限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

Sentinel 是阿里中間件團隊開源的，面向分佈式服務架構的輕量級高可用流量控制組件，主要以流量爲切入點，從流量控制、熔斷降級、系統負載保護等多個維度來幫助用戶保護服務的穩定性。

你們可能會問：Sentinel 和以前經常使用的熔斷降級庫 Netflix Hystrix 有什麼異同呢？Sentinel官網有一個對比的文章，這裏摘抄一個總結的表格，具體的對比能夠點此 連接 查看。

image

從對比的表格能夠看到，Sentinel比Hystrix在功能性上還要強大一些，本文讓咱們一塊兒來了解下Sentinel的源碼，揭開Sentinel的神祕面紗。

項目結構

將Sentinel的源碼fork到本身的github庫中，接着把源碼clone到本地，而後開始源碼閱讀之旅吧。

首先咱們看一下Sentinel項目的整個結構：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

• sentinel-core 核心模塊，限流、降級、系統保護等都在這裏實現
• sentinel-dashboard 控制檯模塊，能夠對鏈接上的sentinel客戶端實現可視化的管理
• sentinel-transport 傳輸模塊，提供了基本的監控服務端和客戶端的API接口，以及一些基於不一樣庫的實現
• sentinel-extension 擴展模塊，主要對DataSource進行了部分擴展實現
• sentinel-adapter 適配器模塊，主要實現了對一些常見框架的適配
• sentinel-demo 樣例模塊，可參考怎麼使用sentinel進行限流、降級等
• sentinel-benchmark 基準測試模塊，對核心代碼的精確性提供基準測試

運行樣例

基本上每一個框架都會帶有樣例模塊，有的叫example，有的叫demo，sentinel也不例外。

那咱們從sentinel的demo中找一個例子運行下看看大體的狀況吧，上面說過了sentinel主要的核心功能是作限流、降級和系統保護，那咱們就從「限流」開始看sentinel的實現原理吧。

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

能夠看到sentinel-demo模塊中有不少不一樣的樣例，咱們找到basic模塊下的flow包，這個包下面就是對應的限流的樣例，可是限流也有不少種類型的限流，咱們就找根據qps限流的類看吧，其餘的限流方式原理上都大差不差。

public class FlowQpsDemo {

private static final String KEY = "abc";

private static AtomicInteger pass = new AtomicInteger();

private static AtomicInteger block = new AtomicInteger();

private static AtomicInteger total = new AtomicInteger();

private static volatile boolean stop = false;

private static final int threadCount = 32;

private static int seconds = 30;

public static void main(String[] args) throws Exception {

initFlowQpsRule();

tick();

// first make the system run on a very low condition

simulateTraffic();

System.out.println("===== begin to do flow control");

System.out.println("only 20 requests per second can pass");

}

private static void initFlowQpsRule() {

List<FlowRule> rules = new ArrayList<FlowRule>();

FlowRule rule1 = new FlowRule();

rule1.setResource(KEY);

// set limit qps to 20

rule1.setCount(20);

// 設置限流類型：根據qps

rule1.setGrade(RuleConstant.FLOW_GRADE_QPS);

rule1.setLimitApp("default");

rules.add(rule1);

// 加載限流的規則

FlowRuleManager.loadRules(rules);

}

private static void simulateTraffic() {

for (int i = 0; i < threadCount; i++) {

Thread t = new Thread(new RunTask());

t.setName("simulate-traffic-Task");

t.start();

}

}

private static void tick() {

Thread timer = new Thread(new TimerTask());

timer.setName("sentinel-timer-task");

timer.start();

}

static class TimerTask implements Runnable {

@Override

public void run() {

long start = System.currentTimeMillis();

System.out.println("begin to statistic!!!");

long oldTotal = 0;

long oldPass = 0;

long oldBlock = 0;

while (!stop) {

try {

TimeUnit.SECONDS.sleep(1);

} catch (InterruptedException e) {

}

long globalTotal = total.get();

long oneSecondTotal = globalTotal - oldTotal;

oldTotal = globalTotal;

long globalPass = pass.get();

long oneSecondPass = globalPass - oldPass;

oldPass = globalPass;

long globalBlock = block.get();

long oneSecondBlock = globalBlock - oldBlock;

oldBlock = globalBlock;

