Sentinel 流量治理详解：从核心概念到滑动窗口与责任链原理（附 7 道高频题）

> 本文是 Spring Cloud Alibaba 系列的 Sentinel 模块第一篇，沿 **「Sentinel 是什么 -> 核心概念 -> 与 Hystrix 对比 -> 限流原理 -> 滑动窗口 -> 责任链 -> 节点类型」** 这条主线，系统梳理 Sentinel 的基础概念与核心原理。 --- ## 一、模块总览：Sentinel 学什么 | 层次/模块 | 内容 | 本文覆盖 | |------|------|----------| | **基础概念** | Sentinel 定位、核心概念、与 Hystrix 对比 | ✅ | | **核心原理** | 限流原理、滑动窗口、责任链、节点类型 | ✅ | | **流控规则** | 流控规则、降级规则、系统规则、热点规则 | 下一篇 | | **工程实践** | Spring Cloud Alibaba 整合、Dashboard 使用 | 下一篇 | --- ## 二、Sentinel 是什么？核心定位 ### 2.1 官方定义 Sentinel 是阿里开源的面向分布式服务架构的**流量治理组件**，主要围绕**流量控制、熔断降级、系统负载保护**三个维度来保障微服务的稳定性。 > **面试加分句**：Sentinel 是"流量治理工具"，不是"熔断工具"。限流、熔断、降级、系统保护、热点防护都是它的职责范围。 ### 2.2 核心定位 Sentinel 承接了阿里巴巴近 10 年的双 11 大促核心场景： - **秒杀**（突发流量控制） - **消息削峰填谷**（平滑流量） - **实时熔断下游不可用应用**（防止雪崩） - **系统负载自适应保护**（根据 CPU/Load 自动限流） ### 2.3 代码示例：最小可用 Demo ```java // 正例：使用 @SentinelResource 注解标识资源 @Service public class ProductService { @SentinelResource(value = "getProduct", blockHandler = "handleBlock") public Product getProduct(Long id) { return productDao.getById(id); } // 限流降级处理方法 public Product handleBlock(Long id, BlockException ex) { return new Product(id, "商品暂时不可用"); } } ``` ```java // 反例：没有使用 Sentinel 保护 @Service public class ProductService { // ❌ 没有 @SentinelResource，无法限流 public Product getProduct(Long id) { return productDao.getById(id); } } ``` ### 2.4 适用场景 | 场景 | 说明 | 示例 | |------|------|------| | 高并发入口限流 | 防止系统被打垮 | API 网关限流 QPS=10000 | | 秒杀削峰 | 突发流量控制在系统容量范围内 | 双 11 秒杀接口限流 | | 下游故障熔断 | 实时切断不可用应用 | 库存服务超时，熔断降级 | | 系统负载保护 | 根据 CPU/Load 自动限流 | CPU>80% 时拒绝新请求 | | 热点参数防护 | 防止单个商品 ID 被打爆 | 商品 ID=1001 限流 QPS=100 | --- ## 三、Sentinel 的核心概念 ### 3.1 三大核心概念 Sentinel 的核心概念可以概括为：**资源 + 规则 + 统计节点**。 #### 概念 1：资源（Resource） **定义**：被保护的代码或接口，用 `@SentinelResource` 标注或 `SphU.entry()` 包裹。 资源可以是：方法、URL、SQL、任意业务逻辑。 ```java // 正例 1：使用注解标识资源 @SentinelResource(value = "getProduct") public Product getProduct(Long id) { return productDao.getById(id); } // 正例 2：使用 API 标识资源 public Product getProduct(Long id) { Entry entry = null; try { entry = SphU.entry("getProduct"); return productDao.getById(id); } catch (BlockException ex) { return new Product(id, "商品暂时不可用"); } finally { if (entry != null) { entry.exit(); } } } ``` ```java // 反例：资源名不唯一 @SentinelResource(value = "doSomething") // ❌ 资源名太泛 public Product getProduct(Long id) { ... } @SentinelResource(value = "doSomething") // ❌ 与上面资源名重复 public User getUser(Long id) { ... } ``` #### 概念 2：规则（Rule） **定义**：围绕资源设定的保护策略。