限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理
Sentinel 是阿里中間件團隊開源的，面向分布式服務架構的輕量級高可用流量控制組件，主要以流量為切入點，從流量控制、熔斷降級、系統負載保護等多個維度來幫助用戶保護服務的穩定性。
大家可能會問：Sentinel 和之前常用的熔斷降級庫 Netflix Hystrix 有什么異同呢？Sentinel官網有一個對比的文章，這里摘抄一個總結的表格，具體的對比可以點此 鏈接 查看。
從對比的表格可以看到，Sentinel比Hystrix在功能性上還要強大一些，本文讓我們一起來了解下Sentinel的源碼，揭開Sentinel的神秘面紗。
項目結構
將Sentinel的源碼fork到自己的github庫中，接著把源碼clone到本地，然后開始源碼閱讀之旅吧。
首先我們看一下Sentinel項目的整個結構：
- sentinel-core 核心模塊，限流、降級、系統保護等都在這里實現
- sentinel-dashboard 控制臺模塊，可以對連接上的sentinel客戶端實現可視化的管理
- sentinel-transport 傳輸模塊，提供了基本的監控服務端和客戶端的API接口，以及一些基于不同庫的實現
- sentinel-extension 擴展模塊，主要對DataSource進行了部分擴展實現
- sentinel-adapter 適配器模塊，主要實現了對一些常見框架的適配
- sentinel-demo 樣例模塊，可參考怎么使用sentinel進行限流、降級等
- sentinel-benchmark 基準測試模塊，對核心代碼的精確性提供基準測試
運行樣例
基本上每個框架都會帶有樣例模塊，有的叫example，有的叫demo，sentinel也不例外。
那我們從sentinel的demo中找一個例子運行下看看大致的情況吧，上面說過了sentinel主要的核心功能是做限流、降級和系統保護，那我們就從“限流”開始看sentinel的實現原理吧。
可以看到sentinel-demo模塊中有很多不同的樣例，我們找到basic模塊下的flow包，這個包下面就是對應的限流的樣例，但是限流也有很多種類型的限流，我們就找根據qps限流的類看吧，其他的限流方式原理上都大差不差。
- public class FlowQpsDemo {
- private static final String KEY = "abc";
- 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 = 30;
- public static void main(String[] args) throws Exception {
- initFlowQpsRule();
- tick();
- // first make the system run on a very low condition
- simulateTraffic();
- System.out.println("===== begin to do flow control");
- System.out.println("only 20 requests per second can pass");
- }
- private static void initFlowQpsRule() {
- List<FlowRule> rules = new ArrayList<FlowRule>();
- FlowRule rule1 = new FlowRule();
- rule1.setResource(KEY);
- // set limit qps to 20
- rule1.setCount(20);
- // 設置限流類型：根據qps
- rule1.setGrade(RuleConstant.FLOW_GRADE_QPS);
- rule1.setLimitApp("default");
- rules.add(rule1);
- // 加載限流的規則
- FlowRuleManager.loadRules(rules);
- }
- 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
- }
- }
- }
- }
- }
執行上面的代碼后，打印出如下的結果：
可以看到，上面的結果中，pass的數量和我們的預期并不相同，我們預期的是每秒允許pass的請求數是20個，但是目前有很多pass的請求數是超過20個的。
原因是，我們這里測試的代碼使用了多線程，注意看 threadCount 的值，一共有32個線程來模擬，而在RunTask的run方法中執行資源保護時，即在 SphU.entry 的內部是沒有加鎖的，所以就會導致在高并發下，pass的數量會高于20。
可以用下面這個模型來描述下，有一個TimeTicker線程在做統計，每1秒鐘做一次。有N個RunTask線程在模擬請求，被訪問的business code被資源key保護著，根據規則，每秒只允許20個請求通過。
由于pass、block、total等計數器是全局共享的，而多個RunTask線程在執行SphU.entry申請獲取entry時，內部沒有鎖保護，所以會存在pass的個數超過設定的閾值。
那為了證明在單線程下限流的正確性與可靠性，那我們的模型就應該變成了這樣：
那接下來我把 threadCount 的值改為1，只有一個線程來執行這個方法，看下具體的限流結果，執行上面的代碼后打印的結果如下：
可以看到pass數基本上維持在20，但是***次統計的pass值還是超過了20。這又是什么原因導致的呢？