System.out.println(seconds + " send qps is: " + oneSecondTotal);

System.out.println(TimeUtil.currentTimeMillis() + ", total:" + oneSecondTotal

• ", pass:" + oneSecondPass

• ", block:" + oneSecondBlock);

if (seconds-- <= 0) {

stop = true;

}

}

long cost = System.currentTimeMillis() - start;

System.out.println("time cost: " + cost + " ms");

System.out.println("total:" + total.get() + ", pass:" + pass.get()

• ", block:" + block.get());

System.exit(0);

}

}

static class RunTask implements Runnable {

@Override

public void run() {

while (!stop) {

Entry entry = null;

try {

entry = SphU.entry(KEY);

// token acquired, means pass

pass.addAndGet(1);

} catch (BlockException e1) {

block.incrementAndGet();

} catch (Exception e2) {

// biz exception

} finally {

total.incrementAndGet();

if (entry != null) {

entry.exit();

}

}

Random random2 = new Random();

try {

TimeUnit.MILLISECONDS.sleep(random2.nextInt(50));

} catch (InterruptedException e) {

// ignore

}

}

}

}

}

執行上面的代碼後，打印出以下的結果：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

能夠看到，上面的結果中，pass的數量和咱們的預期並不相同，咱們預期的是每秒容許pass的請求數是20個，可是目前有不少pass的請求數是超過20個的。

緣由是，咱們這裏測試的代碼使用了多線程，注意看 threadCount 的值，一共有32個線程來模擬，而在RunTask的run方法中執行資源保護時，即在 SphU.entry 的內部是沒有加鎖的，因此就會致使在高併發下，pass的數量會高於20。

能夠用下面這個模型來描述下，有一個TimeTicker線程在作統計，每1秒鐘作一次。有N個RunTask線程在模擬請求，被訪問的business code被資源key保護着，根據規則，每秒只容許20個請求經過。

因爲pass、block、total等計數器是全局共享的，而多個RunTask線程在執行SphU.entry申請獲取entry時，內部沒有鎖保護，因此會存在pass的個數超過設定的閾值。

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

那爲了證實在單線程下限流的正確性與可靠性，那咱們的模型就應該變成了這樣：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

那接下來我把 threadCount 的值改成1，只有一個線程來執行這個方法，看下具體的限流結果，執行上面的代碼後打印的結果以下：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

能夠看到pass數基本上維持在20，可是第一次統計的pass值仍是超過了20。這又是什麼緣由致使的呢？

其實仔細看下Demo中的代碼能夠發現，模擬請求是用的一個線程，統計結果是用的另一個線程，統計線程每1秒鐘統計一次結果，這兩個線程之間是有時間上的偏差的。從TimeTicker線程打印出來的時間戳能夠看出來，雖然每隔一秒進行統計，可是當前打印時的時間和上一次的時間仍是有偏差的，不徹底是1000ms的間隔。

要真正驗證每秒限制20個請求，保證數據的精準性，須要作基準測試，這個不是本篇文章的重點，有興趣的同窗能夠去了解下jmh，sentinel中的基準測試也是經過jmh作的。

深刻原理

經過一個簡單的示例程序，咱們瞭解了sentinel能夠對請求進行限流，除了限流外，還有降級和系統保護等功能。那如今咱們就撥開雲霧，深刻源碼內部去一窺sentinel的實現原理吧。

首先從入口開始： SphU.entry() 。這個方法會去申請一個entry，若是可以申請成功，則說明沒有被限流，不然會拋出BlockException，表面已經被限流了。

從 SphU.entry() 方法往下執行會進入到 Sph.entry() ，Sph的默認實現類是 CtSph ，在CtSph中最終會執行到 entry(ResourceWrapperresourceWrapper,intcount,Object...args)throwsBlockException 這個方法。

咱們來看一下這個方法的具體實現：

public Entry entry(ResourceWrapper resourceWrapper, int count, Object... args) throws BlockException {

Context context = ContextUtil.getContext();

if (context instanceof NullContext) {

// Init the entry only. No rule checking will occur.

return new CtEntry(resourceWrapper, null, context);

}

if (context == null) {

context = MyContextUtil.myEnter(Constants.CONTEXT_DEFAULT_NAME, "", resourceWrapper.getType());

}

// Global switch is close, no rule checking will do.

if (!Constants.ON) {

return new CtEntry(resourceWrapper, null, context);

}

// 獲取該資源對應的SlotChain

ProcessorSlot<Object> chain = lookProcessChain(resourceWrapper);

/*

• Means processor cache size exceeds {@link Constants.MAX_SLOT_CHAIN_SIZE}, so no

• rule checking will be done.

