微服务保护的概念

上片文章：springcloud–nacos配置中心 – 掘金 (juejin.cn)

1.微服务的雪崩问题是如何发生的

微服务中，服务间调用关系错综复杂，一个微服务往往依赖于多个其它微服务。

如图，如果服务提供者I发生了故障，当前的应用的部分业务因为依赖于服务I，因此也会被阻塞。此时，其它不依赖于服务I的业务似乎不受影响。

但是，依赖服务I的业务请求被阻塞，用户不会得到响应，则tomcat的这个线程不会释放，于是越来越多的用户请求到来，越来越多的线程会阻塞：

服务器支持的线程和并发数有限，请求一直阻塞，会导致服务器资源耗尽，从而导致所有其它服务都不可用，那么当前服务也就不可用了。

最后，依赖于当前服务的其它服务随着时间的推移，最终也都会变的不可用，形成级联失败，雪崩就发生了：

什么是雪崩问题？

微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况。

可以认为：

限流是对服务的保护，避免因瞬间高并发流量而导致服务故障，进而避免雪崩。是一种预防措施。

超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在一定范围，避免雪崩。是一种补救措施。

2.微服务雪崩的四种解决方案

2.1超时处理

第一种：超时处理：设定超时时间，请求超过一定时间没有响应就返回错误信息，不会无休止等待

2.2仓壁模式

第二种：仓壁模式，仓壁模式来源于船舱的设计：船舱都会被隔板分离为多个独立空间，当船体破损时，只会导致部分空间进入，将故障控制在一定范围内，避免整个船体都被淹没

与此类似，我们可以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。

2.3断路器模式

第三种：断路器模式：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。

断路器会统计访问某个服务的请求数量，异常比例：

当发现访问服务D的请求异常比例过高时，认为服务D有导致雪崩的风险，会拦截访问服务D的一切请求，形成熔断：

2.4 限流

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。

3.服务保护的技术对比

在SpringCloud当中支持多种服务保护技术：

早期比较流行的是Hystrix框架，但目前国内使用最广泛的还是阿里巴巴的Sentinel框架，这里我们做下对比：

Sentinel介绍和安装

1.Sentinel的优点以及我们为什么使用Sentinel

Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址：sentinelguard.io/zh-cn/index…

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。

2.如何安装Sentinel

sentinel官方提供了UI控制台，方便我们对系统做限流设置。可以在Releases · alibaba/Sentinel (github.com)进行下载

3.如何运行Sentinel

将jar包放到任意非中文目录，执行命令：

java -jar sentinel-dashboard-1.8.1.jar

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

配置项	默认值	说明
server.port	8080	服务端口
sentinel.dashboard.auth.username	sentinel	默认用户名
sentinel.dashboard.auth.password	sentinel	默认密码

例如，修改端口：

java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar

访问Sentinel

访问http://localhost:8080页面，就可以看到sentinel的控制台了：

需要输入账号和密码，默认都是：sentinel

登录后，发现一片空白，什么都没有：

这是因为我们还没有与微服务整合。

微服务整合Sentinel

我们在cjj-product中整合sentinel，并连接sentinel的控制台，步骤如下：

1.引入Sentinel依赖

<!--        Sentinel依赖-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>

2.配置控制台

2.1文件中加入以下配置

#配置控制台ip地址
spring.cloud.sentinel.transport.dashboard=localhost:8080

2.2访问相应的接口之后才会触发Sentinel的监控

访问接口

打开控制台查看效果

Sentinel的流量控制–限流

雪崩问题虽然有四种方案，但是限流是避免服务因突发的流量而发生故障，是对微服务雪崩问题的预防。

1. 簇点链路

当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路。簇点链路中被监控的每一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，也就是controller中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。

例如，我们刚才访问的cjj-product中的ProductController中的端点：product/findProductById/{id}

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：

流控：流量控制

降级：降级熔断

热点：热点参数限流，是限流的一种

授权：请求的权限控制

1.1 简单练习

在Sentinel添加限流规则

1.22 利用jmeter进行测试

测试结果

测试可以看到，请求成功的每次只有5个

2.流控模式

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

简单练习使用的就是直接模式

2.1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

配置规则

语法说明：当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。

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。业务需求是优先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。

