限流是保障服务高可用的形式之一，尤其是在微服务架构中，对接口或资源进行限流能够无效地保障服务的可用性和稳定性。

之前的我的项目中应用的限流措施次要是Guava的RateLimiter。RateLimiter是基于令牌桶流控算法，应用非常简单，然而性能绝对比拟少。

而当初，咱们有了一种新的抉择，阿里提供的Sentinel。

Sentinel 是阿里巴巴提供的一种限流、熔断中间件，与RateLimiter相比，Sentinel提供了丰盛的限流、熔断性能。它反对控制台配置限流、熔断规定，反对集群限流，并能够将相应服务调用状况可视化。

目前曾经有很多我的项目接入了Sentinel，而本文次要是对Sentinel的限流性能做一次具体的剖析，至于Sentinel的其余能力，则不作深究。

一、总体流程

先来理解一下总体流程：

（ 援用于Sentinel官网）

下面的图是官网的图，

从设计模式上来看，典型的的责任链模式。内部申请进来后，要通过责任链上各个节点的解决，而Sentinel的限流、熔断就是通过责任链上的这些节点实现的。

从限流算法来看，Sentinel应用滑动窗口算法来进行限流。要想深刻理解原理，还是得从源码上动手，上面，间接进入Sentinel的源码浏览。

二、源码浏览

1. 源码浏览入口及总体流程

读源码先得找到源码入口。咱们常常应用@ SentinelResource来标记一个办法，能够将这个被@ SentinelResource标记的办法看成是一个Sentinel资源。因而，咱们以@ SentinelResource为入口，找到其切面，看看切面拦挡后所做的工作，就能够明确Sentinel的工作原理了。间接看注解@SentinelResource的切面代码（SentinelResourceAspect）。

能够清晰的看到Sentinel的行为形式。进入SentinelResource切面后，会执行SphU.entry办法，在这个办法中会对被拦挡办法做限流和熔断的逻辑解决。

如果触发熔断和限流，会抛出BlockException，咱们能够指定blockHandler办法来解决BlockException。而对于业务上的异样，咱们也能够配置fallback办法来解决被拦挡办法调用产生的异样。

所以，Sentinel熔断限流的解决次要是在SphU.entry办法中，其次要解决逻辑见下图源码。

可见，在SphU.entry办法中，Sentinel实现限流、熔断等性能的流程能够总结如下：

  • 获取Sentinel上下文（Context）；
  • 获取资源对应的责任链；
  • 生成资源调用凭证（Entry）；
  • 执行责任链中各个节点。

接下来，围绕这几个方面，对Sentinel的服务机制做一个零碎的论述。

2. 获取Sentinel上下文（Context）

Context，顾名思义，就是Sentinel熔断限流执行的上下文，蕴含资源调用的节点和Entry信息。

来看看Context的特色：

  • Context是线程持有的，利用ThreadLocal与以后线程绑定。

  • Context蕴含的内容

这里就引出了Sentinel的三个比拟重要的概念：Conetxt，Node，Entry。这三个类是Sentinel的外围类，提供了资源调用门路、资源调用统计等信息。

Context

Context是以后线程所持有的Sentinel上下文。

进入Sentinel的逻辑时，会首先获取以后线程的Context，如果没有则新建。当工作执行结束后，会革除以后线程的context。Context 代表调用链路上下文，贯通一次调用链路中的所有 Entry。

Context 维持着入口节点（entranceNode）、本次调用链路的 以后节点（curNode）、调用起源（origin）等信息。Context 名称即为调用链路入口名称。

Node

Node是对一个@SentinelResource标记的资源的统计包装。

Context中记录本以后线程资源调用的入口节点。

咱们能够通过入口节点的childList，能够追溯资源的调用状况。而每个节点都对应一个@SentinelResource标记的资源及其统计数据，例如：passQps，blockQps，rt等数据。

Entry

Entry是Sentinel中用来示意是否通过限流的一个凭证，如果能失常返回，则阐明你能够拜访被Sentinel爱护的前方服务，否则Sentinel会抛出一个BlockException。

另外，它保留了本次执行entry()办法的一些根本信息，包含资源的Context、Node、对应的责任链等信息，后续实现资源调用后，还须要更具取得的这个Entry去执行一些善后操作，包含退出Entry对应的责任链，实现节点的一些统计信息更新，革除以后线程的Context信息等。