Sentinel 支持 5 种规则： | 规则类型 | 类名 | 作用 | 示例 | |---------|------|------|------| | 流控规则 | `FlowRule` | 限制 QPS 或并发线程数 | QPS=100，超过拒绝 | | 降级规则 | `DegradeRule` | 慢调用比例/异常比例/异常数 | 异常比例>50% 熔断 10 秒 | | 系统规则 | `SystemRule` | Load/CPU/RT/QPS/线程数 | CPU>80% 触发保护 | | 热点规则 | `ParamFlowRule` | 针对参数值限流 | 商品 ID=1001 限流 QPS=100 | | 授权规则 | `AuthorityRule` | 黑白名单 | 只允许 caller1 访问 | ```java // 正例：配置流控规则 FlowRule rule = new FlowRule("getProduct") .setCount(100) // 阈值 100 .setGrade(RuleConstant.FLOW_GRADE_QPS) // QPS 维度 .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT); // 直接拒绝 FlowRuleManager.loadRules(Arrays.asList(rule)); ``` #### 概念 3：统计节点（Node） **定义**：Sentinel 内部维护的实时指标收集器。Sentinel 维护 4 种节点： | 节点类型 | 作用 | 统计维度 | |---------|------|---------| | `StatisticNode` | 最基础的统计节点 | 秒级+分钟级滑动窗口，记录 pass/block/success/exception/rt | | `DefaultNode` | 链路节点 | 统计某个资源在特定调用链路上的数据 | | `ClusterNode` | 簇点 | 统计每个资源全局的数据（不区分调用链路） | | `EntranceNode` | 入口节点 | 统计某个 Context 入口的所有调用数据 | ### 3.2 SlotChain（责任链） **定义**：每个资源对应一条 SlotChain，依次经过多个 Slot，完成统计和规则判断。 ``` 请求进入 -> NodeSelectorSlot -> ClusterBuilderSlot -> StatisticSlot -> FlowSlot -> DegradeSlot -> SystemSlot ``` --- ## 四、Sentinel 与 Hystrix 的区别 ### 4.1 六维度对比 | 维度 | Sentinel | Hystrix | |------|----------|---------| | **功能范围** | 限流、熔断、降级、系统保护、热点防护 | 熔断降级 | | **隔离策略** | 信号量模式（轻量） | 线程池隔离（开销大）/ 信号量隔离 | | **规则配置** | 动态配置，Dashboard/Nacos 实时推送 | 嵌入代码，需重新发布 | | **监控能力** | 强大 Dashboard，实时监控 | 简单 Dashboard | | **生态状态** | 持续更新，Spring Cloud Alibaba 深度集成 | 维护模式，不再迭代 | | **典型场景** | 商品详情接口被爬虫打爆，按来源限流 | 远程调用超时，走降级逻辑 | ### 4.2 代码对比 ```java // Sentinel 方式：注解 + 动态规则 @SentinelResource(value = "getProduct", blockHandler = "handleBlock") public Product getProduct(Long id) { return productDao.getById(id); } public Product handleBlock(Long id, BlockException ex) { return new Product(id, "被限流了"); } // 规则通过 Dashboard 或 Nacos 动态配置，无需重启 ``` ```java // Hystrix 方式：命令模式 @HystrixCommand(fallbackMethod = "fallback") public Product getProduct(Long id) { return productDao.getById(id); } public Product fallback(Long id) { return new Product(id, "降级兜底"); } // 规则嵌入代码，修改需重新发布 ``` ### 4.3 典型场景对比 **场景**：商品详情接口被爬虫打爆 ```java // Sentinel：按入口来源限流，把爬虫请求挡掉 AuthorityRule rule = new AuthorityRule("getProduct") .setLimitApp("crawler") // 爬虫来源 .setStrategy(RuleConstant.AUTHORITY_BLACK); // 黑名单 // 正常用户照常访问，爬虫被拒绝 ``` ```java // Hystrix：很难应对，因为它不擅长限流 // 只能等请求超时后走降级，无法主动拦截爬虫 ``` > **面试加分句**：Hystrix 是"熔断专家"，Sentinel 是"全链路流量卫士"。新项目建议直接上 Sentinel。 --- ## 五、Sentinel 限流核心原理 ### 5.1 核心原理 Sentinel 的限流不是靠拦截器硬拦，而是基于**统计模型做决策**。