如图如果服务提供者I发生了故障当前的应用的部分业务因为依赖于服务I因此也会被阻塞。

此时其它不依赖于服务I的业务似乎不受影响。

但是依赖服务I的业务请求被阻塞用户不会得到响应则tomcat的这个线程不会释放于是越来越多的用户请求到来越来越多的线程会阻塞

服务器支持的线程和并发数有限请求一直阻塞会导致服务器资源耗尽从而导致所有其它服务都不可用那么当前服务也就不可用了。

那么依赖于当前服务的其它服务随着时间的推移最终也都会变的不可用形成级联失败雪崩就发生了

1.1.2.超时处理

•超时处理设定超时时间请求超过一定时间没有响应就返回错误信息不会无休止等待

1.1.3.仓壁模式

船舱都会被隔板分离为多个独立空间当船体破损时只会导致部分空间进入将故障控制在一定范围内避免整个船体都被淹没。

于此类似我们可以限定每个业务能使用的线程数避免耗尽整个tomcat的资源因此也叫线程隔离。

1.1.4.断路器

断路器模式由断路器统计业务执行的异常比例如果超出阈值则会熔断该业务拦**问该业务的一切请求。

当发现访问服务D的请求异常比例过高时认为服务D有导致雪崩的风险会拦**问服务D的一切请求形成熔断

1.1.5.限流

但是限制流量,也并不是完美了,如果网路问题,或者某个服务突然假死也会造成服务的崩溃

1.1.6.总结

微服务之间相互调用因为调用链中的一个服务故障引起整个链路都无法访问的情况。

限流是对服务的保护避免因瞬间高并发流量而导致服务故障进而避免雪崩。

是一种预防措施。

超时处理、线程隔离、降级熔断是在部分服务故障时将故障控制在一定范围避免雪崩。

是一种补救措施。

1.2.服务保护技术对比

早期比较流行的是Hystrix框架但目前国内实用最广泛的还是阿里巴巴的Sentinel框架这里我们做下对比

SentinelHystrix隔离策略信号量隔离线程池隔离/信号量隔离熔断降级策略基于慢调用比例或异常比例基于失败比率实时指标实现滑动窗口滑动窗口基于

RxJava规则配置支持多种数据源支持多种数据源扩展性多个扩展点插件的形式基于注解的支持支持支持限流基于

QPS(每秒发送的请求率)支持基于调用关系的限流有限的支持流量整形支持慢启动、匀速排队模式不支持系统自适应保护支持不支持控制台开箱即用可配置规则、查看秒级监控、机器发现等不完善常见框架的适配Servlet、Spring

Cloud、Dubbo、gRPC

每一个微服务就分配一个线程池,当服务增多以后,会对服务器的cpu造成一定的压力负担

sential

Sentinel是阿里巴巴开源的一款微服务流量控制组件。

官网地址https://sentinelguard.io/zh-cn/index.html

Sentinel

年的双十一大促流量的核心场景例如秒杀即突发流量控制在系统容量可以承受的范围、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。

同时提供实时的监控功能。

您可以在控制台中看到接入应用的单台机器秒级数据甚至

500

扩展接口。

您可以通过实现扩展接口来快速地定制逻辑。

例如定制规则管理、适配动态数据源等。

1.3.2.安装Sentinel

sentinel官方提供了UI控制台方便我们对系统做限流设置。

大家可以在GitHub下载。

(建议科学上网工具)

选择压缩文件格式

sentinel-dashboard-1.8.1.jar如果要修改Sentinel的默认端口、账户、密码可以通过下列配置

配置项默认值说明server.port8080服务端口sentinel.dashboard.auth.usernamesentinel默认用户名sentinel.dashboard.auth.passwordsentinel默认密码

跟-Dxxxx就行

sentinel-dashboard-1.8.1.jar3访问

访问http://localhost:8080页面就可以看到sentinel的控制台了

登录后发现一片空白什么都没有

我们在需要监控的服务中整合sentinel这里是order服务,并连接sentinel的控制台步骤如下

1引入sentinel依赖

dependencygroupIdcom.alibaba.cloud/groupId

artifactIdspring-cloud-starter-alibaba-sentinel/artifactId

/dependency2配置控制台

3访问order-service的任意端点(任意网络api端口)

