【微服务】Feign 整合 Sentinel，深入探索 Sentinel 的隔离和熔断降级规则，以及授权规则和自定义异常返回结果

规则，以及授权规则和自定义异常返回结果"/>

【微服务】Feign 整合 Sentinel，深入探索 Sentinel 的隔离和熔断降级规则，以及授权规则和自定义异常返回结果

文章目录

• 前言
• 一、Feign 整合 Sentinel
• • 1.1 实现步骤
  • 1.2 FallbackFactory 示例
• 二、Sentinel 实现隔离
• • 2.1 隔离的实现方法
  • 2.2 Sentinel 实现线程隔离示例
• 三、熔断降级规则
• • 3.1 熔断降级原理及其流程
  • 3.2 熔断策略 —— 慢调用
  • 3.3 熔断策略 —— 异常比例和异常数
• 四、授权规则
• • 4.1 什么是授权规则
  • 4.2 授权规则示例
• 五、自定义异常返回结果

---

前言

在前文中，介绍了 Sentinel 的流控模式和流控效果，然而限流只是一种预防措施，虽然可以尽量避免因为并发问题而引起的服务故障，但服务仍然可能因其他因素而发生故障。为了将这些故障控制在一定范围内，以避免雪崩效应的发生，我们需要依赖线程隔离（舱壁模式）和熔断降级机制。

无论是线程隔离还是熔断降级，它们都是为了保护客户端（调用方）免受服务故障的影响。

在微服务之间的调用通常依赖于 Open Feign，因此我们首先需要将Feign与 Sentinel进行有效整合。

本文将探讨 Feign 如何与 Sentinel 整合，以及 Sentinel 的隔离、熔断降级规则以及授权规则等关键概念。

一、Feign 整合 Sentinel

1.1 实现步骤

在 Spring Cloud 中，微服务之间的调用通常依赖于 Feign 来实现。要在微服务架构中保护客户端，需要将 Feign 和 Sentinel 整合在一起。以下是将 Feign 与 Sentinel 整合的步骤，以一个名为 cloud-demo 的微服务案例为例：

1. 修改 order-service 的 application.yml 文件，启用 Feign 对 Sentinel 的支持：

feign:sentinel:enabled: true # 启用 Feign 对 Sentinel 的支持

通过这个配置，我们告诉 Feign 在进行远程调用时要与 Sentinel 一起工作，以确保客户端受到适当的保护。

2. 编写调用失败后的降级逻辑：

当远程调用失败时，可以实现降级逻辑。有两种方式可供选择：

• 方式一：FallbackClass，FallbackClass 是 Feign 的一种直接降级处理机制。它涉及创建一个实现原始Feign接口的类，并在该类的方法中定义降级逻辑。但是这种方式对远程调用的异常无法进行处理。
• 方式二：FallbackFactory（降级工厂），FallbackFactory 提供了更灵活的处理远程服务调用失败的方式。它允许我们动态创建 Feign 接口的降级实例，并获取特定的异常信息。

1.2 FallbackFactory 示例

在接下来的部分，我们将深入研究如何使用 FallbackFactory 来处理远程调用的异常，并为客户端提供更好的降级体验。

步骤一：在 feign-api 模块中创建一个UserClientFallbackFactory类，实现FallbackFactory接口，并重写 create 方法：

@Slf4j
public class UserClientFallbackFactory implements FallbackFactory<UserClient> {@Overridepublic UserClient create(Throwable throwable) {return new UserClient() {@Overridepublic User findById(Long id) {log.error("查询用户失败！", throwable);return new User();}};}
}

这段代码将在 order-service 调用 user-service 失败后自动调用，在控制台会输出错误日志，并返回一个空的 User 对象。

步骤二：在 config 中将 UserClientFallbackFactory 类注册为一个 Bean：

@Bean
public UserClientFallbackFactory userClientFallbackFactory(){return new UserClientFallbackFactory();
}

步骤三：在 feign 的 UserClient 接口的@FeignClient 注解中指定 fallbackFactory 为 UserClientFallbackFactory ：

@FeignClient(value = "userservice", fallbackFactory = UserClientFallbackFactory.class) 
public interface UserClient {@GetMapping("/user/{id}")User findById(@PathVariable("id") Long id);
}

通过这些步骤，就可以使用 FallbackFactory 处理远程服务调用失败，捕获异常信息，并提供更好的降级体验。

二、Sentinel 实现隔离

在 Sentinel 中，隔离有两种主要实现方法，即信号量隔离和线程隔离。其中默认采用的是信号量隔离：

2.1 隔离的实现方法

信号量隔离：

信号量隔离是一种资源隔离方式，它通过设置每个资源（或接口）的许可证数量来控制并发访问。当并发请求到达时，如果资源的许可证数量已经用尽，新的请求将被阻塞，以保护资源不被过度访问。信号量隔离适用于需要控制并发访问的场景，例如数据库连接、外部API调用等。