3.  获取@SentinelResource标记资源对应的责任链

资源对应的责任链是限流逻辑具体执行的中央，采纳的是典型的责任链模式。

先来看看默认的的责任链的组成：

 

默认的责任链中的解决节点包含NodeSelectorSlot、ClusterBuilderSlot、StatisticSlot、FlowSlot、DegradeSlot等。调用链（ProcessorSlotChain）和其中蕴含的所有Slot都实现了ProcessorSlot接口，采纳责任链的模式执行各个节点的解决逻辑，并调用下一个节点。

每个节点都有本人的作用，前面将会看到这些节点具体是干什么的。

此外，雷同资源（@SentinelResource标记的办法）对应的责任链是统一的。也就是说，每个资源对应一条独自的责任链，能够看下源码中资源责任链的获取逻辑：先从缓存获取，没有则新建。

4. 生成调用凭证Entry

生成的Entry是CtEntry。其结构参数包含资源包装（ResourceWrapper）、资源对应的责任链以及以后线程的Context。

能够看到，新建CtEntry记录了以后资源的责任链和Context，同时更新Context，将Context的以后Entry设置为本人。能够看到，CtEntry是一个双向链表，构建了Sentinel资源的调用链路。

5. 责任链的执行

接下来就进入了责任链的执行。责任链和其中的Slot都实现了ProcessorSlot，责任链的entry办法会顺次执行责任链各个slot，所以上面就进入了责任链中的各个Slot。为了突出重点，这次本文只钻研与限流性能无关的Slot。

5.1 NodeSelectorSlot -- 获取以后资源对应Node，构建节点调用树

此节点负责获取或者构建以后资源对应的Node，这个Node被用于后续资源调用的统计及限流和熔断条件的判断。同时，NodeSelectorSlot还会实现调用链路构建。来看源码：

相熟的代码格调。咱们晓得一个资源对应一个责任链。每个调用链中都有NodeSelectorSlot。NodeSelectSlot中的node缓存map是非动态变量，所以map只对以后这个资源共用，不同的资源对应的NodeSelectSlot及Node的缓存都是不一样的，资源和Node缓存map的关系可见下图。

所以NodeSelectorSlot的的作用是：

  • 在资源对应的调用链执行时，获取以后context对应的Node，这个Node代表着这个资源的调用状况。
  • 将获取到的node设为以后node，增加到之前的node前面，造成树状的调用门路。（通过Context中的以后Entry进行）
  • 触发下一个Slot的执行。

这里有个很乏味的问题，就是咱们在责任链的NodeSelectorSlot中获取资源对应的Node时，为什么用的是Context的name，而不是SentinelResource的name呢？

首先，咱们晓得一个资源对应一条责任链。然而进入一个资源调用的Context却可能是不同的。如果应用资源名来作为key，获取对应的Node，那么通过不同context进来的调用办法获取到的Node就都是同一个了。所以通过这种形式，能够将雷同resource对应的node按Context辨别开。

举个例子，Sentinel性能的实现不仅仅能够通过@SentinelResource注解办法来实现，也能够通过引入相干依赖（sentinel-dubbo-adapter），利用Dubbo的Filter机制间接对DUBBO接口进行爱护。咱们来比拟@SentinelResource和Dubbo形式生成Context的区别：

@SentinelResource

生成的context的name是：sentinel\_default\_context。所有资源对应的Context都是这个值。

Dubbo Filter形式

生成的context的name是Dubbo的接口限定名或者办法限定名。

如果呈现嵌套在Dubbo Filter形式上面的其余SentinelResource的资源调用，那么这些资源调用的就会就会呈现不同的Context。

所以有这样一种状况，不同的dubbo接口进来，这些dubbo接口都调用了同一个@SentinelResource标记的办法，那么这个办法对应的SentinelReource的在执行时对应的Context就是不同的。

另一个问题是，既然资源按Context分出了不同的node，那咱们想看资源总数统计是怎么办呢？这就波及到ClusterNode了。具体可见ClusterBuilderSlot。

5.2 ClusterBuilderSlot -- 聚合雷同资源不同Context的Node

此节点负责聚合雷同资源不同Context对应的Node，以供后续限流判断应用。

能够看到，ClusterNode的获取是以资源名为key。ClusterNode将会成为以后node的一个属性，次要目标是为了聚合同一个资源不同Context状况下的多个node。默认的限流条件判断就是根据ClusterNode中的统计信息来进行的。