打开浏览器访问http://localhost:8070/order/101这样才能触发sentinel的监控。

发送请求

然后再访问sentinel的控制台此时就可以监控服务的请求情况查看效果

2.流量控制

雪崩问题虽然有四种方案但是限流是避免服务因突发的流量而发生故障是对微服务雪崩问题的预防。

我们先学习这种模式。

2.1.簇点链路

当请求进入微服务时首先会访问DispatcherServlet然后进入Controller、Service、Mapper这样的一个调用链就叫做簇点链路。

簇点链路中被监控的每一个接口就是一个资源。

默认情况下sentinel会监控SpringMVC的每一个端点Endpoint也就是controller中的方法因此SpringMVC的每一个端点Endpoint就是调用链路中的一个资源。

例如我们刚才访问的order-service中的OrderController中的端点/order/{orderId}

流控、熔断等都是针对簇点链路中的资源(api)来设置的因此我们可以点击对应资源后面的按钮来设置规则

流控流量控制降级降级熔断热点热点参数限流是限流的一种授权请求的权限控制

2.1.快速入门

点击资源/order/{orderId}后面的流控按钮就可以弹出表单。

/order/{orderId}这个资源的单机QPS为1即每秒只允许1次请求所以阈值一般设计为这个接近服务的接口最大并发量处理值就行了(通过jmeter压力测试获取),超出的请求会被拦截并报错。

压力测试

直接统计当前资源的请求触发阈值时对当前资源直接限流也是默认的模式关联统计与当前资源相关的另一个资源触发阈值时对当前资源限流链路统计从指定链路访问到本资源的请求触发阈值时对指定链路限流

快速入门测试的就是直接模式,只限制单个接口的流量,对于接口调用其他服务的接口不做处理

2.2.1.关联模式

关联模式统计与当前资源相关的另一个资源触发阈值时对当前资源限流

配置规则

语法说明当/write资源访问量触发阈值时就会对/read资源限流避免影响/write资源。

使用场景比如用户支付时需要修改订单状态同时用户要查询订单。

查询和修改操作会争抢数据库锁产生竞争。

业务需求是优先支付和更新订单的业务因此当修改订单业务触发阈值时需要对查询订单业务限流。

需求说明

在OrderController新建两个端点/order/query和/order/update无需实现业务

配置流控规则当/order/

update资源被访问的QPS超过5时对/order/query请求限流

GetMapping(/query)

对哪个端点限流就点击哪个端点后面的按钮。

我们是对订单查询/order/query限流

在表单中填写流控规则

可以看到1000个用户1秒因此QPS为1超过了我们设定的阈值5

查看http请求

请求的目标是/order/update这样这个断点就会触发阈值。

但限流的目标是/order/query我们在浏览器访问可以发现

5总结

链路模式只针对从指定链路访问到本资源的请求做统计判断是否超过阈值。

配置示例

如果只希望统计从/test2进入到/common的请求则可以这样配置

实战案例

需求有查询订单和创建订单业务两者都需要查询商品。

针对从查询订单进入到查询商品的请求统计并设置限流。

在OrderService中添加一个queryGoods方法不用实现业务

在OrderController中改造/order/query端点调用OrderService中的queryGoods方法

在OrderController中添加一个/order/save的端点调用OrderService的queryGoods方法

给queryGoods设置限流规则从/order/query进入queryGoods的方法限制QPS必须小于2

1添加查询商品方法

在order-service服务中给OrderService类添加一个queryGoods方法

public

queryGoods(){System.err.println(查询商品);

}2查询订单时查询商品

在order-service的OrderController中修改/order/query端点的业务逻辑

GetMapping(/query)

查询商品orderService.queryGoods();//

查询订单形成一个链路System.out.println(查询订单);return

查询订单成功;

在order-service的OrderController中修改/order/save端点模拟新增订单

//同时需要俩个接口

查询商品orderService.queryGoods();//

查询订单

System.err.println(新增订单);return

新增订单成功;

默认情况下OrderService中的方法是不被Sentinel监控的,只监控controller下的点需要我们自己通过注解来标记要监控的方法。

(设置可以做到对方法限流)

给OrderService的queryGoods方法添加SentinelResource注解

public

queryGoods(){System.err.println(查询商品);

