企业官网建设流程全解析

Sentinel从入门到实战：流量卫兵守护你的微服务

一、为什么需要限流组件？

在分布式系统和微服务架构日益普及的今天，流量控制已经成为保障系统稳定性的核心手段。让我们先看一个真实的生产案例：

1.1 真实案例：某电商平台崩溃事故

2023年双11大促期间，某中型电商平台在秒杀活动开启后5分钟内系统全面崩溃。事后分析发现：

• 流量峰值：正常QPS约500，秒杀开始瞬间飙升至50000+
• 系统表现：所有服务实例CPU 100%，内存溢出，数据库连接池耗尽
• 影响范围：不仅秒杀服务崩溃，连带影响首页、浏览、下单等所有核心功能
• 直接损失：约300万交易额无法完成，品牌声誉受损

无限流保护的系统

图1：无限流保护的系统架构 - 流量冲击场景

如上图所示，没有限流保护的系统面临多重问题：

① 资源耗尽问题当突发流量到来时，系统会按照"先来先服务"的原则处理请求。流量超出系统承载能力后：

• CPU持续高负载，上下文切换频繁
• 内存快速分配导致GC压力增大，最终OOM
• 数据库连接池被占满，新请求无法获取连接

② 雪崩效应微服务架构中，服务间存在依赖关系。当下游服务因流量过大而响应缓慢或失败时：

• 上游服务持有的连接/线程无法释放，资源逐渐耗尽
• 故障会沿着调用链向上传播，最终导致整个系统崩溃
• 一个服务的故障可能影响整个业务链路

③ 用户体验恶化

• 正常用户的请求无法得到及时响应
• 页面长时间加载或直接报错
• 用户流失，信任度下降

1.2 传统解决方案的局限性

面对流量冲击，传统方案通常包括：

这些方案要么成本过高，要么效果有限，要么需要大量人力投入。我们需要一个更加智能化、自动化的流量控制解决方案。

二、Sentinel简介

2.1 Sentinel是什么？

Sentinel是阿里巴巴开源的一款面向分布式服务架构的流量控制组件，主要以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度来帮助您保障微服务的稳定性。