5.3 StatisticSlot -- 资源调用统计

此节点次要负责资源调用的统计信息的计算和更新。与后面以及前面的slot不同，StatisticSlot的执行时先触发下一个slot的执行，等上面的slot执行完才会执行本人的逻辑。

这也很好了解，作为统计组件，总要等熔断或者限流解决完之后能力做统计吧。上面看一下具体的统计过程。

下面这张图曾经很清晰的形容了StatisticSlot的数据统计的过程。能够留神一下无异样和阻塞异样的状况，次要是更新线程数、通过申请数量和阻塞申请数量。不论是DefaultNode，还是ClusterNode，都继承自StatisticNode。所以Node的数据更新要来到StatisticNode。

参考Sentinel数据统计框图，形容了Node统计数据更新的大体流程如下：

咱们从StatisticNode.addPassRequest()办法动手，以passQps为例，探索StatisticNode是如何更新通过申请的QPS计数的。

从源码可见，计数变量rollingCounterInSecond和rollingCounterInMinute都是Metric，两个变量的工夫维度别离是秒和分钟。rollingCounterInSecond和rollingCounterInMinute用的是Metric的实现类ArrayMetric。

从ArrayMetric追溯上来：

统计信息都是保留到ArrayMetric的data，也就是LeapArray<MertricBucket>中的。

LeapArray是工夫窗口数组。根本信息包含：工夫窗口长度（ms，windowLengthInMs），取样数（也就是工夫窗口的数量，sampleCount），工夫距离（ms，intervalInMs），以及工夫窗口数组（array）。工夫窗口长度、取样数及工夫距离有上面的关系：

windowLengthInMs = intervalInMs / sampleCount

代码中rollingCounterInSecond应用的intervalInMs 是1000（ms），也就是1s，sampleCount=2。所以，窗口时长就是windowLengthInMs = 500ms。rollingCounterInMinute应用的intervalInMs 是60 * 1000（ms），也就是60s。sampleCount=60，所以，windowLengthInMs = 1000ms，也就是1s。

工夫窗口数组（array）是类型是AtomicReferenceArray，可见这是一个原子操作的的数组援用。数组元素类型是WindowWrap<MetricBucket>。windowWrap是对工夫窗口的一个包装，包含窗口的开始工夫（windowStart）及窗口的长度（windowLengthInMs），以及本窗口的计数器（value，类型为MetricBucket）。窗口理论的计数是由MetricBucket进行的，计数信息是保留在MetricBucket里计数器counters（类型为（LongAdder））。能够看一下下图计数组件的组成框图：

回到StatisticNode.addPassRequest办法，以rollingCounterInSecond.addPass(count)为例，探索Sentinel如何进行滑动窗口计数的。

5.3.1 获取以后工夫窗口

（1）取以后工夫戳对应的数组下标

long timeId = time / windowLength

int idx = (int)(timeId % array.length());

time为以后工夫，windowLength为工夫窗口长度，rollingCounterInSecond的工夫窗口长度是500ms。array 是单位工夫内工夫窗口的数量，rollingCounterInSecond的单位工夫（1s）工夫窗口数是2。timeId是以后工夫对工夫窗口的整除。time每减少一个windowLength的长度，timeId就会减少1，工夫窗口就会往前滑动一个。

（2）计算窗口开始工夫

窗口开始工夫 = 以后工夫（ms）-以后工夫（ms）%工夫窗口长度（ms）

获取的窗口开始工夫均为工夫窗口的整数倍。

（3）获取工夫窗口

首先，依据数组下标从LeapArray的数组中获取工夫窗口。

  • 如果获取到的工夫窗口自为空，则新建工夫窗口（CAS）。
  • 如果获取到的工夫窗口非空，且工夫窗口的开始工夫等于咱们计算的开始工夫，阐明以后工夫正好在这个工夫窗口里，间接返回该工夫窗口。
  •  如果获取到的工夫窗口非空，且工夫窗口的开始工夫小于咱们计算的开始工夫，阐明工夫窗口曾经过期（间隔上次获取工夫窗口曾经过来比拟久的场景），须要更新工夫窗口（加锁操作），将工夫窗口的开始工夫设为计算出来的开始工夫，将工夫窗口里的计数器重置为0。
  •  如果获取到的工夫窗口非空，且工夫窗口的开始工夫大于咱们计算的开始工夫，创立新的工夫窗口。这个个别不会走进这个分支，因为阐明以后工夫曾经落后于工夫窗口了，获取到的工夫窗口是未来的工夫，那就没有意义了。

