Sentinel熔断降级与系统自适应限流

　　熔断降级
　　限流需要我们根据不同的硬件条件做好压测，压测出一个接口或者一个服务在某种硬件配置下最大能承受的 QPS，根据这个结果配置限流规则，并且在后期需求的不断叠加，也需要对接口重新做压测，或者根据线上的实际表现不断调整限流的阈值。因此，限流可能很少使用，或者限流的阈值都会配置的比压测结果略大，这时就需要结合熔断降级做兜底。
　　Sentinel 支持对同一个资源配置多个相同类型或不同类型的规则，在配置了限流规则的基础上，我们还可以为同一资源配置熔断降级规则。当接口的 QPS 未达限流阈值却已经有很多请求超时的情况下，就可能达到熔断降级规则的阈值从而触发熔断，这就能很好地保护服务自身。  熔断规则可配置的属性
　　DegradeRule 规则类声明的字段如下：  public class DegradeRule extends AbstractRule {     // 可配置字段     private double count;     private int timeWindow;     private int grade = RuleConstant.DEGRADE_GRADE_RT;     private int rtSlowRequestAmount = RuleConstant.DEGRADE_DEFAULT_SLOW_REQUEST_AMOUNT;     private int minRequestAmount = RuleConstant.DEGRADE_DEFAULT_MIN_REQUEST_AMOUNT;     // 非配置字段     private AtomicLong passCount = new AtomicLong(0);     private final AtomicBoolean cut = new AtomicBoolean(false); }  count：限流阈值。  timeWindow：重置熔断的窗口时间，默认值 0。  grade：降级策略，支持 DEGRADE_GRADE_RT（按平均响应耗时）、DEGRADE_GRADE_EXCEPTION_RATIO（按失败比率）和 DEGRADE_GRADE_EXCEPTION_COUNT（失败次数）三种熔断降级策略。  rtSlowRequestAmount：当 grade 配置为 DEGRADE_GRADE_RT 时，该值表示可触发熔断的超过阈值的慢请求数量。如果该值配置为 5，阈值为 100 毫秒，当连续 5 个请求计算平均耗时都超过 100 毫秒时，后面的请求才会被熔断，下个时间窗口修复。  minRequestAmount：当 grade 配置为 DEGRADE_GRADE_EXCEPTION_RATIO 时，该值表示可触发熔断的最小请求数，假设阈值配置为 10，第一个请求就失败的情况下，失败率为 100%，minRequestAmount 就是避免出现这种情况的。  passCount：只在 grade 为 DEGRADE_GRADE_RT 时使用，累加慢请求数，该值由一个定时任务重置，周期为 timeWindow（窗口时间大小）。  cut：记录当前是否已经触发熔断，当 passCount 的值大于等待 rtSlowRequestAmount 时被设置为 true，由定时任务在 timeWindow 之后重置为 false。  熔断降级判断流程
　　DegradeSlot 是实现熔断降级的切入点，它作为 ProcessorSlot 插入到 ProcessorSlotChain 链表中，在 entry 方法中调用 Checker 去判断是否熔断当前请求，如果熔断则抛出 Block 异常。
　　Checker 并不是一个接口，而是一种检测行为，限流的 ckeck 由 FlowRuleChecker 实现，而熔断的 check 行为则由 DegradeRuleManager 负责，真正 check 逻辑判断由 DegradeRule 实现，流程如下图所示。
　　当 DegradeSlot#entry 方法被调用时，由 DegradeSlot 调用 DegradeRuleManager#checkDegrade 方法检查当前请求是否满足某个熔断降级规则。熔断规则配置由 DegradeRuleManager 加载，所以 DegradeSlot 将 check 逻辑交给 DegradeRuleManager 去完成，checkDegrade 方法的源码如下：  public static void checkDegrade(ResourceWrapper resource, Context context, DefaultNode node, int count)         throws BlockException {         // 因为我们可以对同一个资源配置多个熔断降级规则，所以返回的将是一个集合。         Set rules = degradeRules.get(resource.getName());         if (rules == null) {             return;         }         for (DegradeRule rule : rules) {             if (!rule.passCheck(context, node, count)) {                 throw new DegradeException(rule.getLimitApp(), rule);             }         } }
　　DegradeRuleManager 首先根据资源名称获取配置的熔断降级规则，然后遍历熔断降级规则，调用 DegradeRule#passCheck 方法将检查是否需要触发熔断的逻辑交给 DegradeRule 完成。如果对一个资源配置多个熔断降级规则，那么只要有一个熔断降级规则满足条件，就会触发熔断。