Sentinel系统架构

2.2 核心特性

① 丰富的应用场景

• 秒杀系统：瞬间大流量限流
• 消息削峰：平滑处理突发流量
• 熔断降级：保护核心服务不被拖垮
• 实时监控：全方位流量监控大盘

② 完备的实时监控Sentinel提供实时的监控功能，可以监控：

• QPS（每秒查询数）
• RT（响应时间）
• 成功率
• 拒绝数

③ 广泛的开源生态Sentinel提供与主流框架的整合：

• Spring Cloud / Spring Boot
• Dubbo
• gRPC
• RocketMQ

④ 完善的SPI扩展点Sentinel提供简单易用、完善的SPI扩展接口，可以通过实现扩展接口来快速定制逻辑。

三、Sentinel核心原理

3.1 责任链模式设计

Sentinel的核心工作原理基于责任链模式，通过一系列的Slot（槽位）串联成一个处理链。

Sentinel核心原理

图3：Sentinel核心工作原理

当请求进入时，会依次经过以下Slot：

① NodeSelectorSlot

• 负责收集资源的调用路径
• 构建树状结构的调用链路
• 为每个资源创建DefaultNode

② ClusterBuilderSlot

• 构建ClusterNode
• 统计集群维度某个资源的调用情况
• 用于存储聚合后的统计信息

③ LogSlot

• 记录异常日志
• 便于问题排查和定位

④ StatisticSlot

• 实时统计指标的Slot
• 记录秒级、分钟级的指标数据
• 为后续的规则判断提供数据支撑

⑤ AuthoritySlot

• 黑白名单控制
• 基于来源的流量控制

⑥ FlowSlot

• 流量控制Slot
• 根据配置的限流规则进行判断
• 超出阈值则抛出FlowException

⑦ DegradeSlot

• 熔断降级Slot
• 根据熔断规则判断是否需要熔断
• 触发熔断则抛出DegradeException

3.2 核心概念

① 资源（Resource）资源是Sentinel的核心概念，可以是：

• Java代码中的一段代码
• 一个接口
• 一个方法

// 定义资源方式一：使用@SentinelResource注解 @SentinelResource(value = "getUserInfo", blockHandler = "handleBlock") public User getUserInfo(Long id) { return userService.getUser(id); } // 定义资源方式二：使用try-catch try (Entry entry = SphU.entry("getUserInfo")) { return userService.getUser(id); } catch (BlockException e) { return handleBlock(e); }

② 规则（Rule）Sentinel支持多种规则类型：

③ 上下文（Context）Context保存了调用链路的元数据，包括：

• 入口节点（EntranceNode）
• 当前节点（CurrentNode）
• 调用来源（Origin）

四、流量控制详解

4.1 限流流程

Sentinel的限流处理流程如下图所示：

限流流程

图4：Sentinel限流处理流程

4.2 限流维度

① QPS限流每秒查询数限流，适用于：

• API接口限流
• 防止接口被刷
• 保护下游服务

// QPS限流配置 List<FlowRule> rules = new ArrayList<>(); FlowRule rule = new FlowRule(); rule.setResource("getUserInfo"); rule.setGrade(RuleConstant.FLOW_GRADE_QPS); // QPS维度 rule.setCount(100); // 每秒最多100个请求 rule.setStrategy(RuleConstant.STRATEGY_DIRECT); // 直接拒绝 rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT); // 默认行为 rules.add(rule); FlowRuleManager.loadRules(rules);

② 线程数限流并发线程数限流，适用于：

• 业务处理时间长
• 需要限制并发量的场景

// 线程数限流配置 FlowRule rule = new FlowRule(); rule.setResource("processOrder"); rule.setGrade(RuleConstant.FLOW_GRADE_THREAD); // 线程数维度 rule.setCount(10); // 最多10个线程并发处理

4.3 限流策略

① 直接拒绝（Default）默认策略，超出阈值直接拒绝请求：

rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT); // 抛出FlowException: Blocked by Sentinel (flow limiting)

② Warm Up（预热）从初始阈值缓慢上升到最大阈值：

rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP); rule.setCount(100); // 最大阈值 rule.setWarmUpPeriodSec(10); // 预热时长10秒 // 实际效果：前10秒从 100/3 ≈ 33 逐渐增加到100

适用于：

• 秒杀系统预热
• 缓存预热
• 系统启动阶段流量控制

③ 排队等待（Throttling）请求在队列中排队，超时则拒绝：

rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER); rule.setCount(100); // 每秒100个请求 rule.setMaxQueueingTimeMs(500); // 最大排队等待时间500ms

适用于：

• 消息削峰填谷
• 请求可以适当延迟处理的场景

4.4 关联限流

当关联的资源达到阈值时，对当前资源限流：

// 当userLogin资源QPS超过50时，限制getUserInfo rule.setStrategy(RuleConstant.STRATEGY_RELATE); rule.setRefResource("userLogin"); rule.setCount(50);

