Spring Cloud中Sentinel的两种限流模式介绍
Sentinel流控模式
Sentinel流量控制主要有以下几种模式：
直接失败模式：在达到流量控制阈值后，直接拒绝请求，返回错误信息。
关联模式：当关联的资源达到流量控制阈值时，将触发当前资源的流量控制。
Warm Up模式：在系统启动时，允许一定量的请求通过，防止出现系统冷启动时大量请求被拒绝的情况。
排队等待模式：在达到流量控制阈值后，请求将进入队列等待，直到有资源可用时再处理请求。
热点规则：对于一些热点资源，可以设置特定的流量控制规则，以防止热点资源被过多请求占用导致系统崩溃。
说明：由于篇幅原因，本篇文章先介绍前两种模式，即直接失败模式和关联模式。
直接失败模式
Sentinel的直接失败模式是一种流量控制策略，它可以在系统达到预设的流量阈值时直接拒绝请求，而不是将请求放入队列等待处理。该模式可以避免系统资源过度消耗，并且可以快速响应请求，提高系统的可用性。
具体来说，Sentinel的直接失败模式可以通过以下步骤实现：
1.配置流量阈值：在Sentinel中，可以通过配置规则来设置系统的流量阈值，例如：每秒最多处理100个请求。
2.监控流量：Sentinel会监控系统的流量，当流量达到预设的阈值时，Sentinel会触发流量控制策略。
3.直接拒绝请求：在直接失败模式下，当流量达到阈值时，Sentinel会直接拒绝请求，并返回错误信息给客户端，而不是将请求放入队列等待处理。
4.统计流量：Sentinel会统计系统的流量情况，并根据配置的规则进行限流，以保证系统的稳定性和可用性。
首先，我们需要添加Sentinel依赖：
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>然后，在启动类上添加@EnableSentinel注解启用Sentinel：
@SpringBootApplication
@EnableSentinel
public class DemoApplication {
public static void main(String[] args) {
SpringApplication.run(DemoApplication.class, args);
}
}接下来，我们定义一个Controller，其中包含一个需要进行流量控制的方法：
@RestController
public class DemoController {
@GetMapping("/hello")
@SentinelResource(value = "hello", fallback = "fallback")
public String hello() {
return "Hello, World!";
}
public String fallback() {
return "Sorry, the service is busy, please try again later.";
}
}在上面的代码中，我们使用@SentinelResource注解标记了hello()方法，并指定了一个fallback方法。当Sentinel进行流量控制并触发熔断时，会自动调用fallback方法返回一个固定的响应。
接下来，我们需要在Sentinel Dashboard中配置流量控制规则。打开Dashboard，进入流控规则页面，添加一个新的规则，将控制台模式设置为直接失败，并设置阈值和时间窗口等参数。保存规则后，我们就可以开始测试了。
当流量超过阈值时，Sentinel会拒绝请求并返回一个固定的响应，即fallback方法中定义的响应。这就是Sentinel的直接失败模式。
关联模式
Sentinel的关联模式是一种流量控制策略，它可以根据不同的资源之间的关联关系来进行流量控制。比如，如果一个接口的访问频率过高，可能会导致其所依赖的其他接口也受到影响，此时就可以使用关联模式来控制流量。
关联模式的实现需要定义资源之间的关联关系，并为每个资源设置独立的流控规则。在实际使用中，可以通过配置文件或代码来定义关联关系和流控规则。
以下是一个使用代码实现Sentinel关联模式的示例：
// 定义资源关联关系
private static final String RESOURCE_A = "resourceA";
private static final String RESOURCE_B = "resourceB";
private static final String RESOURCE_C = "resourceC";
// 定义流控规则
private static final FlowRule RULE_A = new FlowRule(RESOURCE_A)
.setCount(10) // 每秒最多处理10个请求
.setGrade(RuleConstant.FLOW_GRADE_QPS);
private static final FlowRule RULE_B = new FlowRule(RESOURCE_B)
.setCount(20) // 每秒最多处理20个请求
.setGrade(RuleConstant.FLOW_GRADE_QPS);
private static final FlowRule RULE_C = new FlowRule(RESOURCE_C)
.setCount(30) // 每秒最多处理30个请求
.setGrade(RuleConstant.FLOW_GRADE_QPS);
// 定义资源关联关系
private static final Set<FlowRule> RULES_A = new HashSet<>();
private static final Set<FlowRule> RULES_B = new HashSet<>();
private static final Set<FlowRule> RULES_C = new HashSet<>();
static {
RULES_A.add(RULE_A);
RULES_A.add(RULE_B);
RULES_B.add(RULE_B);
RULES_C.add(RULE_C);