*/

if (chain == null) {

return new CtEntry(resourceWrapper, null, context);

}

Entry e = new CtEntry(resourceWrapper, chain, context);

try {

// 執行Slot的entry方法

chain.entry(context, resourceWrapper, null, count, args);

} catch (BlockException e1) {

e.exit(count, args);

// 拋出BlockExecption

throw e1;

} catch (Throwable e1) {

RecordLog.info("Sentinel unexpected exception", e1);

}

return e;

}

這個方法能夠分爲如下幾個部分：

• 1.對參數和全局配置項作檢測，若是不符合要求就直接返回了一個CtEntry對象，不會再進行後面的限流檢測，不然進入下面的檢測流程。
• 2.根據包裝過的資源對象獲取對應的SlotChain
• 3.執行SlotChain的entry方法
• 3.1.若是SlotChain的entry方法拋出了BlockException，則將該異常繼續向上拋出
• 3.2.若是SlotChain的entry方法正常執行了，則最後會將該entry對象返回
• 4.若是上層方法捕獲了BlockException，則說明請求被限流了，不然請求能正常執行

其中比較重要的是第二、3兩個步驟，咱們來分解一下這兩個步驟。

建立SlotChain

首先看一下lookProcessChain的方法實現：

private ProcessorSlot<Object> lookProcessChain(ResourceWrapper resourceWrapper) {

ProcessorSlotChain chain = chainMap.get(resourceWrapper);

if (chain == null) {

synchronized (LOCK) {

chain = chainMap.get(resourceWrapper);

if (chain == null)

// Entry size limit.

if (chainMap.size() >= Constants.MAX_SLOT_CHAIN_SIZE) {

return null;

}

// 具體構造chain的方法

chain = Env.slotsChainbuilder.build();

Map<ResourceWrapper, ProcessorSlotChain> newMap = new HashMap<ResourceWrapper, ProcessorSlotChain>(chainMap.size() + 1);

newMap.putAll(chainMap);

newMap.put(resourceWrapper, chain);

chainMap = newMap;

}

}

}

return chain;

}

該方法使用了一個HashMap作了緩存，key是資源對象。這裏加了鎖，而且作了 doublecheck 。具體構造chain的方法是經過： Env.slotsChainbuilder.build() 這句代碼建立的。那就進入這個方法看看吧。

public ProcessorSlotChain build() {

ProcessorSlotChain chain = new DefaultProcessorSlotChain();

chain.addLast(new NodeSelectorSlot());

chain.addLast(new ClusterBuilderSlot());

chain.addLast(new LogSlot());

chain.addLast(new StatisticSlot());

chain.addLast(new SystemSlot());

chain.addLast(new AuthoritySlot());

chain.addLast(new FlowSlot());

chain.addLast(new DegradeSlot());

return chain;

}

Chain是鏈條的意思，從build的方法可看出，ProcessorSlotChain是一個鏈表，裏面添加了不少個Slot。具體的實現須要到DefaultProcessorSlotChain中去看。

public class DefaultProcessorSlotChain extends ProcessorSlotChain {

AbstractLinkedProcessorSlot<?> first = new AbstractLinkedProcessorSlot<Object>() {

@Override

public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)

throws Throwable {

super.fireEntry(context, resourceWrapper, t, count, args);

}

@Override

public void exit(Context context, ResourceWrapper resourceWrapper, int count, Object... args) {

super.fireExit(context, resourceWrapper, count, args);

}

};

AbstractLinkedProcessorSlot<?> end = first; @Override public void addFirst(AbstractLinkedProcessorSlot<?> protocolProcessor) { protocolProcessor.setNext(first.getNext()); first.setNext(protocolProcessor); if (end == first) { end = protocolProcessor; } } @Override

public void addLast(AbstractLinkedProcessorSlot<?> protocolProcessor)

end.setNext(protocolProcessor);

end = protocolProcessor;