适用场景：

• 登录接口压力大时，限制其他非核心接口
• 支付接口压力大时，限制下单接口

五、熔断降级详解

5.1 熔断机制

熔断器模式（Circuit Breaker Pattern）是一种保护性设计模式，Sentinel实现了完整的熔断降级机制。

熔断机制降级机制

图5：Sentinel熔断降级机制

熔断器有三种状态：

① Closed（关闭状态）

• 正常状态，请求正常通过
• 监控失败率和响应时间
• 异常达到阈值时，转换为Open状态

② Open（开启状态）

• 熔断状态，直接拒绝所有请求
• 持续熔断时长（timeWindow）结束后进入Half-Open状态

③ Half-Open（半开状态）

• 探测状态，允许部分请求通过
• 如果请求成功，说明服务已恢复，转为Closed状态
• 如果请求失败，说明服务仍未恢复，转回Open状态

5.2 熔断策略

① 慢调用比例（SLOW_REQUEST_RATIO）

当资源的响应时间超过最大RT时，被标记为慢调用。慢调用比例超过阈值时触发熔断：

List<DegradeRule> rules = new ArrayList<>(); DegradeRule rule = new DegradeRule(); rule.setResource("orderService"); rule.setGrade(RuleConstant.DEGRADE_GRADE_SLOW_REQUEST_RATIO); rule.setCount(500); // 慢调用阈值：RT > 500ms rule.setSlowRatioThreshold(0.5); // 慢调用比例阈值：50% rule.setTimeWindow(10); // 熔断时长：10秒 rule.setMinRequestAmount(5); // 最小请求数：5 rule.setStatIntervalMs(1000); // 统计时长：1秒 rules.add(rule); DegradeRuleManager.loadRules(rules);

② 异常比例（EXCEPTION_RATIO）

当资源的异常比例超过阈值时触发熔断：

DegradeRule rule = new DegradeRule(); rule.setResource("paymentService"); rule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_RATIO); rule.setCount(0.5); // 异常比例阈值：50% rule.setTimeWindow(10); // 熔断时长：10秒 rule.setMinRequestAmount(5); // 最小请求数：5

③ 异常数（EXCEPTION_COUNT）

当资源的异常数超过阈值时触发熔断：

DegradeRule rule = new DegradeRule(); rule.setResource("smsService"); rule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT); rule.setCount(10); // 异常数阈值：10个 rule.setTimeWindow(10); // 熔断时长：10秒 rule.setMinRequestAmount(5); // 最小请求数：5

5.3 降级处理

当请求被限流或熔断时，需要进行降级处理：

@SentinelResource( value = "getUserInfo", blockHandler = "handleBlock", // 限流/熔断时的处理 fallback = "handleFallback" // 异常时的处理 ) public User getUserInfo(Long id) { return userService.getUser(id); } // 限流/熔断处理 public User handleBlock(Long id, BlockException e) { // 返回默认值或缓存数据 return User.getDefaultUser(); } // 异常处理 public User handleFallback(Long id, Throwable e) { log.error("获取用户信息异常", e); return User.getDefaultUser(); }

六、生产实战案例

6.1 电商秒杀系统

以下是一个电商秒杀系统使用Sentinel的完整案例：

生产实战案例

图6：生产实战：电商秒杀系统Sentinel应用架构

场景描述：

• 正常流量：约2000 QPS
• 秒杀流量：峰值可达50000+ QPS
• 核心需求：保护库存服务不被击垮

配置方案：

@Configuration public class SentinelConfig { @PostConstruct public void initRules() { initSeckillFlowRules(); initOrderDegradeRules(); initStockFlowRules(); } /** * 秒杀接口限流规则 */ private void initSeckillFlowRules() { List<FlowRule> rules = new ArrayList<>(); // 用户维度限流 FlowRule userRule = new FlowRule(); userRule.setResource("seckill:userId"); userRule.setGrade(RuleConstant.FLOW_GRADE_QPS); userRule.setCount(5); // 单用户每秒最多5次请求 userRule.setParamIdx(0); // 第一个参数作为userId rules.add(userRule); // 接口维度限流 FlowRule apiRule = new FlowRule(); apiRule.setResource("/api/seckill/doSeckill"); apiRule.setGrade(RuleConstant.FLOW_GRADE_QPS); apiRule.setCount(10000); // 接口整体限制10000 QPS apiRule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP); apiRule.setWarmUpPeriodSec(10); // 10秒预热 rules.add(apiRule); FlowRuleManager.loadRules(rules); } /** * 订单服务熔断规则 */ private void initOrderDegradeRules() { List<DegradeRule> rules = new ArrayList<>(); DegradeRule rule = new DegradeRule(); rule.setResource("orderService:createOrder"); rule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_RATIO); rule.setCount(0.3); // 异常比例30% rule.setTimeWindow(10); // 熔断10秒 rule.setMinRequestAmount(10); rules.add(rule); DegradeRuleManager.loadRules(rules); } /** * 库存服务限流规则 */ private void initStockFlowRules() { List<FlowRule> rules = new ArrayList<>(); // 线程数限流，保护数据库 FlowRule rule = new FlowRule(); rule.setResource("stockService:decreaseStock"); rule.setGrade(RuleConstant.FLOW_GRADE_THREAD); rule.setCount(100); // 最多100个线程同时操作 rules.add(rule); FlowRuleManager.loadRules(rules); } }