如何实现关联模式

1.定义/product/read和/write接口，模拟查询和更改数据

@Autowired

@GetMapping("/read")
public String read(){
    return "进行查询数据";


}

@Autowired

@GetMapping("/write")
public String write(){



    return "进行更改数据";



}

2.重启服务，查看sentinel控制台的簇点链路

3.配置流控规则

对哪个端点限流，就点击哪个端点后面的按钮。我们是对订单查询/product/read限流，因此点击它后面的按钮：

在表单中填写流控规则：

4.使用jmeter测试

5.总结

2.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。

配置示例：

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：

实战案例

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ProductService中添加一个queryGoods方法，不用实现业务
在ProductController中，改造/product/read接口，调用ProductService中的queryGoods方法。
在ProductController中添加一个/product/save接口，调用ProductService中的queryGoods方法。
给queryGoods设置限流规则，从/product/read进入queryGoods的方法限制QPS必须小于2

1）添加查询商品方法

public void queryGoods() {
    System.out.println("查询商品业务");
}

2）查询订单时，查询商品

在cjj-producte的ProductController中，修改/product/read业务逻辑：

@GetMapping("/read")
public String read(){
    //查询商品

    productServer.queryGoods();

    //查询订单
    System.out.println("查询订单业务");
    return "查询订单成功";

}

3）新增订单，查询商品

在cjj-prodcut的Product中，修改/product/save端点，模拟新增订单：

@GetMapping("/save")
public String save(){
    //查询商品

    productServer.queryGoods();

    //新增订单
    System.out.println("新增订单");
    return "新增订单成功";
}

4）给查询商品添加资源标记

默认情况下，ProductService中的方法是不被Sentinel监控的，需要我们自己通过注解来标记要监控的方法。
给ProductService的queryGoods方法添加@SentinelResource注解：

@SentinelResource("goods")
public void queryGoods() {
    System.out.println("查询商品业务");
}

5)修改配置文件

链路模式中，是对不同来源的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源，会导致链路模式失效。

我们需要关闭这种对SpringMVC的资源聚合，修改cjj-procudt的配置文件

#关闭SpringMVC的资源聚合,关闭context整合
spring.cloud.sentinel.web-context-unify=false

重启服务，访问/product/save和/product/read，可以查看到sentinel的簇点链路规则中，出现了新的资源：

5）添加流控规则

点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：

只统计从/product/save进入/goods的资源，QPS阈值为2，超出则被限流。

6)jmeter测试

可以看到这里200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2，测试的接口为/product/save

每次只有两个通过

另一个没有设置阈值的接口/product/read，可以发现完全不受影响

总结：

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

流控效果

在流控的高级选项中，还有一个流控效果选项：

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

warm up流控效果

阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。

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 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.

例如，我设置QPS的maxThreshold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.

1.给/product/read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

刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3：

随着时间推移，成功比例越来越高：

到Sentinel控制台查看实时监控：

一段时间后：

排队等待–流控效果

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。

工作原理

例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。

那什么叫做预期等待时长呢？

比如现在一下子来了12 个请求，因为每200ms执行一个请求，那么：

第6个请求的预期等待时长 = 200 * （6 – 1） = 1000ms
第12个请求的预期等待时长 = 200 * （12-1） = 2200ms

现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：

如果使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：

平滑的QPS曲线，对于服务器来说是更友好的。

1.给/product/write这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s

1）添加流控规则

2）Jmeter测试

QPS为15，已经超过了我们设定的10。

如果是之前的快速失败、warmup模式，超出的请求应该会直接报错。

但是我们看看队列模式的运行结果：
但是我们看看队列模式的运行结果：

全部都通过了。

再去sentinel查看实时监控的QPS曲线：

QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。

当队列满了以后，才会有部分请求失败：

总结

流控效果有哪些？

快速失败：QPS超过阈值时，拒绝新的请求
warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。
排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝

热点参数限流

之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。

全局参数限流

例如，一个根据id查询商品的接口：

访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：

当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。

配置示例：

代表的含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5

热点参数限流

注意事项：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源

刚才的配置中，对查询商品这个接口的所有商品一视同仁，QPS都限定为5.