}链路模式中是对不同来源的两个链路做监控。

但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源会导致链路模式失效,如果不设置这个同一controller下的资源都会默认是一个链路,这样query

我们需要关闭这种对SpringMVC的资源聚合修改order-service服务的application.yml文件

spring:cloud:sentinel:web-context-unify:

false

关闭context整合重启服务访问/order/query和/order/save可以查看到sentinel的簇点链路规则中出现了新的资源

当成一条链路监控

点击任意goods(因为俩条链路都要进过goods触点)资源后面的流控按钮在弹出的表单中填写下面信息

只统计从/order/query进入/goods的资源QPS阈值为2超出则被限流。

6Jmeter测试

可以看到这里200个用户50秒内发完QPS为4超过了我们设定的阈值2,所以四个请求会失败俩

不做限流

•关联高优先级资源触发阈值对低优先级资源限流。

当某个资源的qps过高

•链路阈值统计时只统计从指定资源进入当前资源的请求是对请求来源的限流,同一结点,当多个链路进入时候,对需要结点做限流

2.3.流控效果

快速失败达到阈值后新的请求会被立即拒绝并抛出FlowException异常。

是默认的处理方式。

warm

up预热模式对超出阈值的请求同样是拒绝并抛出异常。

但这种模式阈值会动态变化从一个较小值逐渐增加到最大阈值。

排队等待让所有的请求按照先后次序排队执行两个请求的间隔不能小于指定时长

2.3.1.warm

阈值一般是一个微服务能承担的最大QPS但是一个服务刚刚启动时一切资源尚未初始化冷启动如果直接将QPS跑到最大值可能导致服务瞬间宕机。

warm

up也叫预热模式是应对服务冷启动的一种方案(类似运动前预热)。

请求阈值初始值是

maxThreshold

coldFactor持续指定时长后逐渐提高到maxThreshold值(最大阈值)。

而coldFactor的默认值是3.

这样不至于刚刚启动就直接压力拉满

例如我设置QPS的maxThreshold为10预热时间为5秒那么初始阈值就是

需求给/order/{orderId}这个资源设置限流最大QPS为10利用warm

up效果预热时长为5秒

而排队等待则是让所有请求进入一个队列中然后按照阈值允许的时间间隔依次执行。

后来的请求必须等待前面执行完成如果请求预期的等待时间超出最大时长则会被拒绝。

工作原理

2000意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。

那什么叫做预期等待时长呢

现在第1秒同时接收到10个请求但第2秒只有1个请求此时QPS的曲线这样的

如果使用队列模式做流控所有进入的请求都要排队以固定的200ms的间隔执行QPS会变的很平滑

需求给/order/{orderId}这个资源设置限流最大QPS为10利用排队的流控效果超时时长设置为5s

1添加流控规则

QPS非常平滑一致保持在10但是超出的请求没有被拒绝而是放入队列。

因此响应时间等待时间会越来越长。

2.3.3.总结

QPS超过阈值时拒绝新的请求QPS阈值是逐渐提升的可以避免冷启动时高并发导致服务宕机。

排队等待请求会进入队列按照阈值允许的时间间隔依次执行请求如果请求预期等待时长大于超时时间直接拒绝

2.4.热点参数限流

之前的限流是统计访问某个资源的所有请求判断是否超过QPS阈值。

而热点参数限流是分别统计参数值相同的请求判断是否超过QPS阈值。

2.4.1.全局参数限流

访问/goods/{id}的请求中id参数值会有变化热点参数限流会根据参数值分别统计QPS统计结果

配置示例

代表的含义是对hot这个资源的0号参数第一个参数做统计每1秒相同参数值的请求数不能超过5

2.4.2.热点参数限流

刚才的配置中对查询商品这个接口的所有商品一视同仁QPS都限定为5.