其實仔細看下Demo中的代碼可以發現，模擬請求是用的一個線程，統計結果是用的另外一個線程，統計線程每1秒鐘統計一次結果，這兩個線程之間是有時間上的誤差的。從TimeTicker線程打印出來的時間戳可以看出來，雖然每隔一秒進行統計，但是當前打印時的時間和上一次的時間還是有誤差的，不完全是1000ms的間隔。
要真正驗證每秒限制20個請求，保證數據的精準性，需要做基準測試，這個不是本篇文章的重點，有興趣的同學可以去了解下jmh，sentinel中的基準測試也是通過jmh做的。
深入原理
通過一個簡單的示例程序，我們了解了sentinel可以對請求進行限流，除了限流外，還有降級和系統保護等功能。那現在我們就撥開云霧，深入源碼內部去一窺sentinel的實現原理吧。
首先從入口開始： SphU.entry() 。這個方法會去申請一個entry，如果能夠申請成功，則說明沒有被限流，否則會拋出BlockException，表面已經被限流了。
從 SphU.entry() 方法往下執行會進入到 Sph.entry() ，Sph的默認實現類是 CtSph ，在CtSph中最終會執行到 entry(ResourceWrapperresourceWrapper,intcount,Object...args)throwsBlockException 這個方法。
我們來看一下這個方法的具體實現：
- public Entry entry(ResourceWrapper resourceWrapper, int count, Object... args) throws BlockException {
- Context context = ContextUtil.getContext();
- if (context instanceof NullContext) {
- // Init the entry only. No rule checking will occur.
- return new CtEntry(resourceWrapper, null, context);
- }
- if (context == null) {
- context = MyContextUtil.myEnter(Constants.CONTEXT_DEFAULT_NAME, "", resourceWrapper.getType());
- }
- // Global switch is close, no rule checking will do.
- if (!Constants.ON) {
- return new CtEntry(resourceWrapper, null, context);
- }
- // 獲取該資源對應的SlotChain
- ProcessorSlot<Object> chain = lookProcessChain(resourceWrapper);
- /*
- * Means processor cache size exceeds {@link Constants.MAX_SLOT_CHAIN_SIZE}, so no
- * rule checking will be done.
- */
- if (chain == null) {
- return new CtEntry(resourceWrapper, null, context);
- }
- Entry e = new CtEntry(resourceWrapper, chain, context);
- try {
- // 執行Slot的entry方法
- chain.entry(context, resourceWrapper, null, count, args);
- } catch (BlockException e1) {
- e.exit(count, args);
- // 拋出BlockExecption
- throw e1;
- } catch (Throwable e1) {
- RecordLog.info("Sentinel unexpected exception", e1);
- }
- return e;
- }
這個方法可以分為以下幾個部分：
- 1.對參數和全局配置項做檢測，如果不符合要求就直接返回了一個CtEntry對象，不會再進行后面的限流檢測，否則進入下面的檢測流程。
- 2.根據包裝過的資源對象獲取對應的SlotChain
- 3.執行SlotChain的entry方法
- 3.1.如果SlotChain的entry方法拋出了BlockException，則將該異常繼續向上拋出
- 3.2.如果SlotChain的entry方法正常執行了，則***會將該entry對象返回
- 4.如果上層方法捕獲了BlockException，則說明請求被限流了，否則請求能正常執行
其中比較重要的是第2、3兩個步驟，我們來分解一下這兩個步驟。
創建SlotChain
首先看一下lookProcessChain的方法實現：
- private ProcessorSlot<Object> lookProcessChain(ResourceWrapper resourceWrapper) {
- ProcessorSlotChain chain = chainMap.get(resourceWrapper);
- if (chain == null) {
- synchronized (LOCK) {
- chain = chainMap.get(resourceWrapper);
- if (chain == null)
- // Entry size limit.
