[Sentinel](https://github.com/alibaba/Sentinel) 是阿里巴巴開源的，面向分散式服務架構的流量控制元件，主要以流量為切入點，從限流、流量整形、熔斷降級、系統自適應保護等多個維度來幫助開發者保障微服務的穩定性。Sentinel 承接了阿里巴巴近 10 年的雙十一大促流量的核心場景，例如秒殺、冷啟動、訊息削峰填谷、叢集流量控制、實時熔斷下游不可用服務等，是保障微服務高可用的利器，原生支援 Java/Go/C++ 等多種語言，並且提供 Istio/Envoy/SOFA MOSN 全域性流控支援來為 Service Mesh 提供高可用防護的能力。

近期，[Sentinel Go 0.4.0](https://github.com/alibaba/sentinel-golang/releases/tag/v0.4.0) 正式釋出，帶來了[熱點引數流控特性](https://github.com/alibaba/sentinel-golang/wiki/%E7%83%AD%E7%82%B9%E5%8F%82%E6%95%B0%E9%99%90%E6%B5%81)，可以自動識別統計傳入引數中的“熱點”引數值並分別進行流控，對於防刷、熱點商品訪問頻次控制等場景非常有用，是高可用流量防護中重要的一環。下面我們來了解一下熱點引數流控的場景和原理。

## 熱點流量防護介紹

流量是隨機的，不可預測的。為了防止被大流量打垮，我們通常會對核心介面配置限流規則，但有的場景下配置普通的流控規則是不夠的。我們來看這樣一種場景——大促峰值的時候，總是會有不少“熱點”商品，這些熱點商品的瞬時訪問量非常高。一般情況下，我們可以事先預測一波熱點商品，並對這些商品資訊進行快取“預熱”，以便在出現大量訪問時可以快速返回而不會都打到 DB 上。但每次大促都會湧現出一些“黑馬”商品，這些“黑馬”商品是我們無法事先預測的，沒有被預熱。當這些“黑馬”商品訪問量激增時，大量的請求會擊穿快取，直接打到 DB 層，導致 DB 訪問緩慢，擠佔正常商品請求的資源池，最後可能會導致系統掛掉。這時候，利用 Sentinel 的熱點引數流量控制能力，自動識別熱點引數並控制每個熱點值的訪問 QPS 或併發量，可以有效地防止過“熱”的引數訪問擠佔正常的呼叫資源。

![1.png](https://ucc.alicdn.com/pic/developer-ecology/7c0af6d38096468288db570fe8200194.png)

再比如有的場景下我們希望限制每個使用者呼叫某個 API 的頻率，將 API 名稱+userId 作為埋點資源名顯然是不合適的。這時候我們可以在給 API 埋點的時候透過 `WithArgs(xxx)` 將 userId 作為引數傳入到 API 埋點中，然後配置熱點規則即可針對每個使用者分別限制呼叫頻率；同時，Sentinel 也支援針對某些具體值單獨配置限流值，進行精細化流控。

熱點引數埋點/規則示例：

```go
// 埋點示例
e, b := sentinel.Entry("my-api", sentinel.WithArgs(rand.Uint32()%3000, "sentinel", uuid.New().String()))

// 規則示例
_, err = hotspot.LoadRules([]*hotspot.Rule{
	{
		Resource:          "my-api",
		MetricType:        hotspot.QPS, // 請求量模式
		ControlBehavior:   hotspot.Reject,
		ParamIndex:        0, // 引數索引，0 即為第一個引數
		Threshold:         50, // 針對每個熱點引數值的閾值
		BurstCount:        0,
		DurationInSec:     1, // 統計視窗時長，這裡為 1s
		SpecificItems: map[hotspot.SpecificValue]int64{
			// 支援針對某個具體值單獨配置限流值，比如這裡針對數值 9 限制請求量=0（不允許透過）
			{ValKind: hotspot.KindInt, ValStr: "9"}: 0,
		},
	},
})
```

像其他規則一樣，熱點流控規則同樣支援透過動態資料來源進行動態配置。

Sentinel Go 提供的 RPC 框架整合模組（如 Dubbo、gRPC）均會自動將 RPC 呼叫的引數列表附帶在埋點中，使用者可以直接針對相應的引數位置配置熱點流控規則。目前熱點規則僅支援基本型別和字串型別，後續社群會進一步進行完善，支援更多的型別。