核心接口实现：

@RestController @RequestMapping("/api/seckill") public class SeckillController { @Autowired private SeckillService seckillService; /** * 秒杀接口 */ @PostMapping("/doSeckill") @SentinelResource( value = "seckill:doSeckill", blockHandler = "handleBlock", fallback = "handleFallback" ) public Result doSeckill(@RequestParam Long userId, @RequestParam Long goodsId) { try { boolean success = seckillService.doSeckill(userId, goodsId); return success ? Result.success("秒杀成功") : Result.error("秒杀失败"); } catch (Exception e) { log.error("秒杀异常", e); return Result.error("系统繁忙，请稍后重试"); } } /** * 限流处理 */ public Result handleBlock(Long userId, Long goodsId, BlockException e) { if (e instanceof FlowException) { return Result.error("当前请求过多，请稍后再试"); } else if (e instanceof DegradeException) { return Result.error("服务暂时不可用，请稍后再试"); } return Result.error("系统繁忙"); } /** * 异常处理 */ public Result handleFallback(Long userId, Long goodsId, Throwable e) { log.error("秒杀异常: userId={}, goodsId={}", userId, goodsId, e); return Result.error("系统异常，请稍后重试"); } } @Service public class SeckillServiceImpl implements SeckillService { @Autowired private RedisTemplate redisTemplate; @Autowired private StockService stockService; @Autowired private OrderService orderService; @Override @SentinelResource( value = "seckill:doSeckill:inner", blockHandler = "handleBlock" ) public boolean doSeckill(Long userId, Long goodsId) { // 1. 校验用户是否重复购买 String key = "seckill:user:" + userId + ":goods:" + goodsId; Boolean isBought = redisTemplate.hasKey(key); if (Boolean.TRUE.equals(isBought)) { throw new BusinessException("您已经参与过此秒杀活动"); } // 2. 预扣减库存 Long stock = redisTemplate.opsForValue().decrement("seckill:stock:" + goodsId); if (stock == null || stock < 0) { redisTemplate.opsForValue().increment("seckill:stock:" + goodsId); throw new BusinessException("库存不足"); } // 3. 创建订单（可能触发熔断） try { Order order = orderService.createOrder(userId, goodsId); // 标记用户已购买 redisTemplate.opsForValue().set(key, "1", 24, TimeUnit.HOURS); return true; } catch (DegradeException e) { // 订单服务熔断，回滚库存 redisTemplate.opsForValue().increment("seckill:stock:" + goodsId); return false; } } public boolean handleBlock(Long userId, Long goodsId, BlockException e) { log.warn("秒杀请求被限流: userId={}, goodsId={}", userId, goodsId); return false; } }