- if (chainMap.size() >= Constants.MAX_SLOT_CHAIN_SIZE) {
- return null;
- }
- // 具體構造chain的方法
- chain = Env.slotsChainbuilder.build();
- Map<ResourceWrapper, ProcessorSlotChain> newMap = new HashMap<ResourceWrapper, ProcessorSlotChain>(chainMap.size() + 1);
- newMap.putAll(chainMap);
- newMap.put(resourceWrapper, chain);
- chainMap = newMap;
- }
- }
- }
- return chain;
- }
該方法使用了一個HashMap做了緩存，key是資源對象。這里加了鎖，并且做了 doublecheck 。具體構造chain的方法是通過： Env.slotsChainbuilder.build() 這句代碼創建的。那就進入這個方法看看吧。
- public ProcessorSlotChain build() {
- ProcessorSlotChain chain = new DefaultProcessorSlotChain();
- chain.addLast(new NodeSelectorSlot());
- chain.addLast(new ClusterBuilderSlot());
- chain.addLast(new LogSlot());
- chain.addLast(new StatisticSlot());
- chain.addLast(new SystemSlot());
- chain.addLast(new AuthoritySlot());
- chain.addLast(new FlowSlot());
- chain.addLast(new DegradeSlot());
- return chain;
- }
Chain是鏈條的意思，從build的方法可看出，ProcessorSlotChain是一個鏈表，里面添加了很多個Slot。具體的實現需要到DefaultProcessorSlotChain中去看。
- public class DefaultProcessorSlotChain extends ProcessorSlotChain {
- AbstractLinkedProcessorSlot<?> first = new AbstractLinkedProcessorSlot<Object>() {
- @Override
- public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)
- throws Throwable {
- super.fireEntry(context, resourceWrapper, t, count, args);
- }
- @Override
- public void exit(Context context, ResourceWrapper resourceWrapper, int count, Object... args) {
- super.fireExit(context, resourceWrapper, count, args);
- }
- };
- AbstractLinkedProcessorSlot<?> end = first; @Override public void addFirst(AbstractLinkedProcessorSlot<?> protocolProcessor) { protocolProcessor.setNext(first.getNext()); first.setNext(protocolProcessor); if (end == first) { end = protocolProcessor; } } @Override
- public void addLast(AbstractLinkedProcessorSlot<?> protocolProcessor)
- end.setNext(protocolProcessor);
- end = protocolProcessor;
- }
- }
DefaultProcessorSlotChain中有兩個AbstractLinkedProcessorSlot類型的變量：first和end，這就是鏈表的頭結點和尾節點。
創建DefaultProcessorSlotChain對象時，首先創建了首節點，然后把首節點賦值給了尾節點，可以用下圖表示：
將***個節點添加到鏈表中后，整個鏈表的結構變成了如下圖這樣：
將所有的節點都加入到鏈表中后，整個鏈表的結構變成了如下圖所示：
這樣就將所有的Slot對象添加到了鏈表中去了，每一個Slot都是繼承自AbstractLinkedProcessorSlot。而AbstractLinkedProcessorSlot是一種責任鏈的設計，每個對象中都有一個next屬性，指向的是另一個AbstractLinkedProcessorSlot對象。其實責任鏈模式在很多框架中都有，比如Netty中是通過pipeline來實現的。
知道了SlotChain是如何創建的了，那接下來就要看下是如何執行Slot的entry方法的了。
執行SlotChain的entry方法
lookProcessChain方法獲得的ProcessorSlotChain的實例是DefaultProcessorSlotChain，那么執行chain.entry方法，就會執行DefaultProcessorSlotChain的entry方法，而DefaultProcessorSlotChain的entry方法是這樣的：
- @Override
- public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)
