1.什么是Sentinel
Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。
Sentinel 分为两个部分:
核心库（Java 客户端 微服务） 不依赖任何框架/库,能够运行于所有 Java 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==sentinel服务）基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器。
2.为什么使用sentinel
在微服务架构中，我们将业务拆分成一个个的服务，服务与服务之间可以相互调用，但是由于网络原因或者自身的原因，服务并不能保证服务的100%可用，如果单个服务出现问题，调用这个服务就会出现网络延迟，此时若有大量的网络涌入，会形成任务堆积，最终导致服务瘫痪
3.服务雪崩效应
3.1.什么是服务雪崩效应
在分布式系统中,由于网络原因或自身的原因,服务一般无法保证 100% 可用。如果一个服务出现了问题，调用这个服务就会出现线程阻塞的情况，此时若有大量的请求涌入，就会出现多条线程阻塞等待，进而导致服务瘫痪。由于服务与服务之间的依赖性，故障会传播，会对整个微服务系统造成灾难性的严重后果，这就是服务故障的 “雪崩效应”
雪崩发生的原因多种多样，有不合理的容量设计，或者是高并发下某一个方法响应变慢，亦或是某台机器的资源耗尽。我们无法完全杜绝雪崩源头的发生，只有做好足够的容错，保证在一个服务发生问题，不会影响到其它服务的正常运行。也就是＂雪落而不雪崩＂
3.2.如何解决雪崩效应
解决雪崩问题的常见方式有四种
3.2.1.超时处理
设定超时时间,请求超过一定时间没有相应就返回错误有信息,不会无休止等待
3.2.2.舱壁模式
限定每个业务能使用的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。
3.2.3.熔断降级
由断路器统计业务执行的异常比例，如果超出阈值则会熔断该业务，拦截访问该业务的一切请求。
3.2.4.流量控制
限制业务访问的QPS，避免服务因流量的突增而故障。
前三个方法是避免因服务故障引起的雪崩问题，最后一个是避免因瞬间高并发流量而导致服务故障
4.常见的容错组件
4.1.hystrix
Hystrix是由Netflix开源的一个延迟和容错库，用于隔离访问远程系统、服务或者第三方库，防止级联失败，从而提升系统的可用性与容错性
4.2.sentinel
Sentinel 是阿里巴巴开源的一款断路器实现，本身在阿里内部已经被大规模采用，非常稳定。
Sentinel 具有以下特征:
丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。
完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接入应用的单台机器秒级数据，甚至 500 台以下规模的集群的汇总运行情况。
广泛的开源生态：Sentinel 提供开箱即用的与其它开源框架/库的整合模块，例如与 Spring Cloud、dubbo、gRPC 的整合。您只需要引入相应的依赖并进行简单的配置即可快速地接入 Sentinel。
完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。
4.3.hystrix 组件和sentinel组件的比较
5.安装Sentinel控制台
5.1.下载sentinel
sentinel官方提供了UI控制台，方便我们对系统做限流设置。大家可以在GitHub下载。不用解压
5.2.启动sentinel
找到自己下载的位置，在路径上输入cmd 打开黑窗口
java -jar sentinel-dashboard-1.8.1.jar
5.3.访问sentinel
5.4.修改sentinel的端口号
java -Dserver.port=端口号 -jar sentinel-dashboard-1.8.1.jar
5.5.修改账号和密码
6.微服务整合Sentinel
6.1.引入sentinel依赖
<!--sentinel的依赖-->
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>6.2.修改配置文件
#指定sentinel控制台的地址
spring.cloud.sentinel.transport.dashboard=localhost:80806.3.访问微服务的任意点,触发sentinel监控
7.簇点链路
簇点链路：就是项目内的调用链路，链路中被监控的每个接口就是一个资源.默认情况下sentinel会监控SpringMVC的每一个端点(Endpoint)因此SpringMVC的每一个端点(Endpoint)就是调用链路中的一个资源。流控、熔断等都是针对簇点链路中的资源来设置的，因此我们可以点击对应资源后面的按钮来设置规则
7.1.流控规则
点击资源后面的流控按钮，就可以弹出表单。表单中可以添加流控规则，如下图所示：
其含义是限制/product/getById/{pid}这个资源的单机QPS为1，即每秒只允许1次请求，超出的请求会被拦截并报错。
7.1.1.流控规则入门案例
需求：给 /product/getById/{pid}这个资源设置流控规则，QPS不能超过 5。然后利用jemeter测试。
启动jemeter
在添加限流规则时，点击高级选项，可以选择三种流控模式：
直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
关联：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流
7.2.1.流控模式-关联模式
关联模式：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
使用场景：比如用户支付时需要修改订单状态，同时用户要查询订单。查询和修改操作会争抢数据库锁，产生竞争。业务需求是有限支付和更新订单的业务，因此当修改订单业务触发阈值时，需要对查询订单业务限流