而在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商品不一样，高一些。那就需要配置热点参数限流的高级选项了：

结合上一个配置，这里的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例外：

•如果参数值是100，则每1秒允许的QPS为10

•如果参数值是101，则每1秒允许的QPS为15

练习案例

案例需求：给/product/findProductById/{pid}这个资源添加热点参数限流，规则如下：

•默认的热点参数规则是每1秒请求量不超过2

•给2这个参数设置例外：每1秒请求量不超过4

•给3这个参数设置例外：每1秒请求量不超过10

注意事项：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源

1）标记资源

给cjj-product中的ProductController中的/product/findProductById/{pid}资源添加注解：

@RequestMapping("product")
public class ProductController {

    @Autowired
    private ProductServer productServer;




    //地址栏传参，需要使用@PathVariable接收
    @GetMapping("/findProductById/{pid}")
    @SentinelResource("hot")
    public Product findProductById(@PathVariable Integer pid){
        Product productById = productServer.findProductById(pid);
        return productById;

    }
    }

2）热点参数限流规则

访问该接口，可以看到我们标记的hot资源出现了：

这里不要点击hot后面的按钮，页面有BUG

点击左侧菜单中热点规则菜单：

3）Jmeter测试

这里发起请求的QPS为5.

普通参数，QPS阈值为2

例外项，QPS阈值为4

例外项，QPS阈值为10

隔离和降级

限流是一种预防措施，虽然限流可以尽量避免因高并发而引起的服务故障，但服务还会因为其它原因而故障。

而要将这些故障控制在一定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级手段了。

线程隔离之前讲到过：调用者在调用服务提供者时，给每个调用的请求分配独立线程池，出现故障时，最多消耗这个线程池内资源，避免把调用者的所有资源耗尽。

熔断降级：是在调用方这边加入断路器，统计对服务提供者的调用，如果调用的失败比例过高，则熔断该业务，不允许访问该服务的提供者了。

可以看到，不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。需要在调用方 发起远程调用时做线程隔离、或者服务熔断。

而我们的微服务远程调用都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。

FeignClient整合Sentinel

SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。

1.修改配置，开启sentinel功能

修改cjj-product的配置文件，开启Feign的Sentinel功能：

#开启feign对sentinel的支持
feign.sentinel.enabled=true

2.编写失败降级逻辑

业务失败后，不能直接报错，而应该返回用户一个友好提示或者默认结果，这个就是失败降级逻辑。

给FeignClient编写失败后的降级逻辑

①方式一：FallbackClass，无法对远程调用的异常做处理

②方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种

这里我们演示方式二的失败降级处理。

步骤一：

注意，一定要交给容器管理

在同时拥有openfeign和Sentinel依赖的项目中定义类，实现FallbackFactory接口


//对哪个接口进行熔断降级，泛型就使用哪个
//将该类交给容器管理
@Component
public class MyFallbackFactory implements FallbackFactory<ProductFeign> {



    @Override
    public ProductFeign create(Throwable throwable) {



        return new ProductFeign() {
            @Override
            public Product findProductById(Integer pid) {
                final Product product = new Product();
                product.setPid(-1);
                product.setPname("被调用的服务器出现故障，请稍后再试");
                return product;
            }
        };
    }
}

步骤二：在项目中的ProductFeign接口中使用UserClientFallbackFactory：

//供给端的服务名
@FeignClient(value = "cjj-product",fallbackFactory = MyFallbackFactory.class)
public interface ProductFeign {



    //接口的方法，必须和被调用者的接口参数完全一致
    @GetMapping("/product/findProductById/{pid}")
    public Product findProductById(@PathVariable Integer pid);
}

重启后，访问一次订单查询业务，然后查看sentinel控制台，可以看到新的簇点链路：

总结

Sentinel支持的雪崩解决方案：

线程隔离（仓壁模式）
降级熔断

Feign整合Sentinel的步骤：

在application.yml中配置：feign.sentienl.enable=true
给FeignClient编写FallbackFactory并注册为Bean
将FallbackFactory配置到FeignClient