　　DegradeRule#passCheck 方法源码如下：     @Override     public boolean passCheck(Context context, DefaultNode node, int acquireCount, Object... args) {         if (cut.get()) {             return false;         }         // (1)         ClusterNode clusterNode = ClusterBuilderSlot.getClusterNode(this.getResource());         if (clusterNode == null) {             return true;         }         // (2)         if (grade == RuleConstant.DEGRADE_GRADE_RT) {             double rt = clusterNode.avgRt();             if (rt < this.count) {                 passCount.set(0);                 return true;             }             if (passCount.incrementAndGet() < rtSlowRequestAmount) {                 return true;             }         }          // (3)         else if (grade == RuleConstant.DEGRADE_GRADE_EXCEPTION_RATIO) {             double exception = clusterNode.exceptionQps();             double success = clusterNode.successQps();             double total = clusterNode.totalQps();             if (total < minRequestAmount) {                 return true;             }             double realSuccess = success - exception;             if (realSuccess <= 0 && exception < minRequestAmount) {                 return true;             }             if (exception / success < count) {                 return true;             }         }          // (4)         else if (grade == RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT) {             double exception = clusterNode.totalException();             if (exception < count) {                 return true;             }         }         // (5)         if (cut.compareAndSet(false, true)) {             ResetTask resetTask = new ResetTask(this);             pool.schedule(resetTask, timeWindow, TimeUnit.SECONDS);         }         // 熔断         return false;     }  根据资源名称获取该资源全局的指标数据统计 ClusterNode。  如果熔断降级策略为 DEGRADE_GRADE_RT，从 ClusterNode 读取当前平均耗时，如果平均耗时超过限流的阈值，并且超过阈值的慢请求数大于 rtSlowRequestAmount，则跳转到（5）；否则如果平均耗时下降小于阈值，将计数器 passCount 重置为 0。  如果熔断降级策略为 DEGRADE_GRADE_EXCEPTION_RATIO，读取当前时间窗口（1 秒）的异常总数、成功总数、总 QPS，判断异常总数与成功总数的比值是否小于规则设置的阈值，小于才能通过。失败率大于等于阈值且当前总的 QPS 大于 minRequestAmount，则跳转到（5）。  如果熔断降级策略为 DEGRADE_GRADE_EXCEPTION_COUNT，读取当前滑动窗口（1 分钟）的异常总数，如果异常总数大于规则配置的阈值，则跳转到（5），否则请求通过。  记录当前已经触发熔断，后续请求不需要重复判断。并且开启定时任务用于重置熔断标志，休眠 timeWindow 时长后重置熔断标志；当 timeWindow 不配置或者配置为 0 时，cut 被立即重置，也就是不保存熔断判断的结果，每个请求都需要重新判断一次。
　　官方文档在介绍 DEGRADE_GRADE_EXCEPTION_COUNT 策略的地方加了使用注意说明，内容为：
　　注意由于统计时间窗口是分钟级别的，若 timeWindow 小于 60s，则结束熔断状态后仍可能再进入熔断状态。
　　这句话并不难理解，因为调用 ClusterNode#totalException 方法获取的是一分钟内的总异常数。StatisticNode 的 totalException 源码如下： // 数组大小为 60，窗口时间长度为 1000 毫秒 private transient Metric rollingCounterInMinute = new ArrayMetric(60, 60 * 1000, false);  @Override public long totalException() {     // 获取 1 分钟的总异常数     return rollingCounterInMinute.exception(); }
　　也因如此，DEGRADE_GRADE_EXCEPTION_COUNT 这个熔断降级策略似乎使用场景不多，笔者也未曾使用过。
　　timeWindow、passCount、cut 是作者出于性能考虑而添加的，在配置熔断规则时，建议不要将 timeWindow 配置为 0 或者小于 0，可将 timeWindow 配置为 1000 毫秒，一个窗口时间长度，能减少一点计算就能降低一点 Sentinel 对性能的影响。 系统自适应限流
　　系统自适应限流就是在系统负载过高的情况下，自动切断后续请求，以保证服务的稳定运行。系统自适应限流也属于熔断降级的一种实现，而非限流降级，它与熔断降级都有一个共性，在保证服务稳定运行的情况下尽最大可能处理更多请求，一旦系统负载达到阈值就熔断请求。
　　SystemSlot 是实现系统自适应限流的切入点。DegradeSlot 在 ProcessorSlotChain 链表中被放在 FlowSlot 的后面，作为限流的兜底解决方案，而 SystemSlot 在 ProcessorSlotChain 链表中被放在 FlowSlot 的前面，强制优先考虑系统目前的情况能否处理当前请求，让系统尽可能跑在最大吞吐量的同时保证系统的稳定性。 系统自适应限流规则配置
