最近看了下关于分布式限流的部分，看到 Sentinel 的分布式限流，也就是集群限流的部分，想搭个环境看看，结果发现网上关于这方面的内容基本可以说没有，你甚至很难跑起来他的 demo，就算能跑起来，估计也得自己研究半天，麻烦的要死。
我猜测很重要的原因可能就是 Sentinel 关于这块做的并不完善，而且从官方的 Issue 中能看出来，其实官方对于这块后续并没有计划去做的更好。
那么废话不多说，在此之前，肯定要先说下关于 Sentinel 集群限流方面的原理，没有原理一切都是空中楼阁。
集群限流原理
原理这方面比较好解释，就是在原本的限流规则中加了一个clusterMode参数，如果是true的话，那么会走集群限流的模式，反之就是单机限流。
如果是集群限流，判断身份是限流客户端还是限流服务端，客户端则和服务端建立通信，所有的限流都通过和服务端的交互来达到效果。
对于 Sentinel 集群限流，包含两种模式，内嵌式和独立式。
内嵌式
什么是内嵌式呢，简单来说，要限流那么必然要有个服务端去处理多个客户端的限流请求，对于内嵌式来说呢，就是整个微服务集群内部选择一台机器节点作为限流服务端（Sentinel 把这个叫做 token-server），其他的微服务机器节点作为限流的客户端（token-client），这样的做法有缺点也有优点。
首先说优点：这种方式部署不需要独立部署限流服务端，节省独立部署服务端产生的额外服务器开支，降低部署和维护复杂度。
再说缺点，缺点的话也可以说是整个 Sentinel 在集群限流这方面做的不够好的问题。
先说第一个缺点：无自动故障转移机制。
无论是内嵌式还是独立式的部署方案，都无法做到自动的故障转移。
所有的 server 和 client 都需要事先知道 IP 的请求下做出配置，如果 server 挂了，需要手动的修改配置，否则集群限流会退化成单机限流。
比如你的交易服务有 3 台机器 A\B\C，其中 A 被手动设置为 server，B\C 则是作为 client，当 A 服务器宕机之后，需要手动修改 B\C 中一台作为 server，否则整个集群的机器都将退化回单机限流的模式。
但是，如果 client 挂了，则是不会影响到整个集群限流的，比如 B 挂了，那么 A 和 C 将会继续组成集群限流。
如果 B 再次重启成功，那么又会重新加入到整个集群限流当中来，因为会有一个自动重连的机制，默认的时间是 N*2 秒，逐渐递增的一个时间。
这是想用 Sentinel 做集群限流并且使用内嵌式需要考虑的问题，要自己去实现自动故障转移的机制，当然，server 节点选举也要自己实现了。
对于这个问题，官方提供了可以修改 server/client 的 API 接口，另外一个就是可以基于动态的数据源配置方式，这个我们后面再谈。
第二个缺点：适用于单微服务集群内部限流。
这个其实也是显而易见的道理，都内部选举一台作为 server 去限流了，如果还跨多个微服务的话，显然是不太合理的行为，现实中这种情况肯定也是非常少见的了，当然你非要想跨多个微服务集群也不是不可以，只要你开心就好。
第三个缺点：server 节点的机器性能会受到一定程度的影响。
这个肯定也比较好理解的，作为 server 去限流，那么其他的客户端肯定要和 server 去通信才能做到集群限流啊，对不对，所以一定程度上肯定会影响到 server 节点本身服务的性能，但是我觉得问题不大，就当 server 节点多了一个流量比较大的接口好了。
具体上会有多大的影响，我没有实际对这块做出实际的测试，如果真的流量非常大，需要实际测试一下这方面的问题。
我认为影响还是可控的，本身 server 和 client 基于 netty 通信，通信的内容其实也非常的小。
独立式
说完内嵌式的这些点，然后再说独立式，也非常好理解，就是单独部署一台机器作为限流服务端 server，就不在本身微服务集群内部选一台作为 server 了。
很明显，优点就是解决了上面的缺点。
不会和内嵌式一样，影响到 server 节点的本身性能
可以适用于跨多个微服务之间的集群限流
优点可以说就是解决了内嵌式的两个缺点，那么缺点也来了，这同样也是 Sentinel 本身并没有帮助我们去解决的问题。
缺点一：需要独立部署，会产生额外的资源（钱）和运维复杂度
缺点二：server 默认是单机，需要自己实现高可用方案
缺点二很致命啊，官方的 server 实现默认就是单机的，单点问题大家懂的都懂，自己实现高可用，我真的是有点服了。
这么说 Sentinel 这个集群限流就是简单的实现了一下，真正复杂的部分他都没管，你可以这么理解。
run 起来
那基本原理大概了解之后，还是要真正跑起来看看效果的，毕竟开头我就说了，网上这方面真的是感觉啥也搜不到，下面以嵌入式集群的方式举例。
无论集群限流还是单机限流的方式，官方都支持写死配置和动态数据源的配置方式，写的话下面的代码中也都有，被我注释掉了，至于动态数据源的配置，会基于 Apollo 来实现。
理解一下动态数据源的配置方式，基于这个我们可以实现限流规则的动态刷新，还有重点的一点可以做到基于修改配置方式的半自动故障转移。
动态数据源支持推和拉两种方式，比如文件系统和 Eureka 就是拉取的方式，定时读取文件内容的变更，Eureka 则是建立 HTTP 连接，定时获取元数据的变更。
推送的方式主要是基于事件监听机制，比如 Apollo 和 Nacos，Redis 官方则是基于 Pub/Sub 来实现，默认的实现方式是基于 Lettuce，如果想用其他的客户端要自己实现。
首先，该引入的包还是引入。
<dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-annotation-aspectj</artifactId> <version>1.8.4</version></dependency>
<dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-transport-simple-http</artifactId> <version>1.8.4</version></dependency>
<dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-cluster-client-default</artifactId> <version>1.8.4</version></dependency><dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-cluster-server-default</artifactId> <version>1.8.4</version></dependency><dependency> <groupId>com.alibaba.csp</groupId> <artifactId>sentinel-datasource-apollo</artifactId> <version>1.8.4</version></dependency>
复制代码
实现 SPI，在resources目录的META-INF/services下新增名为com.alibaba.csp.sentinel.init.InitFunc的文件，内容写上我们自己实现的类名，比如我的com.irving.demo.init.DemoClusterInitFunc。
实现InitFunc接口，重写init方法，代码直接贴出来，这里整体依赖的是 Apollo 的配置方式，注释的部分是我在测试的时候写死代码的配置方式，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 限流规则 initDynamicRuleProperty(); //初始化 客户端配置 initClientConfigProperty(); // 初始化 服务端配置信息 initClientServerAssignProperty(); registerClusterRuleSupplier(); // token-server的传输规则 initServerTransportConfigProperty(); // 初始化 客户端和服务端状态 initStateProperty(); }
/** * 限流规则和热点限流规则配置 */ private void initDynamicRuleProperty() { ReadableDataSource<String, List<FlowRule>> ruleSource = new ApolloDataSource<>(namespace, ruleKey, defaultRuleValue, source -> JSON.parseObject(source, new TypeReference<List<FlowRule>>() { })); FlowRuleManager.register2Property(ruleSource.getProperty());
ReadableDataSource<String, List<ParamFlowRule>> paramRuleSource = new ApolloDataSource<>(namespace, ruleKey, defaultRuleValue, source -> JSON.parseObject(source, new TypeReference<List<ParamFlowRule>>() { })); ParamFlowRuleManager.register2Property(paramRuleSource.getProperty()); }
/** * 客户端配置，注释的部分是通过Apollo配置，只有一个配置我就省略了 */ private void initClientConfigProperty() {// ReadableDataSource<String, ClusterClientConfig> clientConfigDs = new ApolloDataSource<>(namespace, ruleKey,// defaultRuleValue, source -> JSON.parseObject(source, new TypeReference<ClusterClientConfig>() {// }));// ClusterClientConfigManager.registerClientConfigProperty(clientConfigDs.getProperty());
ClusterClientConfig clientConfig = new ClusterClientConfig(); clientConfig.setRequestTimeout(1000); ClusterClientConfigManager.applyNewConfig(clientConfig); }
/** * client->server 传输配置，设置端口号，注释的部分是写死的配置方式 */ private void initServerTransportConfigProperty() { ReadableDataSource<String, ServerTransportConfig> serverTransportDs = new ApolloDataSource<>(namespace, ruleServerKey, defaultRuleValue, source -> { List<ClusterGroupEntity> groupList = JSON.parseObject(source, new TypeReference<List<ClusterGroupEntity>>() { }); 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<String, List<FlowRule>> ds = new ApolloDataSource<>(this.namespace, ruleKey, defaultRuleValue, source -> JSON.parseObject(source, new TypeReference<List<FlowRule>>() { })); return ds.getProperty(); }); ClusterParamFlowRuleManager.setPropertySupplier(namespace -> { ReadableDataSource<String, List<ParamFlowRule>> ds = new ApolloDataSource<>(this.namespace, ruleKey, defaultRuleValue, source -> JSON.parseObject(source, new TypeReference<List<ParamFlowRule>>() { })); return ds.getProperty(); }); }