- throws Throwable {
- first.transformEntry(context, resourceWrapper, t, count, args);
- }
也就是說，DefaultProcessorSlotChain的entry實際是執行的first屬性的transformEntry方法。
而transformEntry方法會執行當前節點的entry方法，在DefaultProcessorSlotChain中first節點重寫了entry方法，具體如下：
- @Override
- public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)
- throws Throwable {
- super.fireEntry(context, resourceWrapper, t, count, args);
- }
first節點的entry方法，實際又是執行的super的fireEntry方法，那繼續把目光轉移到fireEntry方法，具體如下：
- @Override
- public void fireEntry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, Object... args)
- throws Throwable {
- if (next != null) {
- next.transformEntry(context, resourceWrapper, obj, count, args);
- }
- }
從這里可以看到，從fireEntry方法中就開始傳遞執行entry了，這里會執行當前節點的下一個節點transformEntry方法，上面已經分析過了，transformEntry方法會觸發當前節點的entry，也就是說fireEntry方法實際是觸發了下一個節點的entry方法。具體的流程如下圖所示：
從圖中可以看出，從最初的調用Chain的entry()方法，轉變成了調用SlotChain中Slot的entry()方法。從上面的分析可以知道，SlotChain中的***個Slot節點是NodeSelectorSlot。
執行Slot的entry方法
現在可以把目光轉移到SlotChain中的***個節點NodeSelectorSlot的entry方法中去了，具體的代碼如下：
- @Override
- public void entry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, Object... args)
- throws Throwable {
- DefaultNode node = map.get(context.getName());
- if (node == null) {
- synchronized (this) {
- node = map.get(context.getName());
- if (node == null) {
- node = Env.nodeBuilder.buildTreeNode(resourceWrapper, null);
- HashMap<String, DefaultNode> cacheMap = new HashMap<String, DefaultNode>(map.size());
- cacheMap.putAll(map);
- cacheMap.put(context.getName(), node);
- map = cacheMap;
- }
- // Build invocation tree
- ((DefaultNode)context.getLastNode()).addChild(node);
- }
- }
- context.setCurNode(node);
- // 由此觸發下一個節點的entry方法
- fireEntry(context, resourceWrapper, node, count, args);
- }
從代碼中可以看到，NodeSelectorSlot節點做了一些自己的業務邏輯處理，具體的大家可以深入源碼繼續追蹤，這里大概的介紹下每種Slot的功能職責：
- NodeSelectorSlot 負責收集資源的路徑，并將這些資源的調用路徑，以樹狀結構存儲起來，用于根據調用路徑來限流降級；
- ClusterBuilderSlot 則用于存儲資源的統計信息以及調用者信息，例如該資源的 RT, QPS, thread count 等等，這些信息將用作為多維度限流，降級的依據；
- StatistcSlot 則用于記錄，統計不同緯度的 runtime 信息；
- FlowSlot 則用于根據預設的限流規則，以及前面 slot 統計的狀態，來進行限流；
- AuthorizationSlot 則根據黑白名單，來做黑白名單控制；
- DegradeSlot 則通過統計信息，以及預設的規則，來做熔斷降級；
- SystemSlot 則通過系統的狀態，例如 load1 等，來控制總的入口流量；
執行完業務邏輯處理后，調用了fireEntry()方法，由此觸發了下一個節點的entry方法。此時我們就知道了sentinel的責任鏈就是這樣傳遞的：每個Slot節點執行完自己的業務后，會調用fireEntry來觸發下一個節點的entry方法。
所以可以將上面的圖完整了，具體如下：
至此就通過SlotChain完成了對每個節點的entry()方法的調用，每個節點會根據創建的規則，進行自己的邏輯處理，當統計的結果達到設置的閾值時，就會觸發限流、降級等事件，具體是拋出BlockException異常。
總結
sentinel主要是基于7種不同的Slot形成了一個鏈表，每個Slot都各司其職，自己做完分內的事之后，會把請求傳遞給下一個Slot，直到在某一個Slot中***規則后拋出BlockException而終止。