5.3.2 对工夫窗口的计数器进行累加

工夫窗口计数器是一个LongAdder数组，这个数组用于寄存通过申请数、异样申请数、阻塞申请数等数据。如下图：

其中，通过计数、阻塞计数、异样计数为执行StatisticSlot的entry办法时更新。胜利计数及响应工夫是执行StatisticSlot的exit办法时更新。其实就是别离在被拦挡办法执行前和执行后进行相应计数的更新。当然，addPass就是在计数数组的第一个元素上进行累加。

计数数组元素类型是LongAdder。LongAdder是JDK8增加到JUC中的。它是一个线程平安的、比Atomic*系工具性能更好的"计数器"。

5.4 FlowSlot -- 限流判断

FlowSlot是进行限流条件判断的节点。之前在StatisticSlot对相干资源调用做的统计，在FlowSlot限流判断时将会失去应用。

间接来到限流操作的外围逻辑–限流规定查看器（FlowRuleChecker）：

次要的流程包含：

  • 获取资源对应的限流规定
  • 依据限流规定查看是否被限流

如果被限流，则抛出限流异样FlowException。FlowException继承自BlockException。

那么FlowSlot查看是否限流的过程是怎么样的？

默认状况下，限流应用的节点是以后节点的cluster node。次要剖析的限流形式是QPS限流。来看一下限流的要害代码（DefaultController）：

  • 获取节点的以后qps计数；
  • 判断获取新的计数后是否超过阈值
  • 超过阈值单返回false，示意被限流，前面会抛出FlowException。否则返回true，不被限流。

能够看到限流判断非常简单，只须要对qps计数进行查看就能够了。这归功于StatisticSlot做的数据统计。

5.5 责任链小结

通过下面的解说，再来看上面这张图，是不是很清晰了？

( 援用于Sentinel官网)

NodeSelectorSlot用于获取资源对应的Node，并构建Node调用树，将SentinelSource的调用链路以Node Tree的模式组起来。ClusterBuilderSlot为以后Node创立对应的ClusterNode，聚合雷同资源对应的不同Context的Node，后续的限流根据就是这个ClusterNode。

ClusterNode继承自StatisticNode，记录着相应资源解决的一些统计数据。StatisticSlot用于更新资源调用的相干计数，用于后续的限流判断应用。FlowSlot依据资源对应Node的调用计数，判断是否进行限流。至此，Sentinel的责任链执行逻辑就残缺了。

6. Sentienl 的收尾工作

无论执行胜利还是失败，或者是阻塞，都会执行Entry.exit()办法，来看一下这个办法。

  • 判断要退出的entry是否是以后context的以后entry；
  • 如果要退出的entry不是以后context的以后entry，则不退出此entry，而是退出context的的以后entry及其所有父entry，并抛出异样；
  • 如果要退出的entry是以后context的以后entry（这种是失常状况），先退出以后entry对应的责任链的所有slot。在这一步，StatisticSlot会更新node的success计数和RT计数；
  • 将context的以后entry置为被退出的entry的父entry；
  • 如果被退出entry的父entry为空，且context为默认context，主动退出默认context（革除ThreadLocal）。
  • 革除被退出entry的context援用

7. 总结

通过浏览Sentinel的源码，能够很清晰的了解Sentinel的限流过程了，而对下面的源码浏览，总结如下：

  • 三大组件Context、Entry、Node，是Sentinel的外围组件，各类信息及资源调用状况都由这三大类持有；
  • 采纳责任链模式实现Sentinel的信息统计、熔断、限流等操作；
  • 责任链中NodeSelectSlot负责抉择以后资源对应的Node，同时构建node调用树；
  • 责任链中ClusterBuilderSlot负责构建以后Node对应的ClusterNode，用于聚合同一资源对应不同Context的Node；
  • 责任链中的StatisticSlot用于统计以后资源的调用状况，更新Node与其对用的ClusterNode的各种统计数据；
  • 责任链中的FlowSlot依据以后Node对应的ClusterNode（默认）的统计信息进行限流；
  • 资源调用统计数据（例如PassQps）应用滑动工夫窗口进行统计；
  • 所有工作执行结束后，执行退出流程，补充一些统计数据，清理Context。

三、参考文献

https://github.com/alibaba/Sentinel/wiki

作者：Sun Yi