}
// 注册流控规则
FlowRuleManager.loadRules(RULES_A);
FlowRuleManager.loadRules(RULES_B);
FlowRuleManager.loadRules(RULES_C);
// 定义资源关联关系
DegradeRule degradeRuleA = new DegradeRule(RESOURCE_A)
.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT)
.setCount(5) // 每秒最多处理5个异常
.setTimeWindow(10); // 统计时间窗口为10秒
DegradeRule degradeRuleB = new DegradeRule(RESOURCE_B)
.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT)
.setCount(10) // 每秒最多处理10个异常
.setTimeWindow(10); // 统计时间窗口为10秒
DegradeRule degradeRuleC = new DegradeRule(RESOURCE_C)
.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT)
.setCount(15) // 每秒最多处理15个异常
.setTimeWindow(10); // 统计时间窗口为10秒
// 定义资源关联关系
private static final Set<DegradeRule> DEGRADE_RULES_A = new HashSet<>();
private static final Set<DegradeRule> DEGRADE_RULES_B = new HashSet<>();
private static final Set<DegradeRule> DEGRADE_RULES_C = new HashSet<>();
static {
DEGRADE_RULES_A.add(degradeRuleA);
DEGRADE_RULES_A.add(degradeRuleB);
DEGRADE_RULES_B.add(degradeRuleB);
DEGRADE_RULES_C.add(degradeRuleC);
}
// 注册降级规则
DegradeRuleManager.loadRules(DEGRADE_RULES_A);
DegradeRuleManager.loadRules(DEGRADE_RULES_B);
DegradeRuleManager.loadRules(DEGRADE_RULES_C);
在上面的代码中，我们定义了三个资源：RESOURCE_A、RESOURCE_B、RESOURCE_C，并为每个资源设置了独立的流控规则和降级规则。同时，我们还定义了资源之间的关联关系，即RESOURCE_A和RESOURCE_B关联，RESOURCE_B和RESOURCE_C关联。
通过这种方式，当RESOURCE_A的流量达到限制时，Sentinel会自动触发降级操作，从而避免RESOURCE_B和RESOURCE_C受到影响。同样地，当RESOURCE_B的流量达到限制时，Sentinel会自动触发降级操作，从而避免RESOURCE_C受到影响。
到此这篇关于Spring Cloud中Sentinel的两种限流模式介绍的文章就介绍到这了,更多相关Spring Cloud Sentinel限流模式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
详解Java中log4j.properties配置与加载应用
这篇文章主要介绍了 log4j.properties配置与加载应用的相关资料,需要的朋友可以参考下2018-02-02
这篇文章主要介绍了 SpringBoot多环境的开发配置详情，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-09-09
下面小编就为大家带来一篇深入理解Java 对象和类。小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-05-05
这篇文章主要介绍了Spring中如何操作JDBC的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-10-10
springboot vue接口测试前后端实现模块树列表功能
这篇文章主要为大家介绍了springboot vue接口测试前后端实现模块树列表功能，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
该文章主要为记录如何在SpringBoot项目中整合JDBC和MyBatis，在整合中我会使用简单的用法和测试用例，感兴趣的朋友跟随小编一起看看吧2019-11-11
Java负载均衡算法也是分布式系统中的重要组成部分，用于将来自客户端的请求分配到不同的后端服务器上，本文将介绍常见的Java负载均衡算法，轮询法、加权随机法……一次性让你了解 6 种常见负载均衡算法2023-06-06
这篇文章主要介绍了解读Spring Bean的作用域，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-10-10
springboot集成本地缓存Caffeine的三种使用方式(小结)
本文主要介绍了springboot集成本地缓存Caffeine的三种使用方式，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-06-06
这篇文章主要介绍了SpringBoot 转发请求至指定页面,需要使用@Controller，不可使用@RestController，@RestController相当于@Controller和@ResponseBody合在一起的作用，本文通过实例代码详细讲解，需要的朋友可以参考下2022-11-11
最新评论