文章目录
- 前言
- 一 初识Sentinel
- 1.1 雪崩问题
- 1.2 解决方法
- 1.3 小结
- 1.4 服务保护技术对比
- 1.5 Sentinel介绍
- 1.6 Sentinel安装
- 1.7 微服务整合Sentinel
- 二 测试工具:Jmeter
- 2.1 Jmeter安装和配置
- 2.2 Jmeter快速入门
- 2.2.1 设置中文语言
- 2.2.2 设置Jmeter桌面快捷图标
- 2.3 Jmeter无法保存测试的问题
- 2.4 jmeter基本用法
- 三 流量控制
- 3.1 簇点链路
- 3.2 快速入门
- 3.3 流控模式
- 3.4 链路模式
- 3.5 流控效果
- 3.5.1 warm up
- 3.5.2 排队等待
- 3.6 热点参数限流
- 3.6.1 全局参数限流
- 3.6.2 热点参数限流
- 四 隔离和降级
- 4.1 FeignClient整合Sentinel
- 4.1.1 修改配置,开启sentinel功能
- 4.1.2 编写失败降级逻辑
- 4.1.3 总结
- 4.2 线程隔离(舱壁模式)
- 4.2.1 线程隔离的实现方式
- 4.2.2 sentinel的线程隔离
- 4.3 熔断降级
- 4.3.1 慢调用
- 4.3.2 异常比例、异常数
- 五 授权规则
- 5.1 授权规则
- 5.2 自定义异常结果
- 5.3 自定义异常处理
- 六 规则持久化
- 6.1 规则管理模式
- 6.2 pull模式
- 6.3 push模式
- 6.4 实现push模式
- 6.4.1下载和解压Sentinel源码
- 6.4.2 修改nacos依赖
- 6.4.3 添加nacos支持
- 6.4.4 配置nacos数据源
- 6.4.5 修改前端页面
- 6.4.6 重新编译、打包项目
- 6.4.7 启动
前言
- 本文是学习自黑马程序员,大部分的内容来自微服务课程!!!
- 本文的意义在于学习记录,虽然黑马的学习文档很详细,但是由于课程不可能是时时最新,所以学习使用的工具、内容等版本有一定的差异!!
- 本文,是立足于黑马的教程,对后来的学习者,对其中的细节问题,进行记录和补充!!!
- 文章有不足之处,感谢大家的指正!!!
- 文章后半部分,有关实际操作的部分,小编不再赘述!!!对于操作部分,一定要亲自动手!!!
一 初识Sentinel
1.1 雪崩问题
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。那么,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
微服务调用链路中的某个服务故障,引起整个链路中的所有微服务都不可用,这就是雪崩。
1.2 解决方法
- 解决雪崩问题的常见方式有四种:
- 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
- 舱壁模式: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。
- 熔断降级: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。
- 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。
- 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
- 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
- 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。
- 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。
- 断路器
- 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。
- 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。
- 限制业务访问的QPS,避免服务因流量的突增而故障。
1.3 小结
- 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。
- 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。
1.4 服务保护技术对比
在SpringCloud当中支持多种服务保护技术:
- Netfix Hystrix
- Sentinel
- Resilience4J
早期比较流行的是Hystrix框架,但目前国内实用最广泛的还是阿里巴巴的Sentinel框架,这里我们做下对比:
Sentinel | Hystrix | |
---|---|---|
隔离策略 | 信号量隔离 | 线程池隔离/信号量隔离 |
熔断降级策略 | 基于慢调用比例或异常比例 | 基于失败比率 |
实时指标实现 | 滑动窗口 | 滑动窗口(基于 RxJava) |
规则配置 | 支持多种数据源 | 支持多种数据源 |
扩展性 | 多个扩展点 | 插件的形式 |
基于注解的支持 | 支持 | 支持 |
限流 | 基于 QPS,支持基于调用关系的限流 | 有限的支持 |
流量整形 | 支持慢启动、匀速排队模式 | 不支持 |
系统自适应保护 | 支持 | 不支持 |
控制台 | 开箱即用,可配置规则、查看秒级监控、机器发现等 | 不完善 |
常见框架的适配 | Servlet、Spring Cloud、Dubbo、gRPC 等 | Servlet、Spring Cloud Netflix |
1.5 Sentinel介绍
- Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址
- 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。
1.6 Sentinel安装
- sentinel版本的选择:
- 如果你使用的JDK是1.8,那么完全可以使用资料中的jar包
- 如果你的JDK较新,请到GitHub下载,最新版!!!