　　系统自适应限流规则针对所有流量类型为 IN 的资源生效，因此不需要配置规则的资源名称。SystemRule 定义的字段如下： public class SystemRule extends AbstractRule {     private double highestSystemLoad = -1;     private double highestCpuUsage = -1;     private double qps = -1;     private long avgRt = -1;     private long maxThread = -1; }  qps：按 QPS 限流的阈值，默认 -1，大于 0 才生效。 avgRt：按平均耗时的限流阈值，默认 -1，大于 0 才生效。 maxThread：最大并行占用的线程数阈值，默认 -1，大于 0 才生效。 highestCpuUsage：按 CPU 使用率限流的阈值，取值[0,1]之间，默认 -1，大于等于 0.0 才生效。 highestSystemLoad：按系统负载限流的阈值，默认 -1，大于 0.0 才生效。
　　如果配置了多个 SystemRule，则每个配置项只取最小值。例如三个 SystemRule 都配置了 qps，则取这三个规则中最小的 qps 作为限流阈值，这在调用 SystemRuleManager#loadRules 方法加载规则时完成。    public static void loadSystemConf(SystemRule rule) {         // 是否开启系统自适应限流判断功能         boolean checkStatus = false;         // highestSystemLoad         if (rule.getHighestSystemLoad() >= 0) {             // 多个规则都配置则取最小值             highestSystemLoad = Math.min(highestSystemLoad, rule.getHighestSystemLoad());             highestSystemLoadIsSet = true;             // 开启系统自适应限流检查功能             checkStatus = true;         }         // highestCpuUsage         if (rule.getHighestCpuUsage() >= 0) {             if (rule.getHighestCpuUsage() > 1) {}             // [0,1)             else {                 // 多个规则都配置则取最小值                 highestCpuUsage = Math.min(highestCpuUsage, rule.getHighestCpuUsage());                 highestCpuUsageIsSet = true;                 checkStatus = true;             }         }         // avgRt         if (rule.getAvgRt() >= 0) {             // 多个规则都配置则取最小值             maxRt = Math.min(maxRt, rule.getAvgRt());             maxRtIsSet = true;             checkStatus = true;         }         // maxThread         if (rule.getMaxThread() >= 0) {             // 多个规则都配置则取最小值             maxThread = Math.min(maxThread, rule.getMaxThread());             maxThreadIsSet = true;             checkStatus = true;         }         // qps         if (rule.getQps() >= 0) {             // 多个规则都配置则取最小值             qps = Math.min(qps, rule.getQps());             qpsIsSet = true;             checkStatus = true;         }         checkSystemStatus.set(checkStatus);     }  系统自适应限流判断流程
　　当 SystemSlot#entry 方法被调用时，由 SystemSlot 调用 SystemRuleManager#checkSystem 方法判断是否需要限流，流程如下图所示：
　　SystemRuleManager#checkSystem 方法从全局的资源指标数据统计节点 Constans.ENTRY_NODE 读取当前时间窗口的指标数据，判断总的 QPS、平均耗时这些指标数据是否达到阈值，或者总占用的线程数是否达到阈值，如果达到阈值则抛出 Block 异常（SystemBlockException）。除此之外，checkSystem 方法还实现了根据系统当前 Load 和 CPU 使用率限流。
　　SystemRuleManager#checkSystem 方法源码如下： public static void checkSystem(ResourceWrapper resourceWrapper) throws BlockException {         if (resourceWrapper == null) {             return;         }         // 如果有配置 SystemRule，则 checkSystemStatus 为 true         if (!checkSystemStatus.get()) {             return;         }         // 只限流类型为 IN 的流量         if (resourceWrapper.getEntryType() != EntryType.IN) {             return;         }         // qps 限流         double currentQps = Constants.ENTRY_NODE == null ? 