前三個Slot負責做統計，后面的Slot負責根據統計的結果結合配置的規則進行具體的控制，是Block該請求還是放行。
控制的類型也有很多可選項：根據qps、線程數、冷啟動等等。
然后基于這個核心的方法，衍生出了很多其他的功能：
- 1、dashboard控制臺，可以可視化的對每個連接過來的sentinel客戶端 (通過發送heartbeat消息)進行控制，dashboard和客戶端之間通過http協議進行通訊。
- 2、規則的持久化，通過實現DataSource接口，可以通過不同的方式對配置的規則進行持久化，默認規則是在內存中的
- 3、對主流的框架進行適配，包括servlet，dubbo，rRpc等
Dashboard控制臺
sentinel-dashboard是一個單獨的應用，通過spring-boot進行啟動，主要提供一個輕量級的控制臺，它提供機器發現、單機資源實時監控、集群資源匯總，以及規則管理的功能。
我們只需要對應用進行簡單的配置，就可以使用這些功能。
1 啟動控制臺
1.1 下載代碼并編譯控制臺
- 下載 控制臺 工程
- 使用以下命令將代碼打包成一個 fat jar: mvn cleanpackage
1.2 啟動
使用如下命令啟動編譯后的控制臺：
$ java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=localhost:8080 -jar target/sentinel-dashboard.jar
上述命令中我們指定了一個JVM參數， -Dserver.port=8080 用于指定 Spring Boot 啟動端口為 8080。
2 客戶端接入控制臺
控制臺啟動后，客戶端需要按照以下步驟接入到控制臺。
2.1 引入客戶端jar包
通過 pom.xml 引入 jar 包:
- <dependency>
- <groupId>com.alibaba.csp</groupId>
- <artifactId>sentinel-transport-simple-http</artifactId>
- <version>x.y.z</version>
- </dependency>
2.2 配置啟動參數
啟動時加入 JVM 參數 -Dcsp.sentinel.dashboard.server=consoleIp:port 指定控制臺地址和端口。若啟動多個應用，則需要通過 -Dcsp.sentinel.api.port=xxxx 指定客戶端監控 API 的端口（默認是 8719）。
除了修改 JVM 參數，也可以通過配置文件取得同樣的效果。更詳細的信息可以參考 啟動配置項。
2.3 觸發客戶端初始化
確保客戶端有訪問量，Sentinel 會在客戶端***調用的時候進行初始化，開始向控制臺發送心跳包。
sentinel-dashboard是一個獨立的web應用，可以接受客戶端的連接，然后與客戶端之間進行通訊，他們之間使用http協議進行通訊。他們之間的關系如下圖所示：
dashboard
dashboard啟動后會等待客戶端的連接，具體的做法是在 MachineRegistryController 中有一個 receiveHeartBeat 的方法，客戶端發送心跳消息，就是通過http請求這個方法。
dashboard接收到客戶端的心跳消息后，會把客戶端的傳遞過來的ip、port等信息封裝成一個 MachineInfo對象，然后將該對象通過 MachineDiscovery 接口的 addMachine 方法添加到一個ConcurrentHashMap中保存起來。
這里會有問題，因為客戶端的信息是保存在dashboard的內存中的，所以當dashboard應用重啟后，之前已經發送過來的客戶端信息都會丟失掉。
client
client在啟動時，會通過CommandCenterInitFunc選擇一個，并且只選擇一個CommandCenter進行啟動。
啟動之前會通過spi的方式掃描獲取到所有的CommandHandler的實現類，然后將所有的CommandHandler注冊到一個HashMap中去，待后期使用。
PS：考慮一下，為什么CommandHandler不需要做持久化，而是直接保存在內存中。
注冊完CommandHandler之后，緊接著就啟動CommandCenter了，目前CommandCenter有兩個實現類：
- SimpleHttpCommandCenter 通過ServerSocket啟動一個服務端，接受socket連接
- NettyHttpCommandCenter 通過Netty啟動一個服務端，接受channel連接
CommandCenter啟動后，就等待dashboard發送消息過來了，當接收到消息后，會把消息通過具體的CommandHandler進行處理，然后將處理的結果返回給dashboard。
這里需要注意的是，dashboard給client發送消息是通過異步的httpClient進行發送的，在HttpHelper類中。
但是詭異的是，既然通過異步發送了，又通過一個CountDownLatch來等待消息的返回，然后獲取結果，那這樣不就失去了異步的意義的嗎？具體的代碼如下：
- private String httpGetContent(String url) { final HttpGet httpGet = new HttpGet(url); final CountDownLatch latch = new CountDownLatch(1);
- final AtomicReference<String> reference = new AtomicReference<>();
- httpclient.execute(httpGet, new FutureCallback<HttpResponse>() {
- @Override
- public void completed(final HttpResponse response) {
- try {
- reference.set(getBody(response));
- } catch (Exception e) {