Sentinel Go 的熱點流量控制基於快取淘汰機制+令牌桶機制實現。Sentinel 透過淘汰機制（如 LRU、LFU、ARC 策略等）來識別熱點引數，透過令牌桶機制來控制每個熱點引數的訪問量。目前 0.4.0 版本採用 LRU 策略統計熱點引數，在後續的版本中社群會引入更多的快取淘汰機制來適配不同的場景。

## 高可用流量防護最佳實踐

在服務提供方（Service Provider）的場景下，我們需要保護服務提供方不被流量洪峰打垮。我們通常根據服務提供方的服務能力進行流量控制，或針對特定的服務呼叫方進行限制。為了保護服務提供方不被激增的流量拖垮影響穩定性，我們可以結合前期的容量評估，透過 Sentinel 配置 QPS 模式的流控規則，當每秒的請求量超過設定的閾值時，會自動拒絕多餘的請求。同時可以結合熱點引數流控進行細粒度的流量防護。

在服務呼叫端（Service Consumer）的場景下，我們需要保護服務呼叫方不被不穩定的依賴服務拖垮。藉助 Sentinel 的訊號量隔離策略（併發數流控規則），限制某個服務呼叫的併發量，防止大量慢呼叫擠佔正常請求的資源；同時，藉助熔斷降級規則，當異常比率或業務慢呼叫比例超過某個閾值後將呼叫自動熔斷，直到一段時間過後再嘗試恢復。熔斷期間我們可以提供預設的處理邏輯（fallback），熔斷期間的呼叫都會返回 fallback 的結果，而不會再去嘗試本已非常不穩定的服務。需要注意的是，即使服務呼叫方引入了熔斷降級機制，我們還是需要在 HTTP 或 RPC 客戶端配置請求超時時間，來做一個兜底的保護。

![2.png](https://ucc.alicdn.com/pic/developer-ecology/ef6776f5784d460bb0fa9e783558fe16.png)

在一些請求突刺的場景中，比如 MQ 客戶端消費訊息的場景，我們可能不希望將多餘的訊息直接拒絕（重投），而是讓這些過量的訊息排隊逐步處理。這就是“削峰填谷”的場景。我們可以利用 Sentinel 流控規則中的“勻速+排隊等待”控制效果來處理這種場景，以固定的間隔時間讓請求透過，超出預設量的請求排隊等待。這種方式適合用於請求以突刺狀來到，這個時候我們不希望一下子把所有的請求都透過，這樣可能會把系統壓垮；同時我們也期待系統以穩定的速度，逐步處理這些請求，以起到“削峰填谷”的效果，而不是直接拒絕所有多餘的請求。

![3.png](https://ucc.alicdn.com/pic/developer-ecology/0a1b9396bb3f47b39c6e05ece5e00352.png)

同時 Sentinel Go 還提供 [全域性維度的系統自適應保護能力](https://github.com/alibaba/sentinel-golang/wiki/%E7%B3%BB%E7%BB%9F%E8%87%AA%E9%80%82%E5%BA%94%E6%B5%81%E6%8E%A7)，結合系統的 Load、CPU 使用率以及服務的入口 QPS、響應時間和併發量等幾個維度的監控指標，透過自適應的流控策略，讓系統的入口流量和系統的負載達到一個平衡，讓系統儘可能跑在最大吞吐量的同時保證系統整體的穩定性。系統規則可以作為整個服務的一個兜底防護策略，保障服務不掛。

![4.png](https://ucc.alicdn.com/pic/developer-ecology/b3fc1a9671804704b13c40a602b63fda.png)

## Let's start hacking!

Sentinel Go 版本正在快速演進中，我們非常歡迎感興趣的開發者參與貢獻，一起來主導未來版本的演進。Sentinel Go 版本的演進離不開社群的貢獻。若您有意願參與貢獻，歡迎聯絡我們加入 Sentinel 貢獻小組一起成長（Sentinel 開源討論釘釘群：30150716）。我們會定期給活躍貢獻者寄送小禮品，核心貢獻者可以提名為 committer，一起主導社群的演進。同時，也歡迎大家透過 [AHAS Sentinel 控制檯](https://help.aliyun.com/document_detail/101132.html) 來快速體驗 Sentinel 的能力。Now let's start hacking!

Sentinel Go 0.4.0 釋出，支援熱點流量防護能力

相關文章