/** * 服务端配置，设置server端口和IP，注释的配置是写死的方式，这个在服务端是不用配置的，只有客户端需要配置用来连接服务端 */ private void initClientServerAssignProperty() { ReadableDataSource<String, ClusterClientAssignConfig> clientAssignDs = new ApolloDataSource<>(namespace, ruleServerKey, defaultRuleValue, source -> { List<ClusterGroupEntity> groupList = JSON.parseObject(source, new TypeReference<List<ClusterGroupEntity>>() { });
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<ClusterClientAssignConfig> extractClientAssignment(List<ClusterGroupEntity> 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(); }
/** * 初始化客户端和服务端状态，注释的也是写死的配置方式 */ private void initStateProperty() { ReadableDataSource<String, Integer> clusterModeDs = new ApolloDataSource<>(namespace, ruleServerKey, defaultRuleValue, source -> { List<ClusterGroupEntity> groupList = JSON.parseObject(source, new TypeReference<List<ClusterGroupEntity>>() { }); 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<ServerTransportConfig> extractServerTransportConfig(List<ClusterGroupEntity> 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() { // 通过-Dcsp.sentinel.api.port=8719 配置， 默认8719，随后递增 return HostNameUtil.getIp() + SEPARATOR + TransportConfig.getPort(); } private static final String SEPARATOR = "@";}
复制代码
基础类，定义配置的基础信息。
@Datapublic class ClusterGroupEntity { private String machineId; private String ip; private Integer port; private Integer state;}
复制代码
然后是 Apollo 中的限流规则的配置和 server/client 集群关系的配置。
需要说明一下的就是flowId，这个是区分限流规则的全局唯一 ID，必须要有，否则集群限流会有问题。
thresholdType代表限流模式，默认是 0，代表单机均摊，比如这里count限流 QPS=20，有 3 台机器，那么集群限流阈值就是 60，如果是 1 代表全局阈值，也就是count配置的值就是集群限流的上限。
demo_sentinel=[ { "resource": "test_res", //限流资源名 "count": 20, //集群限流QPS "clusterMode": true, //true为集群限流模式 "clusterConfig": { "flowId": 111, //这个必须得有，否则会有问题 "thresholdType": 1 //限流模式，默认为0单机均摊，1是全局阈值 } }]demo_cluster=[ { "ip": "192.168.3.20", "machineId": "192.168.3.20@8720", "port": 9999, //server和client通信接口 "state": 1 //指定为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 }]
复制代码
OK，到这里代码和配置都已经 OK，还需要跑起来 Sentinel 控制台，这个不用教，还有启动参数。
本地可以直接跑多个客户端，注意修改端口号：-Dserver.port=9100 -Dcsp.sentinel.api.port=8720这两个一块改，至于怎么连 Apollo 这块我就省略了，自己整吧，公司应该都有，不行的话用代码里的写死的方式也可以用。
-Dserver.port=9100 -Dcsp.sentinel.api.port=8720 -Dcsp.sentinel.dashboard.server=localhost:8080 -Dcsp.sentinel.log.use.pid=true
复制代码
因为有流量之后控制台才能看到限流的情况，所以用官方给的限流测试代码修改一下，放到 Springboot 启动类中，触发限流规则的初始化。