线程隔离（舱壁模式）

线程隔离的实现方式

线程隔离有两种方式实现：

线程池隔离
信号量隔离（Sentinel默认采用）

如图：

线程池隔离：给每个服务调用业务分配一个线程池，利用线程池本身实现隔离效果

信号量隔离：不创建线程池，而是计数器模式，记录业务使用的线程数量，达到信号量上限时，禁止新的请求。

两者的优缺点：

sentinel的线程隔离

用法说明：

在添加限流规则时，可以选择两种阈值类型：

QPS：就是每秒的请求数，在快速入门中已经演示过
线程数：是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现线程隔离（舱壁模式）。

案例需求：给 cjj-product服务中的/product/save的查询用户接口设置流控规则，线程数不能超过 2。然后利用jemeter测试。

练习：给cjj-order服务中的/order/insertOrder接口设置流控规则，线程数不能超过2，然后利用jemeter测试

1）配置隔离规则

选择feign接口后面的流控按钮：

填写表单

2）Jmeter测试

一次发生10个请求，有较大概率并发线程数超过2，而超出的请求会走之前定义的失败降级逻辑。

查看运行结果：

发现虽然结果都是通过了，不过部分请求得到的响应是之前降级定义的信息。

总结

线程隔离的两种手段是？

信号量隔离

线程池隔离

信号量隔离的特点是？

基于计数器模式，简单，开销小

线程池隔离的特点是？

基于线程池模式，有额外开销，但隔离控制更强

熔断降级

熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例，如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求；而当服务恢复时，断路器会放行访问该服务的请求。

断路器控制熔断和放行是通过状态机来完成的：

状态机包括三个状态：

closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态

open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态5秒后会进入half-open状态

half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。

请求成功：则切换到closed状态

请求失败：则切换到open状态

断路器熔断策略有三种：慢调用、异常比例、异常数

1.慢调用

慢调用：业务的响应时长（RT）大于指定时长的请求认定为慢调用请求。在指定时间内，如果请求数量超过设定的最小数量，慢调用比例大于设定的阈值，则触发熔断。

例如：

解读：RT超过500ms的调用是慢调用，统计最近1000ms内的请求，如果请求量超过5次，并且慢调用比例不低于0.3，则触发熔断，熔断时长为20秒。然后进入half-open状态，放行一次请求做测试。

1）设置慢调用

修改cjj-order中的/order/insertOrde这个接口的业务。通过休眠模拟一个延迟时间：

此时，pid=2的订单，关联的是id为3的用户，调用时长为60ms：

pid=1的订单，关联的是id为3的用户，调用时长为非常短；

2）设置熔断规则

下面，给接口设置降级规则：

规则：

超过50ms的请求都会被认为是慢请求

3）测试

在浏览器访问：http://localhost:9002/order/insertOrder?pid=2&number=5，快速刷新5次，可以发现：

触发了熔断，请求时长缩短至5ms，快速失败了，并且走降级逻辑，返回的报错信息Blocked by Sentinel (flow limiting)被Sentinel阻塞（限流）

在浏览器访问：http://localhost:9002/order/insertOrder?pid=1&number=5 竟然也熔断了

5秒钟之后访问http://localhost:9002/order/insertOrder?pid=1&number=5 没有慢请求的接口，发现之后的一切正常。