它在每个资源上挂一个实时的流量哨兵，盯着 QPS 或线程数，一旦超过设定阈值，后续请求直接拒绝。 **核心三要素**： 1. **滑动时间窗口** `LeapArray`：精准统计实时指标 2. **责任链模式** `ProcessorSlotChain`：依次执行统计和规则判断 3. **流控策略**：直接拒绝 / Warm Up / 匀速排队 ### 5.2 滑动时间窗口 ``` 概念：把 1 秒拆成多个小格子 默认：20 个 slot，每个 50ms 作用：精准反映流量分布，避免固定窗口的边界突刺问题 示例：1 秒 = 20 个 slot [0-50ms] [50-100ms] [100-150ms] ... [950-1000ms] 每个 slot 记录 pass/block 计数 判断时遍历所有有效 slot 求和 ``` ### 5.3 责任链模式 ``` 请求进入后经过 ProcessorSlotChain，依次执行： 1. NodeSelectorSlot：收集调用路径 2. ClusterBuilderSlot：聚合统计信息 3. StatisticSlot：记录 pass/block/exception 等指标 4. FlowSlot：流控判断，超阈值抛 FlowException 5. DegradeSlot：降级判断 6. SystemSlot：系统保护判断 ``` ### 5.4 三种流控策略 | 策略 | 说明 | 适用场景 | |------|------|---------| | **直接拒绝** | 超阈值立即拒绝，抛 FlowException | 明确知道系统容量 | | **Warm Up（预热）** | 阈值从较小值逐渐增加到设定阈值 | 系统冷启动、缓存未预热 | | **匀速排队** | 基于漏桶算法，请求按固定间隔排队通过 | 削峰填谷、消息消费 | ```java // 正例 1：直接拒绝 FlowRule rule1 = new FlowRule("getProduct") .setCount(100) .setGrade(RuleConstant.FLOW_GRADE_QPS) .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT); // 直接拒绝 // 正例 2：Warm Up 预热 FlowRule rule2 = new FlowRule("getProduct") .setCount(100) .setGrade(RuleConstant.FLOW_GRADE_QPS) .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP) // 预热 .setWarmUpPeriodSec(10); // 10 秒内从 30 线性增长到 100 // 正例 3：匀速排队 FlowRule rule3 = new FlowRule("getProduct") .setCount(10) .setGrade(RuleConstant.FLOW_GRADE_QPS) .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER) // 匀速排队 .setMaxQueueingTimeMs(500); // 最大排队等待 500ms ``` ### 5.5 完整限流 Demo ```java @Service public class ProductService { @SentinelResource(value = "getProduct", blockHandler = "handleBlock") public Product getProduct(Long id) { return productDao.getById(id); } public Product handleBlock(Long id, BlockException ex) { return new Product(id, "被限流了，请稍后再试"); } } @Configuration public class SentinelConfig { @PostConstruct public void initFlowRules() { FlowRule rule = new FlowRule("getProduct") .setCount(100) .setGrade(RuleConstant.FLOW_GRADE_QPS); FlowRuleManager.loadRules(Arrays.asList(rule)); } } ``` --- ## 六、滑动窗口原理：LeapArray ### 6.1 官方定义 Sentinel 底层采用高性能的滑动窗口数据结构 `LeapArray` 来统计实时的秒级指标数据，可以很好地支撑**写多于读**的高并发场景。 ### 6.2 结构设计 ```java // 把 1 秒分成多个窗口 // 默认：2 个窗口，每个 500ms；或 20 个窗口，每个 50ms // 每个窗口是一个 WindowWrap，包含 MetricBucket class WindowWrap { private long windowLengthInMs; // 窗口长度（如 50ms） private long windowStartInMs; // 窗口起始时间 private T value; // MetricBucket，存储 pass/block/success/exception/rt } // MetricBucket 存储指标 class MetricBucket { private LongAdder pass; // 通过的请求数 private LongAdder block; // 被拒绝的请求数 private LongAdder success; // 成功的请求数 private LongAdder exception; // 异常的请求数 private LongAdder rt; // 响应时间总和 } ``` ### 6.3 滑动机制 ``` 当前时间落在哪个窗口，就更新哪个窗口的数据 窗口过期后自动重置，复用数组空间，避免频繁 GC 示例：20 个窗口，每个 50ms 当前时间 1020ms，落在第 20 个窗口（1000-1050ms） 更新第 20 个窗口的 pass/block 计数 窗口过期： 当前时间 1060ms，第 1 个窗口（0-50ms）已过期 重置第 1 个窗口，用于存储 1050-1100ms 的数据 ``` ### 6.4 读写分离 ```java // 写操作（记录 pass/block）：直接原子更新当前窗口，O(1) // 读操作（判断是否超阈值）：遍历所有有效窗口求和，O(n) // 示例：判断 QPS 是否超 100 long totalPass = 0; for (WindowWrap window : leapArray) { if (isWindowExpired(window)) { continue; // 跳过过期窗口 } totalPass += window.value().pass.sum(); } if (totalPass > 100) { throw new FlowException("QPS 超限"); } ``` ### 6.5 与固定窗口对比 ``` 固定窗口：1 秒 = 1 个窗口 问题：边界突刺 示例：0.9s 时 100 个请求，1.1s 时 100 个请求 固定窗口统计：第 1 秒 100 个，第 2 秒 100 个，都没超阈值 但实际 0.2s 内处理了 200 个请求，可能打垮系统 滑动窗口：1 秒 = 20 个窗口，每个 50ms 解决：细粒度切片，平滑统计 示例：0.9s 时 100 个请求，1.1s 时 100 个请求 滑动窗口统计：最近 1 秒（0.1-1.1s）= 100 + 100 = 200 个，超阈值，触发限流 ``` > **面试加分句**：固定窗口有边界突刺问题，滑动窗口通过细粒度切片解决，但本质还是"以空间换时间"。 --- ## 七、责任链模式：SlotChain 设计 ### 7.1 官方定义 Sentinel 的核心骨架是 `ProcessorSlotChain`，基于责任链模式将不同的功能（限流、降级、系统保护等）封装为一个一个的 Slot，请求进入后逐个执行。系统为**每个资源创建一套 SlotChain**。 ### 7.2 SlotChain 分为两部分 ``` 第一部分：统计数据构建（statistic） 1. NodeSelectorSlot：收集资源调用路径，以树状结构存储，用于链路限流 2. ClusterBuilderSlot：存储资源的统计信息和调用者信息（RT、QPS、线程数） 3. StatisticSlot：根据规则判断结果记录 pass/block/exception 等指标 第二部分：规则判断（rule checking） 4. FlowSlot：流控规则判断，超阈值抛 FlowException 5. AuthoritySlot：授权规则（黑白名单） 6. DegradeSlot：降级规则（慢调用比例、异常比例、异常数） 7. SystemSlot：系统保护规则（Load、CPU、RT、QPS、线程数） 8. ParamFlowSlot：热点参数限流 9. GatewayFlowSlot：网关限流 ``` ### 7.3 SlotChain 执行流程 ```java // 请求进入后，依次执行 SlotChain // 1. NodeSelectorSlot：收集调用路径 String contextName = context.getName(); DefaultNode node = map.computeIfAbsent(contextName, k -> new DefaultNode(resource, null)); context.setCurNode(node); fireEntry(context, resource, count, args); // 传递给下一个 Slot // 2. ClusterBuilderSlot：聚合统计信息 ClusterNode clusterNode = clusterNodeMap.computeIfAbsent(resource, k -> new ClusterNode()); DefaultNode defaultNode = (DefaultNode) context.getCurNode(); defaultNode.setClusterNode(clusterNode); fireEntry(context, resource, count, args); // 3. StatisticSlot：记录指标 try { fireEntry(context, resource, count, args); // 传递给 FlowSlot、DegradeSlot 等 context.getCurNode().addPassRequest(count); // 没有抛异常，记录 pass } catch (BlockException e) { context.getCurNode().addBlockRequest(count); // 被限流，记录 block throw e; } // 