1.名词解释
- 资源名：唯一名称，默认请求路径
- 针对来源：Sentinel可以针对调用者进行限流，填写微服务名，默认default（不区分来源）
- 阈值类型/单机阈值：
- QPS（每秒钟的请求数量）：当调用该API的QPS达到阈值的时候，进行限流
- 线程数：当调用该API的线程数量达到阈值的时候，进行限流
- 是否集群：当前不需要集群
- 流控模式：
- 直接：API达到限流条件时，直接限流
- 关联：当关联的资源达到阈值时，就限流自己
- 链路：只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阈值，就进行限流）(API级别的针对来源)
- 流控效果：
- 快速失败：直接失败，抛异常
- Wam Up：根据codeFactor（冷加载因子，默认3）的值，从阈值/codeFacotor，经过预热时长，才达到设置的QPS阈值
- 排队等待：匀速排队，让请求以匀速的速度通过，阈值类型必须设置为QPS，否则无效
2.QPS限流
单机阈值设定为1，代表的是当前这个接口1秒只能被访问一次，超过这个阈值，就会被Sentinel阻塞，现在默认为直接失败
3.并发线程数限流
QPS表示每秒最多有多少个请求可以进入到此方法
并发线程数表示同时进入到此方法的线程最多有多少个，比如我现在阈值设置为5，如果此时我的/testA执行需要10秒，那么最多有5个线程可以进入到此方法，超过5个的线程都会被拒接
修改代码：
@RestController public class FlowLimitController { @GetMapping("/testA") public String testA() throws InterruptedException { System.out.println("进入A方法"); Thread.sleep(30000); // 休眠30s达到阻塞的效果 return "-----testA"; } @GetMapping("/testB") public String testB() { return "-----testB"; } }
不断刷新浏览器，当请求超过5个的时候会抛出异常，观察后台打印最多只有5个输出
4.关联限流
官方解释：当关联的资源达到阈值时，就限流自己。通俗解释来说，比如那我们的程序，现在有testA接口和testB接口，当A关联的资源B达到阈值后，就限流自己，也就是B到达阈值，限流A本身。比如一个电商系统中，支付系统达到阈值，就限流下订单系统。
添加流控规则：当关联资源/testB的qps阈值超时1时，就限流/testA的Rest访问地址，当关联资源到阈值后限制配置好的资源名
验证结果当testB到达阈值后，限流testA
5.链路
链路流控模式指的是，当从某个接口过来的资源达到限流条件时，开启限流，它的功能有点类似于针对来源配置项，区别在于：针对来源是针对上级微服务，而链路流控是针对上级接口，也就是说它的粒度更细。比如在一个微服务中，两个接口都调用了同一个Service中的方法，并且该方法用SentinelResource（用于定义资源）注解标注了，然后对该注解标注的资源（方法）进行配置，则可以选择链路模式。
具体演示：
增加一个service类：
import com.alibaba.csp.sentinel.annotation.SentinelResource; import org.springframework.stereotype.Service; @Service public class TestService { // 定义限流资源 @SentinelResource("common") public String common(){ return "common"; } }
然后更改接口调用这个Service方法：
RestController public class FlowLimitController { @Autowired TestService testService; @GetMapping("/testA") public String testA() throws InterruptedException { testService.common(); return "-----testA" ; } @GetMapping("/testB") public String testB() { testService.common(); return "-----testB"; } }
修改yml文件：
spring: cloud: sentinel: # 配置为false,不配置链路规则无法生效 web-context-unify: false
增加链路流控规则：
最后频繁访问testB正常方法，频繁访问testA则出现异常
6.预热
概念：Warm Up方式，当流量突然增加时直接把系统拉升到高水位可能会瞬间把系统压垮。通过"冷启动"，让流量缓慢增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免系统被压垮的情况。
预热公式：阈值/coldFactor（默认值为3），经过预热时间后才会达到阈值。
使用场景：一般秒杀系统中会有这样的流控设置，为了防止秒杀瞬间造成系统崩溃。
冷启动的过程系统允许通过的QPS曲线如下图：
增加预热规则：
默认coldFactor为3，当发起请求的时候QPS从（阈值/3）开始，经过多长预热时长才逐步升至设定的QPS阈值，当前阈值设置为10，预热时长设置为5秒。
最终的效果，系统初始化时阈值/3约等于3，即阈值在此时为3，经过5秒后阈值才慢慢升高到10
7.排队等待
概念：匀速排队方式会严格控制请求通过的间隔时间，也就是让请求以均匀的速度通过，对应的是漏桶算法。这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，我们希望系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求（削峰填谷）。
匀速器：它的中心思想是，以固定的间隔时间让请求通过。当请求到来的时候，如果当前请求距离上个请求通过的时间间隔不小于预设值，则让当前请求通过。否则，计算当前请求的预期通过时间，如果该请求的预期通过时间小于规则预设的 timeout 时间，则该请求会等待直到预设时间到来通过（排队等待处理）；若预期的通过时间超出最大排队时长，则直接拒接这个请求。
Sentinel 匀速排队等待策略是漏桶算法结合虚拟队列等待机制实现的。
注意：匀速排队模式暂时不支持 QPS > 1000 的场景。
流控规则配置：
通过打印时间可以观察到每个请求通过的时候大概都在1s左右，如果排队等待中的请求超过20个，那么后续请求会被拒绝