优点：

• 轻量级，无额外开销
• 适用于高频调用和高扇出场景

缺点：

• 不支持主动超时
• 不支持异步调用

场景：适用于高频调用和高扇出的场景，其中资源隔离较为轻量。

线程隔离：

线程隔离是一种资源隔离方式，它将不同的资源请求隔离到不同的线程池中执行，以确保它们不会相互影响。每个线程池负责执行特定资源的请求，如果一个请求由于某种原因导致线程阻塞或异常，不会影响其他资源的请求。线程隔离适用于需要独立线程执行的场景，例如耗时操作、阻塞调用等。

优点：

• 支持主动超时
• 支持异步调用

缺点：

• 线程的额外开销较大

场景：线程隔离适用于低扇出场景，其中资源隔离更为重要，或需要支持异步调用和主动超时的情况。

选择隔离的实现方法取决于具体需求和应用场景。根据不同的场景和资源调用特点，可以灵活选择信号量隔离或线程隔离，以保障系统的稳定性和性能。

2.2 Sentinel 实现线程隔离示例

回顾在使用 Sentinel 控制台设置限流规则的时候，发现有两种阈值类型：

• QPS： 就是每秒的请求数，在快速入门中已经演示过
• 线程数： 是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现舱壁模式。

下面是一个示例，演示如何在 Sentinel 的控制台中实现线程隔离的设置。

1. 给 UserClient 的查询用户接口设置流控规则，线程数不能超过 2。

2. 然后利用 JMeter 测试。

设置线程数为 10：

设置 HTTP 请求：

启动 JMeter：

可以发现最终 10 个线程的请求只通过了其中两个。

查看 Sentinel 控制台的实时监控：

三、熔断降级规则

3.1 熔断降级原理及其流程

熔断降级原理：

熔断降级是解决雪崩问题的重要手段，其原理是由断路器统计服务调用的异常比例和慢请求比例，如果超出阈值则会熔断该服务。具体原理如下：

1. 关闭状态（Closed）：初始状态下，断路器处于关闭状态，所有请求都会被允许访问服务。
2. 熔断状态（Open）：当服务调用的异常比例或慢请求比例超出阈值时，断路器会进入熔断状态，拦截一定比例的请求，这些请求将快速失败，不会真正访问服务。
3. 半开状态（Half-Open）：在一段时间后，断路器会进入半开状态，允许部分请求访问服务，用于测试服务是否已经恢复正常。
4. 关闭状态（Closed）或继续熔断状态（Open）：根据半开状态下的请求成功与否，断路器会决定是继续保持熔断状态还是恢复到关闭状态。

熔断降级流程：

熔断降级的流程如下图所示：

流程说明如下：

1. 断路器初始处于 Closed 状态，允许所有请求访问服务。
2. 当服务调用失败次数或慢请求比例达到阈值，断路器进入 Open 状态，拦截所有请求，快速失败。
3. 在一段时间后，断路器进入 Half-Open 状态，允许部分请求访问服务，用于测试服务是否已经恢复正常。
4. 如果在 Half-Open 状态下的请求成功，则断路器进入 Closed 状态，允许所有请求访问服务。
5. 如果在 Half-Open 状态下的请求仍然失败，断路器继续保持 Open 状态，直到下一次尝试进入 Half-Open 状态。

熔断降级通过这种状态机实现，可以帮助服务在异常情况下避免雪崩效应，提高系统的可用性和稳定性。

3.2 熔断策略 —— 慢调用

断路器熔断策略有三种：慢调用、异常比例、异常数。

慢调用就是当业务的响应时长（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。

例如，通过 Sentinel 控制台设置慢调用降级策略：

说明：
当 RT 超过 500ms 的调用就是慢调用，统计最近 10000ms 内的请求，如果请求量超过 5 次，并且慢调用比例不低于 0.5，则触发熔断，熔断时长为 5 秒。然后进入 Half-open 状态，放行一次请求做测试。

现在有一个需求：就是给 UserClient 的查询用户接口设置降级规则，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：

为了触发慢调用规则，我们需要修改UserService中的业务，增加业务耗时：

@GetMapping("/{id}")
public User queryById(@PathVariable("id") Long id ) throws InterruptedException {if(id == 1){// 休眠，触发慢调用熔断策略Thread.sleep(60);}return userService.queryById(id);
}

