SpringCloud:微服务保护之流量控制

这篇具有很好参考价值的文章主要介绍了SpringCloud:微服务保护之流量控制。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

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。我们先介绍这种模式。

1.簇点链路

当请求进入微服务时,首先会访问DispatcherServlet,然后进入ControllerServiceMapper,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order-service中的OrderController中的端点:/order/{orderId}

SpringCloud:微服务保护之流量控制

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

2.快速入门

2.1.示例

点击资源/order/{orderId}后面的流控按钮,就可以弹出表单。

SpringCloud:微服务保护之流量控制

表单中可以填写限流规则,如下:

SpringCloud:微服务保护之流量控制

其含义是限制/order/{orderId}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。

2.2.练习:

需求:给/order/{orderId}这个资源设置流控规则,QPS不能超过 5,然后测试。

1)首先在sentinel控制台添加限流规则

SpringCloud:微服务保护之流量控制

2)利用jmeter测试

打开jmeter,创建测试样例:

SpringCloud:微服务保护之流量控制

选择:

SpringCloud:微服务保护之流量控制

20个用户,2秒内运行完,QPS是10,超过了5。

选中流控入门,QPS<5右键运行:

SpringCloud:微服务保护之流量控制

注意,不要点击菜单中的执行按钮来运行。

结果:

SpringCloud:微服务保护之流量控制

可以看到,成功的请求每次只有5个

3.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

SpringCloud:微服务保护之流量控制

测试的就是直接模式。

3.1.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

SpringCloud:微服务保护之流量控制

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。

需求说明

  • OrderController新建两个端点:/order/query/order/update,无需实现业务

  • 配置流控规则,当/order/ update资源被访问的QPS超过5时,对/order/query请求限流

1)定义/order/query端点,模拟订单查询

@GetMapping("/query")
public String queryOrder() {
    return "查询订单成功";
}

2)定义/order/update端点,模拟订单更新

@GetMapping("/update")
public String updateOrder() {
    return "更新订单成功";
}

重启服务,查看sentinel控制台的簇点链路:

SpringCloud:微服务保护之流量控制

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/order/query限流,因此点击它后面的按钮:

SpringCloud:微服务保护之流量控制

在表单中填写流控规则:

SpringCloud:微服务保护之流量控制

4)在Jmeter测试

选择《流控模式-关联》:

SpringCloud:微服务保护之流量控制

可以看到1000个用户,100秒,因此QPS为10,超过了我们设定的阈值:5

查看http请求:

SpringCloud:微服务保护之流量控制

请求的目标是/order/update,这样这个断点就会触发阈值。

但限流的目标是/order/query,我们在浏览器访问,可以发现:

SpringCloud:微服务保护之流量控制

确实被限流了。

5)总结

满足下列条件可以使用关联模式:

  • 两个有竞争关系的资源
  • 一个优先级较高,一个优先级较低

3.2.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:

SpringCloud:微服务保护之流量控制

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:

  1. OrderService中添加一个queryGoods方法,不用实现业务

  2. OrderController中,改造/order/query端点,调用OrderService中的queryGoods方法

  3. OrderController中添加一个/order/save的端点,调用OrderServicequeryGoods方法

  4. queryGoods设置限流规则,从/order/query进入queryGoods的方法限制QPS必须小于2

实现:

1)添加查询商品方法

order-service服务中,给OrderService类添加一个queryGoods方法:

    public void queryGoods(){
        System.err.println("查询商品");
    }
2)查询订单时,查询商品

order-serviceOrderController中,修改/order/query端点的业务逻辑:

    @GetMapping("/query")
    public String queryOrder() {
        // 查询商品
        orderService.queryGoods();
        // 查询订单
        System.out.println("查询订单");
        return "查询订单成功";
    }
3)新增订单,查询商品

order-serviceOrderController中,修改/order/save端点,模拟新增订单:

    @GetMapping("/save")
    public String saveOrder() {
        // 查询商品
        orderService.queryGoods();
        // 查询订单
        System.err.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,OrderService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。

OrderServicequeryGoods方法添加@SentinelResource注解:

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

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order-service服务的application.yml文件:

spring:
  cloud:
    sentinel:
      web-context-unify: false # 关闭context整合

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

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

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

6)Jmeter测试

选择《流控模式-链路》:

SpringCloud:微服务保护之流量控制

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

一个http请求是访问/order/save

SpringCloud:微服务保护之流量控制

运行的结果:

SpringCloud:微服务保护之流量控制

完全不受影响。

另一个是访问/order/query

SpringCloud:微服务保护之流量控制

运行结果:

SpringCloud:微服务保护之流量控制

每次只有2个通过。

3.3.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

4.流控效果

在流控的高级选项中,还有一个流控效果选项:

SpringCloud:微服务保护之流量控制

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。

4.1.warm up

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QPSmaxThreshold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。

SpringCloud:微服务保护之流量控制

案例

需求:给/order/{orderId}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

1)配置流控规则:

SpringCloud:微服务保护之流量控制

2)Jmeter测试

选择《流控效果,warm up》:

SpringCloud:微服务保护之流量控制

QPS为10。

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:

SpringCloud:微服务保护之流量控制

随着时间推移,成功比例越来越高:

SpringCloud:微服务保护之流量控制

Sentinel控制台查看实时监控:

SpringCloud:微服务保护之流量控制

一段时间后:

SpringCloud:微服务保护之流量控制

4.2.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。

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:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

平滑的QPS曲线,对于服务器来说是更友好的。

案例

需求:给/order/{orderId}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

SpringCloud:微服务保护之流量控制

2)Jmeter测试

选择《流控效果,队列》:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

全部都通过了。

再去sentinel查看实时监控的QPS曲线:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

4.3.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 upQPS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

