和運維復(fù)雜度
缺點二：server默認是單機，需要自己實現(xiàn)高可用方案
缺點二很致命啊，官方的server實現(xiàn)默認就是單機的，單點問題大家懂的都懂，自己實現(xiàn)高可用，我真的是有點服了。
這么說Sentinel這個集群限流就是簡單的實現(xiàn)了一下，真正復(fù)雜的部分他都沒管，你可以這么理解。
run起來
那基本原理大概了解之后，還是要真正跑起來看看效果的，畢竟開頭我就說了，網(wǎng)上這方面真的是感覺啥也搜不到，下面以嵌入式集群的方式舉例。
無論集群限流還是單機限流的方式，官方都支持寫死配置和動態(tài)數(shù)據(jù)源的配置方式，寫的話下面的代碼中也都有，被我注釋掉了，至于動態(tài)數(shù)據(jù)源的配置，會基于Apollo來實現(xiàn)。
理解一下動態(tài)數(shù)據(jù)源的配置方式，基于這個我們可以實現(xiàn)限流規(guī)則的動態(tài)刷新，還有重點的一點可以做到基于修改配置方式的半自動故障轉(zhuǎn)移。
動態(tài)數(shù)據(jù)源支持推和拉兩種方式，比如文件系統(tǒng)和Eureka就是拉取的方式，定時讀取文件內(nèi)容的變更，Eureka則是建立HTTP連接，定時獲取元數(shù)據(jù)的變更。
推送的方式主要是基于事件監(jiān)聽機制，比如Apollo和Nacos，Redis官方則是基于Pub/Sub來實現(xiàn)，默認的實現(xiàn)方式是基于Lettuce，如果想用其他的客戶端要自己實現(xiàn)。
限流-集群工作模式
首先，該引入的包還是引入。
com.alibaba.csp
sentinel-annotation-aspectj
1.8.4
com.alibaba.csp
sentinel-transport-simple-http
1.8.4
com.alibaba.csp
sentinel-cluster-client-default
1.8.4
com.alibaba.csp
sentinel-cluster-server-default
1.8.4
com.alibaba.csp
sentinel-datasource-apollo
1.8.4
實現(xiàn)SPI，在resources目錄的META-INF/services下新增名為com.alibaba.csp.sentinel.init.InitFunc的文件，內(nèi)容寫上我們自己實現(xiàn)的類名，比如我的com.irving.demo.init.DemoClusterInitFunc。
實現(xiàn)InitFunc接口，重寫init方法，代碼直接貼出來，這里整體依賴的是Apollo的配置方式，注釋的部分是我在測試的時候?qū)懰来a的配置方式，也是可以用的。
public class DemoClusterInitFunc implements InitFunc {
private final String namespace = "application";
private final String ruleKey = "demo_sentinel";
private final String ruleServerKey = "demo_cluster";
private final String defaultRuleValue = "[]";
@Override
public void init() throws Exception {
// 初始化 限流規(guī)則
initDynamicRuleProperty();
//初始化 客戶端配置
initClientConfigProperty();
// 初始化 服務(wù)端配置信息
initClientServerAssignProperty();
registerClusterRuleSupplier();
// token-server的傳輸規(guī)則
initServerTransportConfigProperty();
// 初始化 客戶端和服務(wù)端狀態(tài)
initStateProperty();
}
/**
* 限流規(guī)則和熱點限流規(guī)則配置
*/
private void initDynamicRuleProperty() {
ReadableDataSource> ruleSource = new ApolloDataSource<>(namespace, ruleKey,
defaultRuleValue, source -> JSON.parseObject(source, new TypeReference>() {
}));
FlowRuleManager.register2Property(ruleSource.getProperty());
ReadableDataSource> paramRuleSource = new ApolloDataSource<>(namespace, ruleKey,
defaultRuleValue, source -> JSON.parseObject(source, new TypeReference>() {
}));
ParamFlowRuleManager.register2Property(paramRuleSource.getProperty());
}
/**
* 客戶端配置，注釋的部分是通過Apollo配置，只有一個配置我就省略了
*/
private void initClientConfigProperty() {
// ReadableDataSource clientConfigDs = new ApolloDataSource<>(namespace, ruleKey,
// defaultRuleValue, source -> JSON.parseObject(source, new TypeReference() {
// }));
// ClusterClientConfigManager.registerClientConfigProperty(clientConfigDs.getProperty());
ClusterClientConfig clientConfig = new ClusterClientConfig();
clientConfig.setRequestTimeout(1000);
ClusterClientConfigManager.applyNewConfig(clientConfig);
}
/**
* client->server 傳輸配置，設(shè)置端口號，注釋的部分是寫死的配置方式
*/
private void initServerTransportConfigProperty() {