- logger.info("httpGetContent " + url + " error:", e);
- } finally {
- latch.countDown();
- }
- }
- @Override
- public void failed(final Exception ex) {
- latch.countDown();
- logger.info("httpGetContent " + url + " failed:", ex);
- }
- @Override
- public void cancelled() {
- latch.countDown();
- }
- });
- try {
- latch.await(5, TimeUnit.SECONDS);
- } catch (Exception e) {
- logger.info("wait http client error:", e);
- }
- return reference.get();
- }
主流框架的適配
sentinel也對一些主流的框架進行了適配，使得在使用主流框架時，也可以享受到sentinel的保護。目前已經支持的適配器包括以下這些：
- Web Servlet
- Dubbo
- Spring Boot / Spring Cloud
- gRPC
- Apache RocketMQ
其實做適配就是通過那些主流框架的擴展點，然后在擴展點上加入sentinel限流降級的代碼即可。拿Servlet的適配代碼看一下，具體的代碼是：
- public class CommonFilter implements Filter {
- @Override
- public void init(FilterConfig filterConfig) {
- }
- @Override
- public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)
- throws IOException, ServletException
- HttpServletRequest sRequest = (HttpServletRequest)request;
- Entry entry = null;
- try {
- // 根據請求生成的資源
- String target = FilterUtil.filterTarget(sRequest);
- target = WebCallbackManager.getUrlCleaner().clean(target);
- // “申請”該資源
- ContextUtil.enter(target);
- entry = SphU.entry(target, EntryType.IN);
- // 如果能成功“申請”到資源，則說明未被限流
- // 則將請求放行
- chain.doFilter(request, response);
- } catch (BlockException e) {
- // 否則如果捕獲了BlockException異常，說明請求被限流了
- // 則將請求重定向到一個默認的頁面
- HttpServletResponse sResponse = (HttpServletResponse)response;
- WebCallbackManager.getUrlBlockHandler().blocked(sRequest, sResponse);
- } catch (IOException e2) {
- // 省略部分代碼
- } finally {
- if (entry != null) {
- entry.exit();
- }
- ContextUtil.exit();
- }
- }
- @Override
- public void destroy() {
- }
- }
通過Servlet的Filter進行擴展，實現一個Filter，然后在doFilter方法中對請求進行限流控制，如果請求被限流則將請求重定向到一個默認頁面，否則將請求放行給下一個Filter。
規則持久化，動態化
Sentinel 的理念是開發者只需要關注資源的定義，當資源定義成功，可以動態增加各種流控降級規則。
Sentinel 提供兩種方式修改規則：
- 通過 API 直接修改 ( loadRules)
- 通過 DataSource適配不同數據源修改
通過 API 修改比較直觀，可以通過以下三個 API 修改不同的規則：
FlowRuleManager.loadRules(List<FlowRule> rules); // 修改流控規則
DegradeRuleManager.loadRules(List<DegradeRule> rules); // 修改降級規則
SystemRuleManager.loadRules(List<SystemRule> rules); // 修改系統規則
DataSource 擴展
上述 loadRules() 方法只接受內存態的規則對象，但應用重啟后內存中的規則就會丟失，更多的時候規則***能夠存儲在文件、數據庫或者配置中心中。
DataSource 接口給我們提供了對接任意配置源的能力。相比直接通過 API 修改規則，實現 DataSource 接口是更加可靠的做法。
官方推薦通過控制臺設置規則后將規則推送到統一的規則中心，用戶只需要實現 DataSource 接口，來監聽規則中心的規則變化，以實時獲取變更的規則。
DataSource 拓展常見的實現方式有：
- 拉模式：客戶端主動向某個規則管理中心定期輪詢拉取規則，這個規則中心可以是 SQL、文件，甚至是 VCS 等。這樣做的方式是簡單，缺點是無法及時獲取變更；
- 推模式：規則中心統一推送，客戶端通過注冊監聽器的方式時刻監聽變化，比如使用 Nacos、Zookeeper 等配置中心。這種方式有更好的實時性和一致性保證。
至此，sentinel的基本情況都已經分析了，更加詳細的內容，可以繼續閱讀源碼來研究。