而在实际开发中可能部分商品是热点商品例如秒杀商品,当资源触点接收到这些热门数据id后应该不做限制,避免大多数用户请求被拒绝我们希望这部分商品的QPS限制与其它商品不一样高一些。

那就需要配置热点参数限流的高级选项了

结合上一个配置这里的含义是对0号的long类型参数限流每1秒相同参数的QPS不能超过5有两个例外

2.4.4.案例

案例需求给/order/{orderId}这个资源添加热点参数限流规则如下

•给103(为热门数据)这个参数设置例外每1秒请求量不超过10

注意事项热点参数限流对默认的SpringMVC资源无效需要利用SentinelResource注解标记资源

1标记资源

给order-service中的OrderController中的/order/{orderId}资源添加注解

2热点参数限流规则

限流是一种预防措施虽然限流可以尽量避免因高并发而引起的服务故障但服务还会因为其它原因而故障。

而要将这些故障控制在一定范围避免雪崩就要靠线程隔离舱壁模式和熔断降级手段了,来处理故障,阻止故障影响变大

线程隔离之前讲到过调用者在调用服务提供者时给每个调用的请求分配独立线程池出现故障时最多消耗这个线程池内资源避免把调用者的所有资源耗尽。

熔断降级是在调用方这边加入断路器统计对服务提供者的调用如果调用的失败比例过高则熔断该业务不允许访问该服务的提供者了。

可以看到不管是线程隔离还是熔断降级都是对客户端调用方的保护。

需要在调用方

而我们的微服务远程调用都是基于Feign来完成的因此我们需要将Feign与Sentinel整合在Feign里面实现线程隔离和服务熔断。

SpringCloud中微服务调用都是通过Feign来实现的因此做客户端保护必须整合Feign和Sentinel。

修改OrderService的application.yml文件开启Feign的Sentinel功能

true

开启feign对sentinel的支持3.1.2.编写失败降级逻辑

业务失败后不能直接报错而应该返回用户一个友好提示或者默认结果这个就是失败降级逻辑。

②方式二FallbackFactory可以对远程调用的异常做处理我们选择这种

步骤一在feing-api项目中定义类实现FallbackFactory,默认重写的create方法

package

cn.itcast.feign.clients.fallback;import

cn.itcast.feign.clients.UserClient;

import

lombok.extern.slf4j.Slf4j;Slf4j

public

返回一个匿名内部类的形式,feign写了多少接口,就可以在这里重写多少方法做处理Overridepublic

User

null;}};}}步骤二在feing-api项目中的DefaultFeignConfiguration类中将UserClientFallbackFactory注册为一个Bean

Bean

userClientFallbackFactory(){return

new

}步骤三在feing-api项目中的UserClient接口中使用UserClientFallbackFactory

import

cn.itcast.feign.clients.fallback.UserClientFallbackFactory;

import

org.springframework.cloud.openfeign.FeignClient;

import

org.springframework.web.bind.annotation.GetMapping;

import

org.springframework.web.bind.annotation.PathVariable;

//在客户端注解写清楚失败逻辑工厂

UserClientFallbackFactory.class)

public

}值得注意的是上面的代码会造成循环注入,api注入factory,factory又注入了api

解决循环注入

可以将Bean的实例化推迟到第一次使用时。

这样你可以避免循环依赖问题。

重启后访问一次订单查询业务然后查看sentinel控制台可以看到新的簇点链路

3.1.3.总结

在application.yml中配置feign.sentienl.enabletrue给FeignClient编写FallbackFactory并注册为Bean注意依赖循环将FallbackFactory配置到FeignClient

3.2.线程隔离舱壁模式

线程池隔离给每个服务调用业务分配一个线程池利用线程池本身实现隔离效果

上图如左

信号量隔离不创建线程池而是计数器模式记录业务使用的线程数量达到信号量上限时禁止新的请求。

上图如右

扇出:请求发送到a服务,服务a转发给其他服务服务,这种情况为扇出因为sentinel做的是为服务之间的相互调用,所以默认是信号量

用法说明

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线程隔离舱壁模式。

案例需求给

order-service服务中的UserClient的查询用户接口设置流控规则线程数不能超过

1配置隔离规则

使其feign调用uservice的user接口时候线程限流在2个线程

2Jmeter测试

一次发生10个请求有较大概率并发线程数超过2而超出的请求会走之前定义的失败降级逻辑。

,当feign请求被拒绝的时候触发,所以这里只能同时成功俩个线程

发现虽然结果都是通过了不过部分请求得到的响应是降级返回的null信息,这样就能做到当请求线程超过一定数量后sentinel拒绝feign的请求,这样就不会拖垮整个业务