5.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。

5.1.全局参数限流

例如,一个根据id查询商品的接口:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

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

5.2.热点参数限流

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:

SpringCloud:微服务保护之流量控制

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

5.4.案例

案例需求:给/order/{orderId}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102这个参数设置例外:每1秒请求量不超过4

  • 给103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

order-service中的OrderController中的/order/{orderId}资源添加注解:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

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:

SpringCloud:微服务保护之流量控制

点击新增,填写表单:

SpringCloud:微服务保护之流量控制

3)Jmeter测试

选择《热点参数限流QPS1》:

SpringCloud:微服务保护之流量控制

这里发起请求的QPS为5。

包含3个http请求:

普通参数,QPS阈值为2

SpringCloud:微服务保护之流量控制

运行结果:

SpringCloud:微服务保护之流量控制

例外项,QPS阈值为4

SpringCloud:微服务保护之流量控制

运行结果:

SpringCloud:微服务保护之流量控制

例外项,QPS阈值为10

SpringCloud:微服务保护之流量控制

运行结果:

SpringCloud:微服务保护之流量控制文章来源地址https://www.toymoban.com/news/detail-437075.html

到了这里,关于SpringCloud:微服务保护之流量控制的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【业务功能篇87】微服务-springcloud-本地缓存-redis-分布式缓存-缓存穿透-雪崩-击穿

      缓存的作用是减低对数据源的访问频率。从而提高我们系统的性能。 缓存的流程图 2.1 本地缓存   其实就是把缓存数据存储在内存中(Map String,Object ).在单体架构中肯定没有问题。 单体架构下的缓存处理 2.2 分布式缓存   在分布式环境下,我们原来的本地缓存就不是

    2024年02月10日
    浏览(56)
  • SpringCloud:微服务保护之授权规则

    授权规则可以对请求方来源做判断和控制。 1.1.基本规则 授权规则可以对调用方的来源做控制,有白名单和黑名单两种方式。 白名单:来源( origin )在白名单内的调用者允许访问 黑名单:来源( origin )在黑名单内的调用者不允许访问 点击左侧菜单的授权,可以看到授权规

    2024年02月04日
    浏览(33)
  • 【SpringCloud】微服务保护(Sentinel)和分布式事务(Seata)

    建议学完该系列前篇 【SpringCloud】商城项目拆分微服务各个组件学习 然后再来看本文 然后学习 【RabbitMQ】交换机、队列、可靠性保证和延迟消息 在微服务远程调用的过程中,还存在几个问题需要解决。 首先是业务健壮性问题: 例如在之前的查询购物车列表业务中,购物车

    2024年01月25日
    浏览(57)
  • Shell编程之流程控制

    目录 if判断 case语句 for循环  while循环 语法: if [ 条件判断表达式 ]         then                 程序 elif [ 条件判断表达式 ]          then                 程序 else         程序 fi 注意: [ 条件判断表达式 ] ,中括号和条件判断表达式之间必须有空

    2024年02月10日
    浏览(37)
  • 【微服务】Sentinel(流量控制)

    1.Sentinel是什么 2.Sentinel主要特性 3.Sentinel核心功能 1.流量控制 2.熔断降级 3.消息削峰填谷 4.Sentinel两个组成部分 1.需求分析 2.下载 3.运行 1.进入cmd 2.输入java -jar sentinel-dashboard-1.8.0.jar 3.查看默认端口8080 4.访问 1.账号和密码都是sentinel 2.登录成功 3.退出就在cmd输入ctrl + c 5.切换端

    2024年04月14日
    浏览(37)
  • sentinel介绍-分布式微服务流量控制

    https://sentinelguard.io/ 随着微服务的流行,服务和服务之间的稳定性变得越来越重要。Sentinel 是面向分布式、多语言异构化服务架构的流量治理组件,主要以流量为切入点,从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开

    2024年02月16日
    浏览(46)
  • 计算机网络TCP篇之流量控制

    今天谈一谈我对于tcp流量控制的看法 在网络拓扑中如果发送方节点的发送速率大于接受方节点的接受速率,数据会不断在接受方的缓冲区累积,直到接受方的缓冲区满的时候,发送方继续发送数据,这时候接受方无法存放这些数据,就只能将数据包丢掉,这样就消耗了网络资

    2024年02月07日
    浏览(51)
  • Linux中的shell脚本之流程控制&&循环遍历

    3 条件判断 4 流程控制语句 1)if 语句 案例,用户输入用户名和密码,判断用户名是否是admin,密码是否是123,如果正确,则显示登录成功 首先我创建了shell文件,touch getpawer 其中getpawer 是我自己命的名 效果展示如下: 2)case语句:用case语句匹配一个值与一个模式,如果匹配成

    2024年04月16日
    浏览(48)
  • Go之流程控制大全: 细节、示例与最佳实践

    本文深入探讨Go语言中的流程控制语法,包括基本的 if-else 条件分支、 for 循环、 switch-case 多条件分支,以及与特定数据类型相关的流程控制,如 for-range 循环和 type-switch 。文章还详细描述了 goto 、 fallthrough 等跳转语句的使用方法,通过清晰的代码示例为读者提供了直观的指

    2024年02月08日
    浏览(33)
  • 【微服务笔记21】微服务组件之Sentinel服务熔断、服务降级、流量控制介绍

    这篇文章,主要介绍微服务组件之Sentinel服务熔断、服务降级、流量控制。 目录 一、Sentinel组件 1.1、Sentinel介绍 1.2、Sentinel环境搭建 (1)引入依赖 (2)资源和规则 1.3、使用SphU定义资源 (1)定义资源 (2)定义规则 1.4、使用SphO定义资源 (1)定义资源 (2)定义规则 1.5、

    2024年04月17日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包