@SpringBootApplicationpublic class DemoApplication {
public static void main(String[] args) { SpringApplication.run(DemoApplication.class, args); new FlowQpsDemo(); }}
复制代码
测试限流代码：
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() { Thread timer = new Thread(new TimerTask()); timer.setName("sentinel-timer-task"); timer.start(); }
static class TimerTask implements Runnable {
@Override public void run() { long start = System.currentTimeMillis(); System.out.println("begin to statistic!!!");
long oldTotal = 0; long oldPass = 0; long oldBlock = 0; while (!stop) { try { TimeUnit.SECONDS.sleep(1); } catch (InterruptedException e) { } long globalTotal = total.get(); long oneSecondTotal = globalTotal - oldTotal; oldTotal = globalTotal;
long globalPass = pass.get(); long oneSecondPass = globalPass - oldPass; oldPass = globalPass;
long globalBlock = block.get(); long oneSecondBlock = globalBlock - oldBlock; oldBlock = globalBlock;
System.out.println(seconds + " send qps is: " + oneSecondTotal); System.out.println(TimeUtil.currentTimeMillis() + ", total:" + oneSecondTotal + ", pass:" + oneSecondPass + ", block:" + oneSecondBlock);
if (seconds-- <= 0) {// stop = true; } }
long cost = System.currentTimeMillis() - start; System.out.println("time cost: " + cost + " ms"); System.out.println("total:" + total.get() + ", pass:" + pass.get() + ", block:" + block.get()); System.exit(0); } }
static class RunTask implements Runnable { @Override public void run() { while (!stop) { Entry entry = null;
try { entry = SphU.entry(KEY); // token acquired, means pass pass.addAndGet(1); } catch (BlockException e1) { block.incrementAndGet(); } catch (Exception e2) { // biz exception } finally { total.incrementAndGet(); if (entry != null) { entry.exit(); } }
Random random2 = new Random(); try { TimeUnit.MILLISECONDS.sleep(random2.nextInt(50)); } catch (InterruptedException e) { // ignore } } } }}
复制代码
启动之后查看控制台，可以看到嵌入式的集群服务端已经启动好。
查看限流的情况：
最后为了测试效果，再启动一个客户端，修改端口号为 9200 和 8721，可以看到新的客户端已经连接到了服务端，不过这里显示的总 QPS 30000 和我们配置的不符，这个不用管他。
好了，这个就是集群限流原理和使用配置方式，当然了，你可以启动多台服务，然后手动修改 Apollo 中的state参数修改服务端，验证修改配置的方式是否能实现故障转移机制，另外就是关闭 client 或者 server 验证是否回退到单机限流的情况，这里就不一一测试了，因为我已经测试过了呀。
对于独立式的部署方式基本也是一样的，只是单独启动一个服务端的服务，需要手动配置 server，而嵌入式的则不需要，loadServerNamespaceSet配置为自己的服务名称即可。
ClusterTokenServer tokenServer = new SentinelDefaultTokenServer();
ClusterServerConfigManager.loadGlobalTransportConfig(new ServerTransportConfig().setIdleSeconds(600).setPort(11111));ClusterServerConfigManager.loadServerNamespaceSet(Collections.singleton(DemoConstants.APP_NAME));
tokenServer.start();
复制代码
OK，这就是本期的所有内容，我是艾小仙，我们过两个月再见。
不要问我为啥突然复活了，只是在家隔离玩游戏玩的有点无聊了。
评论