3.2.3.总结

熔断降级是解决雪崩问题的重要手段。

其思路是由断路器统计服务调用的异常比例、慢请求比例如果超出阈值则会熔断该服务。

即拦**问该服务的一切请求而当服务恢复时断路器会放行访问该服务的请求。

状态机包括三个状态

closed关闭状态断路器放行所有请求并开始统计异常比例、慢请求比例。

超过阈值则切换到open状态open打开状态服务调用被熔断访问被熔断服务的请求会被拒绝快速失败直接走降级逻辑。

Open状态5秒后会进入half-open状态half-open半开状态放行一次请求根据执行结果来判断接下来的操作。

3.3.1.慢调用

time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。

解读RT超过500ms的调用是慢调用统计最近10000ms内的请求如果请求量超过10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。

需求给

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

1设置慢调用

修改user-service中的/user/{id}这个接口的业务。

通过休眠模拟一个延迟时间

此时orderId101的订单关联的是id为1的用户调用时长为1s

orderId102的订单关联的是id为2的用户调用时长为非常短

2设置熔断规则

下面给feign接口设置降级规则上诉对101的订单响应时间高达1s

3测试

在浏览器访问http://localhost:8088/order/101快速刷新10次可以发现

1s内请求超过熔断器启动的最小阈值5个请求,并且响应时间都超过了最大的预期,所有直接对这个资源熔断,剩下的请求也就直接拒绝

触发了熔断请求时长缩短至5ms快速失败了并且走降级逻辑返回的null

并且此时order/102

异常比例或异常数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。

例如一个异常比例设置

解读统计最近1000ms内的请求如果请求量超过10次并且异常比例不低于0.4则触发熔断。

一个异常数设置

解读统计最近1000ms内的请求如果请求量超过10次并且异常比例不低于2次则触发熔断。

需求给

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

1设置异常请求

首先修改user-service中的/user/{id}这个接口的业务。

手动抛出异常以触发异常比例的熔断

2时就会触发异常

在5次请求中只要异常比例超过0.4也就是有2次以上的异常就会触发熔断。

3测试

在浏览器快速访问http://localhost:8070/order/102快速刷新5次触发熔断

说明改触点已经熔断

微服务在服务器部署的时候已经有安全组件网关进行权限认证了,但是万一微服务地址暴露,绕过网关,直接对微服务之间的资源调用,那么依旧会出现不安全的情况,所以需要黑白名单,服务之间的请求只需要从网关进入

如果是勾选白名单则名单中的来源被许可访问。

如果是勾选黑名单则名单中的来源被禁止访问。

我们允许请求从gateway到order-service不允许浏览器访问order-service那么白名单中就要填写网关的来源名称origin。

4.1.2.如何获取origin

Sentinel是通过RequestOriginParser请求来源解析器这个接口的parseOrigin来获取请求的来源的。

public

从请求request对象中获取origin获取方式自定义*/String

request);

}这个方法的作用就是从request对象中获取请求者的origin值并返回。

默认情况下sentinel不管请求者从哪里来返回值永远是default也就是说一切请求的来源都被认为是一样的值default。

因此我们需要自定义这个接口的实现让不同的请求返回不同的origin。

例如order-service服务中我们定义一个RequestOriginParser的实现类

package

cn.itcast.order.sentinel;import

com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.RequestOriginParser;

import

org.springframework.stereotype.Component;