4. FlowSlot：流控判断 ClusterNode node = context.getCurNode().getClusterNode(); for (FlowRule rule : FlowRuleManager.getRules()) { if (rule.getResource().equals(resource.getName())) { if (node.passQps() > rule.getCount()) { throw new FlowException("QPS 超限"); } } } fireEntry(context, resource, count, args); // 5. DegradeSlot：降级判断 for (DegradeRule rule : DegradeRuleManager.getRules()) { if (rule.isDegrade(context.getCurNode())) { throw new DegradeException("触发熔断"); } } fireEntry(context, resource, count, args); ``` ### 7.4 扩展机制 ```java // 通过 SPI 可自定义 Slot，插入业务逻辑 public class LogSlot extends AbstractLinkedProcessorSlot { @Override public void entry(Context context, ResourceWrapper resource, int count, Object... args) throws BlockException { long start = System.currentTimeMillis(); try { fireEntry(context, resource, count, args); } finally { long rt = System.currentTimeMillis() - start; System.out.println("Resource: " + resource.getName() + ", RT: " + rt + "ms"); } } } // 注册到 SlotChain // 在 META-INF/services/com.alibaba.csp.sentinel.slotchain.ProcessorSlot 文件中添加： // com.example.LogSlot ``` > **面试加分句**：SlotChain 分为两部分--前半部分做统计（NodeSelectorSlot -> ClusterBuilderSlot -> StatisticSlot），后半部分做规则判断（FlowSlot -> DegradeSlot -> SystemSlot）。通过 SPI 可以自定义扩展。 --- ## 八、Sentinel 的节点类型 ### 8.1 四种节点类型 | 节点类型 | 作用 | 统计维度 | 示例 | |---------|------|---------|------| | `StatisticNode` | 最基础的统计节点 | 秒级+分钟级滑动窗口，记录 pass/block/success/exception/rt | 存储实时指标 | | `DefaultNode` | 链路节点 | 统计某个资源在特定调用链路上的数据 | A->B->C，B 的 DefaultNode 记录从 A 调用过来的统计 | | `ClusterNode` | 簇点 | 统计每个资源全局的数据（不区分调用链路） | 每个资源对应一个 ClusterNode | | `EntranceNode` | 入口节点 | 统计某个 Context 入口的所有调用数据 | `Constants.ROOT` 是入口节点 | ### 8.2 节点关系示例 ```java // 示例：调用链路 A -> B -> C // 1. 每个资源对应一个 ClusterNode（全局统计） ClusterNode clusterNodeA = ClusterBuilderSlot.getClusterNode("A"); ClusterNode clusterNodeB = ClusterBuilderSlot.getClusterNode("B"); ClusterNode clusterNodeC = ClusterBuilderSlot.getClusterNode("C"); // 2. 每个资源可能对应多个 DefaultNode（不同调用链路） // 如果 D -> B，则 B 有两个 DefaultNode： // - 一个记录从 A 调用过来的统计 // - 一个记录从 D 调用过来的统计 // 3. FlowSlot 默认看 ClusterNode 的统计 // 链路限流时看 DefaultNode // 代码示例：查看节点数据 ClusterNode clusterNode = ClusterBuilderSlot.getClusterNode("B"); System.out.println("B 的全局 QPS: " + clusterNode.passQps()); DefaultNode defaultNode = context.getCurNode(); System.out.println("B 在当前链路的 QPS: " + defaultNode.passQps()); ``` ### 8.3 节点创建流程 ``` 1. EntranceNode 在 ContextUtil.enter(xxx) 时创建 ContextUtil.enter("context1"); -> 