Sentinel 是如何实现限流的？

发表于 更新于 分类于 阅读次数： 本文字数： 2.9k 阅读时长 ≈ 3 分钟

大家好呀，我是猿java。

合理的限流策略是保障系统稳定运行的关键，这篇文章，我们来分析一个在微服务架构中广受欢迎的流量控制组件：Sentinel。

1. 什么是 Sentinel？

简单来说，Sentinel 是阿里巴巴开源的一个流量控制组件，用于防止系统过载，保障服务的稳定性和可用性。它不仅支持限流，还具备熔断、降级、系统负载保护等多种功能，非常适合微服务架构下的复杂需求。

比如，你的电商平台在“双十一”期间，面对巨大的访问量，Sentinel 可以帮你合理分配流量，防止某个服务因压力过大而崩溃。

2. 基本原理

要了解 Sentinel 的限流原理，首先得明白 限流 是什么。简单来说，限流是控制流量的大小，防止系统因请求过多而崩溃。常见的限流策略有以下几种：

  1. QPS（每秒查询数）限流：限制单位时间内的请求数。
  2. 线程数限流：限制处理请求的线程数。
  3. 热点参数限流：对特定参数的请求进行限流。
  4. 关联限流：根据多条规则进行综合限流。
  5. 预留规则：为关键业务预留一定的资源。

其中，令牌桶（Token Bucket） 和 漏桶（Leaky Bucket） 是两种常见的限流算法。Sentinel 主要采用令牌桶算法，通过生成固定速率的令牌，控制请求的流入。

想象一下，令牌桶就像一个隔离阀，水管（请求）进入时，必须先获取一个水龙头（令牌）的开关。没有令牌，就暂时不让水（请求）流过。

3. 实现机制

3.1 核心组件

Sentinel 的限流机制主要由以下几个核心组件组成：

  • 资源（Resource）：被保护的资源，比如 HTTP 接口、方法等。
  • 规则（Rule）：定义对资源的限流方式和阈值。
  • 拦截器（Interceptor）：在请求进入资源之前，进行流量控制判断。

3.2 流量统计与动态判断

Sentinel 会实时统计每个资源的请求情况，并根据预设的规则动态判断是否允许请求通过。当请求到达时，拦截器会：

  1. 检查当前时间窗口内请求数是否超出限流阈值。
  2. 如果未超出，允许请求执行，并记录相应的统计信息。
  3. 如果超出，拒绝请求，并返回相应的错误信息。

这个过程几乎是实时且高效的，确保系统在高并发情况下依然能够稳定运行。

4. 示例演示

为了更好地理解 Sentinel 的工作原理，接下来，通过一个简单的 Java 示例，来演示如何使用 Sentinel 进行限流。

4.1 准备环境

首先，确保你已经搭建好了一个基本的 Java 项目，并引入了 Sentinel 依赖。可以在 pom.xml 中添加：

1
2
3
4
5
<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-core</artifactId>
    <version>1.8.4</version>
</dependency>

4.2 编写限流代码

下面是一个简单的示例，展示如何为一个资源设置 QPS 限流规则，并进行流量控制。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
import com.alibaba.csp.sentinel.Entry;
import com.alibaba.csp.sentinel.SphU;
import com.alibaba.csp.sentinel.slots.block.BlockException;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRule;
import com.alibaba.csp.sentinel.slots.block.flow.FlowRuleManager;

import java.util.Collections;

public class SentinelDemo {

    // 定义资源名称
    private static final String RESOURCE_NAME = "resource";

    public static void main(String[] args) {
        // 初始化限流规则
        initFlowRules();

        // 模拟高并发请求
        for (int i = 0; i < 20; i++) {
            new Thread(() -> {
                try (Entry entry = SphU.entry(RESOURCE_NAME)) {
                    // 资源访问逻辑
                    System.out.println("资源访问成功: " + Thread.currentThread().getName());
                } catch (BlockException ex) {
                    // 资源被限流
                    System.out.println("资源被限流: " + Thread.currentThread().getName());
                }
            }).start();
        }
    }

    private static void initFlowRules() {
        FlowRule rule = new FlowRule();
        rule.setResource(RESOURCE_NAME);
        rule.setGrade(com.alibaba.csp.sentinel.slots.block.RuleConstant.FLOW_GRADE_QPS);
        rule.setCount(5); // 设置 QPS 阈值为5

        FlowRuleManager.loadRules(Collections.singletonList(rule));
    }
}

4.3 运行与测试

运行上述代码，你会看到类似如下的输出：

1
2
3
4
5
6
7
8
资源访问成功: Thread-0
资源访问成功: Thread-1
资源访问成功: Thread-2
资源访问成功: Thread-3
资源访问成功: Thread-4
资源被限流: Thread-5
资源被限流: Thread-6
...

这里，我们设置了 QPS 阈值为 5，当并发请求超过这个值时，多余的请求会被 限流，即被拒绝。这有助于保护系统不被突发的高流量冲击。

Sentinel 的功能远不止于简单的限流，它还支持 熔断降级、系统负载保护、丰富的规则配置等等。比如，在服务出现异常时，Sentinel 可以自动触发熔断，暂时关闭对该服务的访问，给予系统恢复的时间。

此外，Sentinel 提供了丰富的监控和管理界面，方便开发者实时查看系统状态，并动态调整规则。

5. 总结

本文，我们分析了 Sentinel 是如何实现限流的以及了解了它的基本原理，并通过一个简单的示例演示了 Sentinel 是如何实现限流的。从基本原理到实际代码，再到更深入的功能拓展，希望这篇文章能帮助大家更好地理解和应用 Sentinel。

你有使用过 Sentinel 进行限流吗？在实际项目中遇到过哪些挑战？欢迎在下方留言讨论，让我们一起交流经验！

6. 学习交流

如果你觉得文章有帮助，请帮忙转发给更多的好友，或关注公众号：猿java，持续输出硬核文章。

drawing