0.0 : Constants.ENTRY_NODE.successQps();         if (currentQps > qps) {             throw new SystemBlockException(resourceWrapper.getName(), ＂qps＂);         }         // 占用线程数限流         int currentThread = Constants.ENTRY_NODE == null ? 0 : Constants.ENTRY_NODE.curThreadNum();         if (currentThread > maxThread) {             throw new SystemBlockException(resourceWrapper.getName(), ＂thread＂);         }         // 平均耗时限流         double rt = Constants.ENTRY_NODE == null ? 0 : Constants.ENTRY_NODE.avgRt();         if (rt > maxRt) {             throw new SystemBlockException(resourceWrapper.getName(), ＂rt＂);         }         // 系统平均负载限流         if (highestSystemLoadIsSet && getCurrentSystemAvgLoad() > highestSystemLoad) {             if (!checkBbr(currentThread)) {                 throw new SystemBlockException(resourceWrapper.getName(), ＂load＂);             }         }         // cpu 使用率限流         if (highestCpuUsageIsSet && getCurrentCpuUsage() > highestCpuUsage) {             throw new SystemBlockException(resourceWrapper.getName(), ＂cpu＂);         } }  Constans.ENTRY_NODE：统计所有流量类型为 IN 的指标数据、总的并行占用线程数。 SystemStatusListener#run 方法被定时调用，负责获取系统的平均负载和 CPU 使用率。 当系统负载大于限流的负载阈值时，使用 BBR 算法判断是否需要限流。 获取系统负载和 CPU 使用率
　　使用 TOP 命令可查看系统的平均负载（Load）和 CPU 使用率，如下图所示：
　　Load Avg：三个浮点数，分别代表 1 分钟、5 分钟、15 分钟内系统的平均负载。 CPU：usage 为 CPU 总的使用率，user 为用户线程的 CPU 使用率，sys 为系统线程的 CPU 使用率。
　　Sentinel 通过定时任务每秒钟使用 OperatingSystemMXBean API 获取这两个指标数据的值，代码如下： @Override     public void run() {         try {             OperatingSystemMXBean osBean = ManagementFactory                                        .getPlatformMXBean(OperatingSystemMXBean.class);             // getSystemLoadAverage             currentLoad = osBean.getSystemLoadAverage();             // getSystemCpuLoad             currentCpuUsage = osBean.getSystemCpuLoad();             if (currentLoad > SystemRuleManager.getSystemLoadThreshold()) {                 writeSystemStatusLog();             }         } catch (Throwable e) {             RecordLog.warn(＂[SystemStatusListener] Failed to get system metrics from JMX＂, e);         }     }  getSystemLoadAverage：获取最近 1 分钟系统的平均负载。 getSystemCpuLoad：返回整个系统的最近 CPU 使用率。此值是 [0.0,1.0] 间隔中的双精度值。值为 0.0 表示在最近观察的时间段内，所有 CPU 都处于空闲状态，而值为 1.0 意味着在最近一段时间内，所有 CPU 都处于 100%活动状态。如果系统最近的 CPU 使用率不可用，则该方法返回负值。 checkBbrprivate static boolean checkBbr(int currentThread) {         if (currentThread > 1 &&             currentThread >              Constants.ENTRY_NODE.maxSuccessQps() * Constants.ENTRY_NODE.minRt() / 1000) {             return false;         }         return true; }  Constants.ENTRY_NODE.maxSuccessQps：从秒级滑动窗口中获取最大请求成功总数。 Constants.ENTRY_NODE.minRt：当前时间窗口的最小请求处理耗时。
　　假设某接口的最大 QPS 为 800，处理一次请求的最小耗时为 5ms，那么至少需要并行的线程数与 Min RT 和 Max QPS 的关系为：
　　Max QPS = Threads * (1000/Min Rt)
　　推出：
　　Threads = Max QPS/(1000/Min Rt) = Max QPS * Min Rt/1000
　　替换 Min Rt 为 5ms、Max QPS 为 800，计算结果：
　　Threads = 800 * 5/1000 = 4
　　所以，checkBbr 方法中，(minRt/1000) 是将最小耗时的单位由毫秒转为秒，表示系统处理最多请求时的最小耗时，maxSuccessQps * (minRt/1000) 表示至少需要每秒多少个线程并行才能达到 maxSuccessQps。在系统负载比较高的情况下，只要并行占用的线程数超过该值就限流。但如果 Load 高不是由当前进程引起的，checkBbr 的效果就不明显。