ReadableDataSource serverTransportDs = new ApolloDataSource<>(namespace, ruleServerKey,
defaultRuleValue, source -> {
List groupList = JSON.parseObject(source, new TypeReference>() {
});
ServerTransportConfig serverTransportConfig = Optional.ofNullable(groupList)
.flatMap(this::extractServerTransportConfig)
.orElse(null);
return serverTransportConfig;
});
ClusterServerConfigManager.registerServerTransportProperty(serverTransportDs.getProperty());
// ClusterServerConfigManager.loadGlobalTransportConfig(new ServerTransportConfig().setIdleSeconds(600).setPort(transPort));
}
private void registerClusterRuleSupplier() {
ClusterFlowRuleManager.setPropertySupplier(namespace -> {
ReadableDataSource> ds = new ApolloDataSource<>(this.namespace, ruleKey,
defaultRuleValue, source -> JSON.parseObject(source, new TypeReference>() {
}));
return ds.getProperty();
});
ClusterParamFlowRuleManager.setPropertySupplier(namespace -> {
ReadableDataSource> ds = new ApolloDataSource<>(this.namespace, ruleKey,
defaultRuleValue, source -> JSON.parseObject(source, new TypeReference>() {
}));
return ds.getProperty();
});
}
/**
* 服務(wù)端配置，設(shè)置server端口和IP，注釋的配置是寫死的方式，這個在服務(wù)端是不用配置的，只有客戶端需要配置用來連接服務(wù)端
*/
private void initClientServerAssignProperty() {
ReadableDataSource clientAssignDs = new ApolloDataSource<>(namespace, ruleServerKey,
defaultRuleValue, source -> {
List groupList = JSON.parseObject(source, new TypeReference>() {
});
ClusterClientAssignConfig clusterClientAssignConfig = Optional.ofNullable(groupList)
.flatMap(this::extractClientAssignment)
.orElse(null);
return clusterClientAssignConfig;
});
ClusterClientConfigManager.registerServerAssignProperty(clientAssignDs.getProperty());
// ClusterClientAssignConfig serverConfig = new ClusterClientAssignConfig();
// serverConfig.setServerHost("127.0.0.1");
// serverConfig.setServerPort(transPort);
// ConfigSupplierRegistry.setNamespaceSupplier(() -> "trade-center");
// ClusterClientConfigManager.applyNewAssignConfig(serverConfig);
}
private Optional extractClientAssignment(List groupList) {
ClusterGroupEntity tokenServer = groupList.stream().filter(x -> x.getState().equals(ClusterStateManager.CLUSTER_SERVER)).findFirst().get();
Integer currentMachineState = Optional.ofNullable(groupList).map(s -> groupList.stream().filter(this::machineEqual).findFirst().get().getState()).orElse(ClusterStateManager.CLUSTER_NOT_STARTED);
if (currentMachineState.equals(ClusterStateManager.CLUSTER_CLIENT)) {
String ip = tokenServer.getIp();
Integer port = tokenServer.getPort();
return Optional.of(new ClusterClientAssignConfig(ip, port));
}
return Optional.empty();
}
/**
* 初始化客戶端和服務(wù)端狀態(tài)，注釋的也是寫死的配置方式
*/
private void initStateProperty() {
ReadableDataSource clusterModeDs = new ApolloDataSource<>(namespace, ruleServerKey,
defaultRuleValue, source -> {
List groupList = JSON.parseObject(source, new TypeReference>() {
});
Integer state = Optional.ofNullable(groupList).map(s -> groupList.stream().filter(this::machineEqual).findFirst().get().getState()).orElse(ClusterStateManager.CLUSTER_NOT_STARTED);