监控效果：

• 接口QPS被控制在10000左右
• 库存服务线程数不超过100
• 订单服务异常时自动熔断，不影响其他服务
• 系统整体可用性达到99.95%

6.2 第三方API调用保护

调用外部接口时，使用Sentinel进行保护：

@Service public class ThirdPartyServiceImpl { /** * 调用第三方支付接口 */ @SentinelResource( value = "thirdParty:payment", blockHandler = "handleBlock", fallback = "handleFallback", fallbackClass = ThirdPartyFallback.class ) public PaymentResult payment(PaymentRequest request) { try { // 调用第三方支付接口 return thirdPartyClient.payment(request); } catch (Exception e) { throw new ThirdPartyException("支付接口调用失败", e); } } public PaymentResult handleBlock(PaymentRequest request, BlockException e) { // 返回默认结果，后续异步重试 return PaymentResult.pending(); } } /** * 降级处理类 */ public class ThirdPartyFallback { public static PaymentResult handleFallback(PaymentRequest request, Throwable e) { log.error("支付接口异常，使用降级逻辑", e); // 返回降级结果，走人工处理流程 return PaymentResult.manual(); } } @Configuration public class ThirdPartySentinelConfig { @PostConstruct public void initRules() { // 慢调用熔断 DegradeRule slowRule = new DegradeRule(); slowRule.setResource("thirdParty:payment"); slowRule.setGrade(RuleConstant.DEGRADE_GRADE_SLOW_REQUEST_RATIO); slowRule.setCount(1000); // RT > 1秒 slowRule.setSlowRatioThreshold(0.5); // 50%慢调用 slowRule.setTimeWindow(30); // 熔断30秒 slowRule.setMinRequestAmount(5); // 异常比例熔断 DegradeRule exceptionRule = new DegradeRule(); exceptionRule.setResource("thirdParty:payment"); exceptionRule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_RATIO); exceptionRule.setCount(0.3); // 30%异常 exceptionRule.setTimeWindow(30); exceptionRule.setMinRequestAmount(5); DegradeRuleManager.loadRules(Arrays.asList(slowRule, exceptionRule)); } }

6.3 系统自适应保护

Sentinel提供了系统自适应保护规则，根据系统的负载情况自动调整：

@Configuration public class SystemProtectConfig { @PostConstruct public void initSystemRules() { List<SystemRule> rules = new ArrayList<>(); // CPU使用率保护 SystemRule cpuRule = new SystemRule(); cpuRule.setHighestSystemLoad(0.8); // CPU使用率超过80%时触发 rules.add(cpuRule); // 平均RT保护 SystemRule rtRule = new SystemRule(); rtRule.setAvgRt(1000); // 平均RT超过1000ms时触发 rules.add(rtRule); // 并发线程数保护 SystemRule threadRule = new SystemRule(); threadRule.setMaxThread(500); // 并发线程超过500时触发 rules.add(threadRule); // 入口QPS保护 SystemRule qpsRule = new SystemRule(); qpsRule.setQps(10000); // QPS超过10000时触发 rules.add(qpsRule); SystemRuleManager.loadRules(rules); } }

七、Sentinel Dashboard使用

7.1 Dashboard部署

# 下载Dashboard wget https://github.com/alibaba/Sentinel/releases/download/1.8.6/sentinel-dashboard-1.8.6.jar # 启动Dashboard java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=localhost:8080 \ -Dproject.name=sentinel-dashboard \ -jar sentinel-dashboard-1.8.6.jar

7.2 客户端配置

# application.yml spring: application: name: sentinel-demo cloud: sentinel: transport: dashboard: localhost:8080 port: 8719 eager: true datasource: flow: type: file file: classpath:sentinel-flow.json degrade: type: file file: classpath:sentinel-degrade.json

7.3 Dashboard功能

Dashboard提供了以下功能：

• 实时监控：查看QPS、RT、成功率等指标
• 规则配置：动态配置流控规则、熔断规则等
• 集群流控：配置集群限流
• 机器列表：查看连接到Dashboard的所有机器

八、总结

Sentinel作为一款成熟的流量控制组件，在微服务架构中发挥着重要作用：

1. 核心价值

• 流量整形：平滑处理突发流量
• 服务保障：保护核心服务稳定
• 实时监控：全方位流量监控
• 快速失败：避免资源耗尽

1. 适用场景

• 秒杀/抢购场景
• 第三方API调用
• 微服务链路保护
• 系统自适应保护

通过合理使用Sentinel，可以有效提升系统的稳定性和可用性，让微服务架构更加健壮。