满足下面条件可以使用关联模式：
1.两个有竞争关系的资源
2.一个优先级较高，一个优先级较低
7.2.2.流控模式-关联模式例子
在Controller新建两个端点：/product/query和/product/update，无需实现业务
配置流控规则，当/product/ update资源被访问的QPS超过5时，对/order/query请求限流
@GetMapping("/query")
public String query(){
return "查询商品信息";
}
@GetMapping("/update")
public String update(){
return "修改商品信息";
}
7.2.3.测试 jemeter
运行的时候我们在浏览器上重新运行一下/product/update发现限流了
7.2.4.流控模式-链路模式
链路模式：只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。
例如有两条请求链路：
/test1 /common /test2 /common
如果只希望统计从/test2进入到/common的请求，则可以这样配置：
7.2.5. 流控模式-链路模式的例子
需求：有查询订单和创建订单业务，两者都需要查询商品。针对从查询订单进入到查询商品的请求统计，并设置限流。
步骤：
在OrderService中添加一个queryGoods方法，不用实现业务
在OrderController中，改造/order/query端点，调用OrderService中的queryGoods方法
在OrderController中添加一个/order/save的端点，调用OrderService的queryGoods方法
给queryGoods设置限流规则，从/order/query进入queryGoods的方法限制QPS必须小于2
controller
@GetMapping("/queryOrder")
public String query(){
String query= orderService.queryGoods();
return "查询信息";
}
@GetMapping("/updateOrder")
public String update(){
String update= orderService.queryGoods();
return "修改信息";
}Sentinel默认只标记Controller中的方法为资源，如果要标记其它方法，需要利用@SentinelResource注解
@SentinelResource("queryGoods")
public String queryGoods() {
return null;
}修改配置文件--Sentinel默认会将Controller方法做context整合，导致链路模式的流控失效，需要修改application.yml
#关闭上下文件 spring.cloud.sentinel.web-context-unify=false
运行一下自己刚刚写的方法
7.2.6.测试jmeter
写连个http请求我们可以看到queryOrder每秒执行两个，被限流了，而updateOrder没有限流
7.2.7.流控模式有哪些
直接：对当前资源限流
关联：高优先级资源触发阈值，对低优先级资源限流。
链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流
7.3.流控效果
流控效果是指请求达到流控阈值时应该采取的措施，包括三种：
快速失败：达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
排队等待：让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长
7.3.1.流控效果-warm up
warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 threshold / coldFactor，持续指定时长后，逐渐提高到threshold值。而coldFactor的默认值是3.
例如，我设置QPS的threshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10
7.3.2.流控效果-warm up的例子
需求：给/getorder/{orId}这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒
controller
@GetMapping("/getorder/{oid}")
public Order getorder(@PathVariable Integer oid){
return orderService.findId(oid);
}serviceimpl
@Override
public Order findId(Integer oid) {
return orderMapper.selectById(oid);
}在浏览器访问自己写的方法
7.3.3.测试jmeter
7.3.4.流控效果-排队等待
当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。而排队等待则是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。后来的请求必须等待前面执行完成，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
7.3.5.流控效果-排队等待的例子
给/order/{orderId}这个资源设置限流，最大QPS为5，利用排队的流控效果，超时时长设置为2s
7.3.6.测试jmeter
我们在sentinel那边设置的每秒执行5个，然后我们又延迟了2秒，相当于2秒执行10次，我们在jmeter中设置的22次，会先执行sentinel10次，在加上jmeter中设置2秒，在执行10次，一共是20次，会有两个报错