创建 EntranceNode，塞到 Context 里 2. NodeSelectorSlot 根据 context 创建 DefaultNode 每个资源 + 每个 context = 一个 DefaultNode 3. ClusterBuilderSlot 根据 resourceName 创建 ClusterNode 每个资源 = 一个 ClusterNode 4. ClusterBuilderSlot 根据 origin 创建来源节点（StatisticNode） 每个调用来源 = 一个 StatisticNode ``` ### 8.4 树状结构 ``` machine-root ├── EntranceNode1 (context1) │ ├── DefaultNode(A) │ │ └── DefaultNode(B) │ │ └── DefaultNode(C) │ └── DefaultNode(D) └── EntranceNode2 (context2) └── DefaultNode(A) └── DefaultNode(B) 注意：每个 DefaultNode 由资源 ID 和输入名称来标识 一个资源 ID 可以有多个不同入口的 DefaultNode ``` > **面试加分句**：DefaultNode 是链路维度的统计（同一资源在不同调用链路下有不同 DefaultNode），ClusterNode 是全局维度的统计（每个资源只有一个 ClusterNode）。FlowSlot 默认看 ClusterNode，链路限流时看 DefaultNode。 --- ## 附录：Sentinel 基础概念高频面试速答 **Q1. Sentinel 是什么？核心定位是什么？** Sentinel 是阿里开源的流量治理组件，围绕流量控制、熔断降级、系统负载保护三个维度保障微服务稳定性。核心定位是"流量治理工具"，不是单纯的"熔断工具"。承接了阿里近 10 年双 11 大促核心场景。 **Q2. Sentinel 的核心概念有哪些？** 三大核心概念：资源（Resource，被保护的代码或接口）、规则（Rule，围绕资源设定的保护策略，包括流控/降级/系统/热点/授权 5 种）、统计节点（Node，实时指标收集器，包括 Statistic/Default/Cluster/Entrance 4 种）。另外 SlotChain 责任链是串联这三者的核心骨架。 **Q3. Sentinel 与 Hystrix 的区别？** 六维度对比：功能范围（Sentinel 更广）、隔离策略（Sentinel 信号量 vs Hystrix 线程池）、规则配置（Sentinel 动态推送 vs Hystrix 嵌入代码）、监控能力（Sentinel 更强）、生态状态（Sentinel 持续更新 vs Hystrix 维护模式）、典型场景（Sentinel 擅长限流 vs Hystrix 擅长熔断降级）。新项目建议直接上 Sentinel。 **Q4. Sentinel 是怎么实现限流的？核心原理？** 基于统计模型做决策。核心三要素：滑动时间窗口（LeapArray，精准统计实时指标）、责任链模式（ProcessorSlotChain，依次执行统计和规则判断）、流控策略（直接拒绝 / Warm Up 预热 / 匀速排队）。请求进入后经过 SlotChain，FlowSlot 判断是否超阈值，超阈值抛 FlowException。 **Q5. Sentinel 的滑动窗口原理是什么？LeapArray 怎么工作的？** LeapArray 把 1 秒拆成多个小格子（默认 20 个，每个 50ms），每个格子是一个 WindowWrap，包含 MetricBucket 存储 pass/block/success/exception/rt。写操作直接原子更新当前窗口 O(1)，读操作遍历所有有效窗口求和 O(n)。窗口过期后自动重置复用，避免频繁 GC。与固定窗口相比，解决了边界突刺问题。 **Q6. Sentinel 的责任链模式（SlotChain）是怎么设计的？** SlotChain 分为两部分：前半部分做统计（NodeSelectorSlot 收集路径 -> ClusterBuilderSlot 聚合统计 -> StatisticSlot 记录指标），后半部分做规则判断（FlowSlot 流控 -> AuthoritySlot 授权 -> DegradeSlot 降级 -> SystemSlot 系统保护）。每个资源创建一套 SlotChain，通过 SPI 可自定义扩展。 **Q7. Sentinel 的节点类型有哪些？** 四种节点：StatisticNode（最基础统计节点）、DefaultNode（链路节点，统计某资源在特定调用链路的数据）、ClusterNode（簇点，统计每资源全局数据）、EntranceNode（入口节点，统计某 Context 入口的所有调用）。DefaultNode 是链路维度，ClusterNode 是全局维度。FlowSlot 默认看 ClusterNode，链路限流时看 DefaultNode。 --- ## 写在最后 本文系统梳理了 Sentinel 的基础概念与核心原理，从"Sentinel 是什么"到"滑动窗口怎么工作"，每个知识点都给出了定义、代码示例和对比。 **推荐学习路径**：本文 -> 下一篇（Sentinel 流控规则与 Spring Cloud Alibaba 整合实战） **下一篇预告**：Sentinel 流控规则详解与 Spring Cloud Alibaba 整合实战（5 种规则的完整配置 + Dashboard 使用 + Nacos 动态规则推送）。