import

org.springframework.util.StringUtils;import

javax.servlet.http.HttpServletRequest;//实现这个接口

使其sentinel可以监控到请求中的请求头Component

//注入ioc

httpServletRequest.getHeader(origin);//

2.非空判断if

我们会尝试从request-header中获取origin值,如果没有默认sentinel检查到的是blank

重启服务

既然获取请求origin的方式是从reques-header中获取origin值我们必须让所有从gateway路由到微服务的请求都带上origin头。

这个需要利用之前学习的一个GatewayFilter来实现AddRequestHeaderGatewayFilter。

修改gateway服务中的application.yml添加一个defaultFilter

spring:cloud:gateway:default-filters:-

AddRequestHeaderorigin,gatewayroutes:#

...略这样从gateway路由的所有请求都会带上origin头值为gateway。

而从其它地方到达微服务的请求则没有这个头。

启动网关

接下来我们添加一个授权规则放行origin值为gateway的请求。

配置如下

通过检查gateway添加的请求头,允许gateway网关来的请求i通过,想要跳过gateeway的请求就直接被sentinel拦截

4.2.自定义异常结果

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。

异常结果都是flow

limmiting限流。

这样不够友好无法得知是限流还是降级还是授权拦截。

4.2.1.异常类型

而如果要自定义异常时的返回结果需要实现BlockExceptionHandler接口

public

处理请求被限流、降级、授权拦截时抛出的异常BlockException*/void

request,

requestrequest对象HttpServletResponse

responseresponse对象BlockException

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

4.2.2.自定义异常处理

下面我们就在order-service定义一个自定义异常处理类

package

cn.itcast.order.sentinel;import

com.alibaba.csp.sentinel.adapter.spring.webmvc.callback.BlockExceptionHandler;

import

com.alibaba.csp.sentinel.slots.block.BlockException;

import

com.alibaba.csp.sentinel.slots.block.authority.AuthorityException;

import

com.alibaba.csp.sentinel.slots.block.degrade.DegradeException;

import

com.alibaba.csp.sentinel.slots.block.flow.FlowException;

import

com.alibaba.csp.sentinel.slots.block.flow.param.ParamFlowException;

import

org.springframework.stereotype.Component;import

javax.servlet.http.HttpServletRequest;

import

javax.servlet.http.HttpServletResponse;Component

public

401;}response.setContentType(application/json;charsetutf-8);response.setStatus(status);response.getWriter().println({\msg\:

msg

现在sentinel的所有规则都是内存存储重启后所有规则都会丢失。

在生产环境下我们必须确保这些规则的持久化不然就像之前的测试一样,避免丢失。

5.1.规则管理模式

规则是否能持久化取决于规则管理模式sentinel支持三种规则管理模式

原始模式Sentinel的默认模式将规则保存在内存重启服务会丢失。

pull模式push模式

5.1.1.pull模式

pull模式控制台将配置的规则推送到Sentinel客户端而客户端会将配置规则保存在本地文件或数据库中。

以后会定时去本地文件或数据库中查询更新本地规则。

5.1.2.push模式

push模式控制台将配置规则推送到远程配置中心例如Nacos。

Sentinel客户端监听Nacos获取配置变更的推送消息完成本地配置更新。

5.2.实现push模式

修改OrderService让其监听Nacos中的sentinel规则配置。

具体步骤如下

在order-service中引入sentinel监听nacos的依赖

dependencygroupIdcom.alibaba.csp/groupIdartifactIdsentinel-datasource-nacos/artifactId

在order-service中的application.yml文件配置nacos地址及监听的配置信息

spring:cloud:sentinel:datasource:flow:nacos:server-addr:

localhost:8848

还可以是degrade、authority、param-flow

这里限流规则

SentinelDashboard默认不支持nacos的持久化需要修改源码。

然后并用IDEA打开这个项目结构如下

在sentinel-dashboard源码的pom文件中nacos的依赖默认的scope是test只能在测试时使用这里要去除

将sentinel-datasource-nacos依赖的scope去掉

dependencygroupIdcom.alibaba.csp/groupIdartifactIdsentinel-datasource-nacos/artifactId

/dependency3.

在sentinel-dashboard的test包下已经编写了对nacos的支持我们需要将其拷贝到main下。

修改nacos地址

修改其中的nacos地址让其读取application.properties中的配置

在sentinel-dashboard的application.properties中添加nacos地址配置

配置nacos数据源

另外还需要修改com.alibaba.csp.sentinel.dashboard.controller.v2包下的FlowControllerV2类

修改前端页面

修改src/main/webapp/resources/app/scripts/directives/sidebar/目录下的sidebar.html文件

重新编译、打包项目

运行IDEA中的maven插件编译和打包修改好的Sentinel-Dashboard

8.启动

sentinel-dashboard.jar如果要修改nacos地址需要添加参数

java

所以总结sentinel的作用就是先对请求经过的链路做限流,如果还是发生其中一个微服务崩溃,就对该服务进行逻辑处理,线程隔离/熔断