- 运行
- 将jar包放到任意非中文目录,执行命令:
java -jar sentinel-dashboard-x.x.x.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-x.x.x.jar
- 访问
- 访问http://localhost:8080页面,就可以看到sentinel的控制台
- 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:因为还没有与微服务整合
1.7 微服务整合Sentinel
- 在微服务项目中整合sentinel,并连接sentinel的控制台,步骤如下:
- 引入sentinel依赖
<!--sentinel--><dependency><groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId></dependency>
- 配置控制台
- 修改application.yaml文件,添加下面内容
server:port: 8088spring:cloud: sentinel:transport:dashboard: localhost:8080 #连接到sentinel 如果你的sentinel是在linux中启动的,请修改为linux的IP
- 访问微服务项目的任意端点
- 打开浏览器,访问http://localhost:8088/order/101,这样才能触发sentinel的监控。
- 然后再访问sentinel的控制台,查看效果
- 后续测试,使用的测试工具是Jmeter,所以接下来学习以下Jmeter的安装和使用
二 测试工具:Jmeter
- Jmeter依赖于JDK,所以必须确保当前计算机上已经安装了JDK,并且配置了环境变量
2.1 Jmeter安装和配置
- 可以Apache Jmeter官网下载,地址
- 解压
- bin目录就是执行的脚本,其中包含启动脚本:
- 双击即可运行,但是有两点注意:
- 启动速度比较慢,要耐心等待
- 启动后黑窗口不能关闭,否则Jmeter也跟着关闭了
2.2 Jmeter快速入门
2.2.1 设置中文语言
- 方式一:永久中文,打开jmeter文件夹,在bin目录中找到 **jmeter.properties**,添加下面配置:- **注意:前面不要出现#,#代表注释,另外这里是下划线,不是中划线**
– 方式二:暂时设置,在图形化界面中选择Potions->Choose Language->English
2.2.2 设置Jmeter桌面快捷图标
- 为jmeter文件的bin目录—>jmeter.bat文件,右键创建桌面快捷方式
- 修改快捷方式的属性
- 制作jmeter快捷方式的图标
- 进入到
apache-jmeter-5.5\docs\images
目录,选一张合适的图标,然后打开在线生成透明ICO图标网站 - 上传图片,制作ico图标,然后将其放入到
apache-jmeter-5.5\docs\images
目录 - 最后右键桌面的快捷方式,修改属性->更改图标->浏览
apache-jmeter-5.5\docs\images
目录选择ico图标文件即可
- 进入到
2.3 Jmeter无法保存测试的问题
- 在jmeter5.4.1中设置外观为window,重启即可解决
- 在最新的jmeter5.5中则无此问题,建议大家尝试最新版
- 可以在默认Darcula样式下,正常保存测试计划
- 可以在默认Darcula样式下,正常保存测试计划
2.4 jmeter基本用法
- 在测试计划上点鼠标右键,选择添加 > 线程(用户) > 线程组:
- 在新增的线程组中,填写线程信息:
- 给线程组点鼠标右键,添加http取样器:
- 编写取样器内容:
- 添加监听报告:
- 添加监听结果树:
- 汇总报告结果:
- 结果树结果
三 流量控制
3.1 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。
- 如:刚才访问的order-service中的OrderController中的端点:/order/{orderId}
- 如:刚才访问的order-service中的OrderController中的端点:/order/{orderId}
- 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
3.2 快速入门
- 点击资源/order/{orderId}后面的流控按钮,就可以弹出表单
- 表单中可以填写限流规则
- 利用jmeter测试
- 注意:不要点击菜单中的执行按钮来运行
- 执行结果
3.3 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
- 需求说明:
- 在OrderController新建两个端点:/order/query和/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
- 注意,重启服务之后,记得访问一次之后,sentinel才可以显示簇点链路
- 重启服务,查看sentinel控制台的簇点链路:
- 配置流控规则
- 在Jmeter测试
- 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:
- 请求的目标是/order/update,这样这个断点就会触发阈但限流的目标是/order/query
- 满足下面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
3.4 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。
- 如:设置两个链路访问相同的资源
- 添加流控规则
- Jmeter测试
- 一个http请求是访问/order/save:
- 运行的结果:完全不受影响
- 另一个是访问/order/query:
- 运行结果:每次只有2个通过
- 一个http请求是访问/order/save:
3.5 流控效果
- 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
3.5.1 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.