}

}

DefaultProcessorSlotChain中有兩個AbstractLinkedProcessorSlot類型的變量：first和end，這就是鏈表的頭結點和尾節點。

建立DefaultProcessorSlotChain對象時，首先建立了首節點，而後把首節點賦值給了尾節點，能夠用下圖表示：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

將第一個節點添加到鏈表中後，整個鏈表的結構變成了以下圖這樣：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

將全部的節點都加入到鏈表中後，整個鏈表的結構變成了以下圖所示：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

這樣就將全部的Slot對象添加到了鏈表中去了，每個Slot都是繼承自AbstractLinkedProcessorSlot。而AbstractLinkedProcessorSlot是一種責任鏈的設計，每一個對象中都有一個next屬性，指向的是另外一個AbstractLinkedProcessorSlot對象。其實責任鏈模式在不少框架中都有，好比Netty中是經過pipeline來實現的。

知道了SlotChain是如何建立的了，那接下來就要看下是如何執行Slot的entry方法的了。

執行SlotChain的entry方法

lookProcessChain方法得到的ProcessorSlotChain的實例是DefaultProcessorSlotChain，那麼執行chain.entry方法，就會執行DefaultProcessorSlotChain的entry方法，而DefaultProcessorSlotChain的entry方法是這樣的：

@Override

public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)

throws Throwable {

first.transformEntry(context, resourceWrapper, t, count, args);

}

也就是說，DefaultProcessorSlotChain的entry實際是執行的first屬性的transformEntry方法。

而transformEntry方法會執行當前節點的entry方法，在DefaultProcessorSlotChain中first節點重寫了entry方法，具體以下：

@Override

public void entry(Context context, ResourceWrapper resourceWrapper, Object t, int count, Object... args)

throws Throwable {

super.fireEntry(context, resourceWrapper, t, count, args);

}

first節點的entry方法，實際又是執行的super的fireEntry方法，那繼續把目光轉移到fireEntry方法，具體以下：

@Override

public void fireEntry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, Object... args)

throws Throwable {

if (next != null) {

next.transformEntry(context, resourceWrapper, obj, count, args);

}

}

從這裏能夠看到，從fireEntry方法中就開始傳遞執行entry了，這裏會執行當前節點的下一個節點transformEntry方法，上面已經分析過了，transformEntry方法會觸發當前節點的entry，也就是說fireEntry方法實際是觸發了下一個節點的entry方法。具體的流程以下圖所示：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

從圖中能夠看出，從最初的調用Chain的entry()方法，轉變成了調用SlotChain中Slot的entry()方法。從上面的分析能夠知道，SlotChain中的第一個Slot節點是NodeSelectorSlot。

執行Slot的entry方法

如今能夠把目光轉移到SlotChain中的第一個節點NodeSelectorSlot的entry方法中去了，具體的代碼以下：

@Override

public void entry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, Object... args)

throws Throwable {

DefaultNode node = map.get(context.getName());

if (node == null) {

synchronized (this) {

node = map.get(context.getName());

if (node == null) {

node = Env.nodeBuilder.buildTreeNode(resourceWrapper, null);

HashMap<String, DefaultNode> cacheMap = new HashMap<String, DefaultNode>(map.size());

cacheMap.putAll(map);

cacheMap.put(context.getName(), node);

map = cacheMap;

}

// Build invocation tree

((DefaultNode)context.getLastNode()).addChild(node);

}

}

context.setCurNode(node);

// 由此觸發下一個節點的entry方法

fireEntry(context, resourceWrapper, node, count, args);

}

從代碼中能夠看到，NodeSelectorSlot節點作了一些本身的業務邏輯處理，具體的你們能夠深刻源碼繼續追蹤，這裏大概的介紹下每種Slot的功能職責：

• NodeSelectorSlot 負責收集資源的路徑，並將這些資源的調用路徑，以樹狀結構存儲起來，用於根據調用路徑來限流降級；
• ClusterBuilderSlot 則用於存儲資源的統計信息以及調用者信息，例如該資源的 RT, QPS, thread count 等等，這些信息將用做爲多維度限流，降級的依據；
• StatistcSlot 則用於記錄，統計不一樣緯度的 runtime 信息；
• FlowSlot 則用於根據預設的限流規則，以及前面 slot 統計的狀態，來進行限流；
• AuthorizationSlot 則根據黑白名單，來作黑白名單控制；
• DegradeSlot 則經過統計信息，以及預設的規則，來作熔斷降級；
• SystemSlot 則經過系統的狀態，例如 load1 等，來控制總的入口流量；