如果5秒钟之后继续访问慢请求接口，他会成功一次，然后继续报错，因为它这个时候是半开状态，会根据接下来的一个请求来判断是否继续开启。具体原因看上面的流程图。

异常比例、异常数

异常比例或异常数：统计指定时间内的调用，如果调用次数超过指定请求数，并且出现异常的比例达到设定的比例阈值（或超过指定异常数），则触发熔断。

例如，一个异常比例设置：

解读：统计最近1000ms内的请求，如果请求量超过5次，并且异常比例不低于0.4，则触发熔断。

另一个异常数设置：

解读：统计最近1000ms内的请求，如果请求量超过5次，并且异常比例不低于2次，则触发熔断。

1）设置异常请求

修改cjj-order中的/order/insertOrde这个接口的业务。手动抛出异常，以触发异常比例的熔断：

也就是说pid为1的时候，会触发异常

2）设置熔断规则

下面，给feign接口设置降级规则：

规则：

在5次请求中，只要异常比例超过0.4，也就是有2次以上的异常，就会触发熔断。

3）测试

在浏览器快速访问：http://localhost:9002/order/insertOrder?pid=1&number=5 ，快速刷新5次，触发熔断：

此时，我们访问本该正常的pid=2

自定义异常结果

默认情况下，发生限流、降级、授权拦截时，都会抛出异常到调用方。异常结果都是flow limmiting（限流）。这样不够友好，无法得知是限流还是降级还是授权拦截。

异常类型

如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

这个方法有三个参数：

HttpServletRequest request：request对象

HttpServletResponse response：response对象

BlockException e：被sentinel拦截时抛出的异常

这里的BlockException包含多个不同的子类：

异常	说明
FlowException	限流异常
ParamFlowException	热点参数限流的异常
DegradeException	降级异常
AuthorityException	授权规则异常
SystemBlockException	系统规则异常

//交给容器管理
@Component
public class SentinelException implements BlockExceptionHandler {





    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        String msg = "未知异常";
        int status = 429;


        if (e instanceof FlowException) {
            msg = "请求被限流了";
        } else if (e instanceof ParamFlowException) {
            msg = "请求被热点参数限流";
        } else if (e instanceof DegradeException) {
            msg = "请求被降级了";
        } else if (e instanceof AuthorityException) {
            msg = "没有权限访问";
            status = 401;
        }

        response.setContentType("application/json;charset=utf-8");
        response.setStatus(status);
        response.getWriter().println("{"msg": " + msg + ", "status": " + status + "}");

    }
}

重启测试，在不同场景下，会返回不同的异常消息.

记得设置对应的限流以及降级规则

文章版权归作者所有，未经允许请勿转载，侵权请联系 admin@trc20.tw 删除。

THE END

# Spring Cloud

springcloud–Sentinel微服务保护

微服务保护的概念

1.微服务的雪崩问题是如何发生的

什么是雪崩问题？

2.微服务雪崩的四种解决方案

2.1超时处理

2.2仓壁模式

2.3断路器模式

2.4 限流

3.服务保护的技术对比

Sentinel介绍和安装

1.Sentinel的优点以及我们为什么使用Sentinel

2.如何安装Sentinel

3.如何运行Sentinel

访问Sentinel

微服务整合Sentinel

1.引入Sentinel依赖

2.配置控制台

2.1文件中加入以下配置

2.2访问相应的接口之后才会触发Sentinel的监控

Sentinel的流量控制–限流

1. 簇点链路

1.1 简单练习

1.22 利用jmeter进行测试

2.流控模式

2.1关联模式

如何实现关联模式

2.链路模式

1）添加查询商品方法

2）查询订单时，查询商品

3）新增订单，查询商品

4）给查询商品添加资源标记

5)修改配置文件

5）添加流控规则

6)jmeter测试

总结：

流控效果

warm up流控效果

1.给/product/read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

排队等待–流控效果

1.给/product/write这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s

1）添加流控规则

2）Jmeter测试

总结

热点参数限流

全局参数限流

热点参数限流

练习案例

1）标记资源

2）热点参数限流规则

3）Jmeter测试

隔离和降级

FeignClient整合Sentinel

1.修改配置，开启sentinel功能

2.编写失败降级逻辑

步骤一：

总结

线程隔离（舱壁模式）

线程隔离的实现方式

sentinel的线程隔离

练习：给cjj-order服务中的/order/insertOrder接口设置流控规则，线程数不能超过2，然后利用jemeter测试

1）配置隔离规则

2）Jmeter测试

总结

熔断降级

1.慢调用

1）设置慢调用

2）设置熔断规则

3）测试

异常比例、异常数

1）设置异常请求

2）设置熔断规则

3）测试

自定义异常结果

异常类型