- 配置流控规则
- Jmeter测试
- Sentinel控制台查看实时监控:
3.5.2 排队等待
- 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:
- 动图解释:
- 添加流控规则
- Jmeter测试测试结果
- 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。
3.6 热点参数限流
- 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。
3.6.1 全局参数限流
- 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:
- 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
- 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
3.6.2 热点参数限流
- 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
四 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
线程隔离: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
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。
4.1 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。
4.1.1 修改配置,开启sentinel功能
修改OrderService的application.yml文件,开启Feign的Sentinel功能:
feign:sentinel:enabled: true # 开启feign对sentinel的支持
4.1.2 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【采用】
- 这里演示方式二的失败降级处理。
步骤一:在feing-api项目中定义类,实现FallbackFactory:
- 代码:
@Slf4jpublic class UserClientFallbackFactory implements FallbackFactory<UserClient> {@Overridepublic UserClient create(Throwable throwable) {return new UserClient() {@Overridepublic User findById(Long id) {log.error("查询用户异常", throwable);return new User();}};}}
步骤二:在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean:
@Beanpublic UserClientFallbackFactory userClientFallbackFactory(){return new UserClientFallbackFactory();}
步骤三:在feing-api项目中的UserClient接口中使用UserClientFallbackFactory:
@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class)public interface UserClient {@GetMapping("/user/{id}")User findById(@PathVariable("id") Long id);}
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:
4.1.3 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
4.2 线程隔离(舱壁模式)
4.2.1 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)
- 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:
4.2.2 sentinel的线程隔离
- 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
- 线程数: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)
4.3 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。
下面演示断路器的执行图:
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
4.3.1 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。
- 演示
- 慢调用的RT阈值为50ms,统计时间为1秒,最小请求数量为5,失败阈值比例为0.4,熔断时长为5。超过50ms的请求都会被认为是慢请求。
4.3.2 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10次,并且异常比例不低于0.4,则触发熔断。
- 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10次,并且异常比例不低于2次,则触发熔断。
五 授权规则
- 授权规则可以对请求方来源做判断和控制。
5.1 授权规则
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
- 资源名:就是受保护的资源,例如/order/{orderId}
- 流控应用:是来源者的名单,
- 如果是勾选白名单,则名单中的来源被许可访问。
- 如果是勾选黑名单,则名单中的来源被禁止访问。
演示:【有关微服务操作略过】
- 只允许网关访问服务
- 直接访问出错
- 通过网关访问:
- 只允许网关访问服务
5.2 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:
public interface BlockExceptionHandler {/** * 处理请求被限流、降级、授权拦截时抛出的异常:BlockException */void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception;}
- 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
- 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 |
5.3 自定义异常处理
@Componentpublic class SentinelExceptionHandler implements BlockExceptionHandler {@Overridepublic 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 + "}");}}
- 授权拦截:
六 规则持久化
- sentinel的所有规则都是内存存储,重启后所有规则都会丢失。在生产环境下,我们必须确保这些规则的持久化,避免丢失。
6.1 规则管理模式
规则是否能持久化,取决于规则管理模式,sentinel支持三种规则管理模式:
原始模式:Sentinel的默认模式,将规则保存在内存,重启服务会丢失。
- pull模式
- push模式
6.2 pull模式
- pull模式:控制台将配置的规则推送到Sentinel客户端,而客户端会将配置规则保存在本地文件或数据库中。以后会定时去本地文件或数据库中查询,更新本地规则。
6.3 push模式
- push模式:控制台将配置规则推送到远程配置中心,例如Nacos。Sentinel客户端监听Nacos,获取配置变更的推送消息,完成本地配置更新。
6.4 实现push模式
6.4.1下载和解压Sentinel源码
- Sentinel下载地址
- 然后并用IDEA打开这个项目,结构如下:
6.4.2 修改nacos依赖
- 在
sentinel-dashboard
源码文件夹的pom文件中,nacos的依赖默认的scope是test,只能在测试时使用,这里要去除:
6.4.3 添加nacos支持
在sentinel-dashboard的test包下,已经编写了对nacos的支持,我们需要将其拷贝到main下
修改其中的nacos地址,让其读取application.properties中的配置:
在sentinel-dashboard的application.properties中添加nacos地址配置:
6.4.4 配置nacos数据源
6.4.5 修改前端页面
- 还要修改前端页面,添加一个支持nacos的菜单
- 修改src/main/webapp/resources/app/scripts/directives/sidebar/目录下的sidebar.html文件
修改其中的文本
<li ui-sref-active="active" ng-if="entry.appType==0"> <a ui-sref="dashboard.flow({app: entry.app})"> <i class="glyphicon glyphicon-filter"></i>流控规则-NACOS</a> </li>
6.4.6 重新编译、打包项目
- 运行IDEA中的maven插件,编译和打包修改好的Sentinel-Dashboard:
6.4.7 启动
- 启动方式跟官方一样:
java -jar sentinel-dashboard.jar
- 如果要修改nacos地址,需要添加参数:
java -jar -Dnacos.addr=localhost:8848 sentinel-dashboard.jar