return state;
});
ClusterStateManager.registerProperty(clusterModeDs.getProperty());
// ClusterStateManager.applyState(ClusterStateManager.CLUSTER_SERVER);
}
private Optional extractServerTransportConfig(List groupList) {
return groupList.stream()
.filter(x -> x.getMachineId().equalsIgnoreCase(getCurrentMachineId()) && x.getState().equals(ClusterStateManager.CLUSTER_SERVER))
.findAny()
.map(e -> new ServerTransportConfig().setPort(e.getPort()).setIdleSeconds(600));
}
private boolean machineEqual(/*@Valid*/ ClusterGroupEntity group) {
return getCurrentMachineId().equals(group.getMachineId());
}
private String getCurrentMachineId() {
// 通過-Dcsp.sentinel.api.port=8719 配置， 默認8719，隨后遞增
return HostNameUtil.getIp() + SEPARATOR + TransportConfig.getPort();
}
private static final String SEPARATOR = "@";
} 基礎(chǔ)類，定義配置的基礎(chǔ)信息。
@Data
public class ClusterGroupEntity {
private String machineId;
private String ip;
private Integer port;
private Integer state;
}
然后是Apollo中的限流規(guī)則的配置和server/client集群關(guān)系的配置。
需要說明一下的就是flowId，這個是區(qū)分限流規(guī)則的全局唯一ID，必須要有，否則集群限流會有問題。
thresholdType代表限流模式，默認是0，代表單機均攤，比如這里count限流QPS=20，有3臺機器，那么集群限流閾值就是60，如果是1代表全局閾值，也就是count配置的值就是集群限流的上限。
demo_sentinel=[
{
"resource": "test_res", //限流資源名
"count": 20, //集群限流QPS
"clusterMode": true, //true為集群限流模式
"clusterConfig": {
"flowId": 111, //這個必須得有，否則會有問題
"thresholdType": 1 //限流模式，默認為0單機均攤，1是全局閾值
}
}
]
demo_cluster=[
{
"ip": "192.168.3.20",
"machineId": "192.168.3.20@8720",
"port": 9999, //server和client通信接口
"state": 1 //指定為server
},
{
"ip": "192.168.3.20",
"machineId": "192.168.3.20@8721",
"state": 0
},
{
"ip": "192.168.3.20",
"machineId": "192.168.3.20@8722",
"state": 0
}
]
OK，到這里代碼和配置都已經(jīng)OK，還需要跑起來Sentinel控制臺，這個不用教，還有啟動參數(shù)。
本地可以直接跑多個客戶端，注意修改端口號：-Dserver.port=9100 -Dcsp.sentinel.api.port=8720這兩個一塊改，至于怎么連Apollo這塊我就省略了，自己整吧，公司應(yīng)該都有，不行的話用代碼里的寫死的方式也可以用。
-Dserver.port=9100 -Dcsp.sentinel.api.port=8720 -Dcsp.sentinel.dashboard.server=localhost:8080 -Dcsp.sentinel.log.use.pid=true
因為有流量之后控制臺才能看到限流的情況，所以用官方給的限流測試代碼修改一下，放到Springboot啟動類中，觸發(fā)限流規(guī)則的初始化。
@SpringBootApplication
public class DemoApplication {
public static void main(String[] args) {
SpringApplication.run(DemoApplication.class, args);
new FlowQpsDemo();
}
}
測試限流代碼：
public class FlowQpsDemo {
private static final String KEY = "test_res";
private static AtomicInteger pass = new AtomicInteger();
private static AtomicInteger block = new AtomicInteger();
private static AtomicInteger total = new AtomicInteger();
private static volatile boolean stop = false;
private static final int threadCount = 32;
private static int seconds = 60 + 40;
public FlowQpsDemo() {
tick();
simulateTraffic();
}
private static void simulateTraffic() {
for (int i = 0; i < threadCount; i++) {
Thread t = new Thread(new RunTask());
t.setName("simulate-traffic-Task");
t.start();
}
}
private static void tick(<
新聞名稱：聊聊Sentinel集群限流探索
瀏覽路徑：http://m.5511xx.com/article/dhsdpjs.html