重启 user-service 服务后，我们可以通过快速刷新浏览器，来触发这个熔断机制：

当触发了容器之后，服务其他 ID 的接口，也会被熔断：

3.3 熔断策略 —— 异常比例和异常数

异常比例或异常数都是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。

同样可以通过 Sentinel 控制台进行设置：

说明：

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 0.5，则触发熔断，熔断时长为5秒。然后进入Half-open状态，放行一次请求做测试。

下面以异常比例为例：

例如现在有一个需求：就是给 UserClient 的查询用户接口设置降级规则，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 5s：

为了触发异常统计，同样需要修改UserService中的业务，抛出异常：

@GetMapping("/{id}")
public User queryById(@PathVariable("id") Long id) throws InterruptedException {if(id == 1){// 休眠，触发慢调用熔断策略Thread.sleep(60);} else if (id == 2) {throw new RuntimeException("演示触发异常比例熔断！");}return userService.queryById(id);
}

此时，访问 ID 为 2 的用户就会抛出异常。

重启 user-service 服务后，我们可以通过快速刷新浏览器，来触发这个熔断机制：

四、授权规则

4.1 什么是授权规则

授权规则用于对调用方的来源进行控制，通常分为白名单和黑名单两种方式：

• 白名单：将指定的来源（origin）加入白名单，允许这些调用者访问服务。
• 黑名单：将指定的来源（origin）加入黑名单，不允许这些调用者访问服务。

在 Sentinel 控制台中，可以配置授权规则，如下所示：

现在，我们可以从浏览器和网关两个路径去服务 order-service服务：

如果现在需要限定只允许从网关来的请求访问 order-service服务，那么流控应用中就填写网关的名称。

4.2 授权规则示例

下面将演示如何通过 Sentinel 的授权规则来限制对 order-service 服务的请求只能来自网关 gateway。

Sentinel 是通过 RequestOriginParser 这个接口的 parseOrigin 来获取请求的来源的：

public interface RequestOriginParser {    // 从请求request对象中获取origin，获取方式自定义String parseOrigin(HttpServletRequest request);}

RequestOriginParser 是 Sentinel 提供的接口，用于解析请求的来源（origin）。这接口定义了一个方法 parseOrigin，我们需要实现这个方法，以自定义方式从请求对象中获取请求的来源信息。

因此，我们尝试从request中获取一个名为origin的请求头，作为origin的值，作为判断请求是否来源于网关的依据。实现的步骤如下：

1. 首先，在gateway服务的 application.yml 文件中，利用网关的过滤器给所有的请求都添加一个名为 gateway的 origin 请求头：

spring:cloud:gateway:default-filters: # 默认过滤器，会对所有的路由请求都生效- AddRequestHeader=origin, gateway # Sentinel 授权规则，只有从网关服务的才合法，通过添加请求头标识

2. 然后在 Sentinel 控制台中添加授权规则，指定流控应用为 gateway：

3. 在 order-service 中实现一个 HeadOriginParser 类，实现 RequestOriginParser 接口，用来获取请求源：

@Component
public class HeadOriginParser implements RequestOriginParser {@Overridepublic String parseOrigin(HttpServletRequest httpServletRequest) {// 1. 获取请求头String origin = httpServletRequest.getHeader("origin");// 2. 非空判断if (StringUtils.isEmpty(origin)) {return "blank";}return origin;}
}

如果不存在origin 这个字段的请求头，直接返回"blank"，否则直接返回 origin 的值，然后交给 Sentinel 进行判断请求源。

4. 重启 order-service 和 gateway 服务，进行演示：

此时，如果我们之间通过浏览器访问 order-service 的接口，发现就被禁止访问了：

如果通过 gateway 网关，就能够成功访问了：

五、自定义异常返回结果

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，但是通过上面所有的例子，我们发现都只返回了一种结果，那就是“Blocked by Sentinel (flow limiting)”。如果我们想要知道微服务调用失败的具体原因，就需要对异常进行自定义处理：

如果要实现对 Sentinel 的异常实现自定义，那么就需要实现 BlockExceptionHandler 接口，它是 Sentinel 提供的一个接口，用于自定义处理调用失败时的异常情况。

而关于 BlockException这个类，包含很多个子类，分别对应不同的场景：

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

我们可以通过这些子类来判断在调用微服务失败的时候，具体出现了哪种情况，然后通过自定义异常进行结果的返回，下面是一个实现自定义异常的代码示例：

@Component
public 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 + "}");}
}

在上述示例中，创建了一个名为 CustomBlockExceptionHandler 的自定义异常处理类，实现了 BlockExceptionHandler 接口。在重写的 handle 方法中，根据不同的 BlockException 类型来确定异常消息和状态码，然后将这些信息返回给调用方。

例如，在上面配置了授权规则的情况下，直接通过浏览器访问 order-service 服务：

此时，就能够清楚的知道微服务调用失败的原因了。