執行完業務邏輯處理後，調用了fireEntry()方法，由此觸發了下一個節點的entry方法。此時咱們就知道了sentinel的責任鏈就是這樣傳遞的：每一個Slot節點執行完本身的業務後，會調用fireEntry來觸發下一個節點的entry方法。

因此能夠將上面的圖完整了，具體以下：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

至此就經過SlotChain完成了對每一個節點的entry()方法的調用，每一個節點會根據建立的規則，進行本身的邏輯處理，當統計的結果達到設置的閾值時，就會觸發限流、降級等事件，具體是拋出BlockException異常。

總結

sentinel主要是基於7種不一樣的Slot造成了一個鏈表，每一個Slot都各司其職，本身作完份內的事以後，會把請求傳遞給下一個Slot，直到在某一個Slot中命中規則後拋出BlockException而終止。

前三個Slot負責作統計，後面的Slot負責根據統計的結果結合配置的規則進行具體的控制，是Block該請求仍是放行。

控制的類型也有不少可選項：根據qps、線程數、冷啓動等等。

而後基於這個核心的方法，衍生出了不少其餘的功能：

• 一、dashboard控制檯，能夠可視化的對每一個鏈接過來的sentinel客戶端 (經過發送heartbeat消息)進行控制，dashboard和客戶端之間經過http協議進行通信。
• 二、規則的持久化，經過實現DataSource接口，能夠經過不一樣的方式對配置的規則進行持久化，默認規則是在內存中的
• 三、對主流的框架進行適配，包括servlet，dubbo，rRpc等

Dashboard控制檯

sentinel-dashboard是一個單獨的應用，經過spring-boot進行啓動，主要提供一個輕量級的控制檯，它提供機器發現、單機資源實時監控、集羣資源彙總，以及規則管理的功能。

咱們只須要對應用進行簡單的配置，就可使用這些功能。

1 啓動控制檯

1.1 下載代碼並編譯控制檯

• 下載 控制檯 工程
• 使用如下命令將代碼打包成一個 fat jar: mvn cleanpackage

1.2 啓動

使用以下命令啓動編譯後的控制檯：

$ java -Dserver.port=8080 -Dcsp.sentinel.dashboard.server=localhost:8080 -jar target/sentinel-dashboard.jar

上述命令中咱們指定了一個JVM參數， -Dserver.port=8080 用於指定 Spring Boot 啓動端口爲 8080。

2 客戶端接入控制檯

控制檯啓動後，客戶端須要按照如下步驟接入到控制檯。

2.1 引入客戶端jar包

經過 pom.xml 引入 jar 包:

<dependency>

<groupId>com.alibaba.csp</groupId>

<artifactId>sentinel-transport-simple-http</artifactId>

<version>x.y.z</version>

</dependency>

2.2 配置啓動參數

啓動時加入 JVM 參數 -Dcsp.sentinel.dashboard.server=consoleIp:port 指定控制檯地址和端口。若啓動多個應用，則須要經過 -Dcsp.sentinel.api.port=xxxx 指定客戶端監控 API 的端口（默認是 8719）。

除了修改 JVM 參數，也能夠經過配置文件取得一樣的效果。更詳細的信息能夠參考 啓動配置項。

2.3 觸發客戶端初始化

確保客戶端有訪問量，Sentinel 會在客戶端首次調用的時候進行初始化，開始向控制檯發送心跳包。

sentinel-dashboard是一個獨立的web應用，能夠接受客戶端的鏈接，而後與客戶端之間進行通信，他們之間使用http協議進行通信。他們之間的關係以下圖所示：

限流降級神器，帶你解讀阿里巴巴開源 Sentinel 實現原理

dashboard

dashboard啓動後會等待客戶端的鏈接，具體的作法是在 MachineRegistryController 中有一個 receiveHeartBeat 的方法，客戶端發送心跳消息，就是經過http請求這個方法。

dashboard接收到客戶端的心跳消息後，會把客戶端的傳遞過來的ip、port等信息封裝成一個 MachineInfo對象，而後將該對象經過 MachineDiscovery 接口的 addMachine 方法添加到一個ConcurrentHashMap中保存起來。

這裏會有問題，由於客戶端的信息是保存在dashboard的內存中的，因此當dashboard應用重啓後，以前已經發送過來的客戶端信息都會丟失掉。

client

client在啓動時，會經過CommandCenterInitFunc選擇一個，而且只選擇一個CommandCenter進行啓動。

啓動以前會經過spi的方式掃描獲取到全部的CommandHandler的實現類，而後將全部的CommandHandler註冊到一個HashMap中去，待後期使用。

PS：考慮一下，爲何CommandHandler不須要作持久化，而是直接保存在內存中。

註冊完CommandHandler以後，緊接着就啓動CommandCenter了，目前CommandCenter有兩個實現類：

• SimpleHttpCommandCenter 經過ServerSocket啓動一個服務端，接受socket鏈接
• NettyHttpCommandCenter 經過Netty啓動一個服務端，接受channel鏈接

CommandCenter啓動後，就等待dashboard發送消息過來了，當接收到消息後，會把消息經過具體的CommandHandler進行處理，而後將處理的結果返回給dashboard。

這裏須要注意的是，dashboard給client發送消息是經過異步的httpClient進行發送的，在HttpHelper類中。

可是詭異的是，既然經過異步發送了，又經過一個CountDownLatch來等待消息的返回，而後獲取結果，那這樣不就失去了異步的意義的嗎？具體的代碼以下：

private String httpGetContent(String url) { final HttpGet httpGet = new HttpGet(url); final CountDownLatch latch = new CountDownLatch(1);

final AtomicReference<String> reference = new AtomicReference<>();

httpclient.execute(httpGet, new FutureCallback<HttpResponse>() {

@Override

public void completed(final HttpResponse response) {

try {

reference.set(getBody(response));

} catch (Exception e) {

logger.info("httpGetContent " + url + " error:", e);

} finally {

latch.countDown();

}

}

@Override

public void failed(final Exception ex) {

latch.countDown();

logger.info("httpGetContent " + url + " failed:", ex);

}

@Override

public void cancelled() {

latch.countDown();

}

});

try {

latch.await(5, TimeUnit.SECONDS);

} catch (Exception e) {

logger.info("wait http client error:", e);

}

return reference.get();

}

主流框架的適配

sentinel也對一些主流的框架進行了適配，使得在使用主流框架時，也能夠享受到sentinel的保護。目前已經支持的適配器包括如下這些：

• Web Servlet
• Dubbo
• Spring Boot / Spring Cloud
• gRPC
• Apache RocketMQ

其實作適配就是經過那些主流框架的擴展點，而後在擴展點上加入sentinel限流降級的代碼便可。拿Servlet的適配代碼看一下，具體的代碼是：

public class CommonFilter implements Filter {

@Override

public void init(FilterConfig filterConfig) {

}

@Override

public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)

throws IOException, ServletException

HttpServletRequest sRequest = (HttpServletRequest)request;

Entry entry = null;

try {

// 根據請求生成的資源

String target = FilterUtil.filterTarget(sRequest);

target = WebCallbackManager.getUrlCleaner().clean(target);

// 「申請」該資源

ContextUtil.enter(target);

entry = SphU.entry(target, EntryType.IN);

// 若是能成功「申請」到資源，則說明未被限流

// 則將請求放行

chain.doFilter(request, response);

} catch (BlockException e) {

// 不然若是捕獲了BlockException異常，說明請求被限流了

// 則將請求重定向到一個默認的頁面

HttpServletResponse sResponse = (HttpServletResponse)response;

WebCallbackManager.getUrlBlockHandler().blocked(sRequest, sResponse);

} catch (IOException e2) {

// 省略部分代碼

} finally {

if (entry != null) {

entry.exit();

}

ContextUtil.exit();

}

}

@Override

public void destroy() {

}

}

經過Servlet的Filter進行擴展，實現一個Filter，而後在doFilter方法中對請求進行限流控制，若是請求被限流則將請求重定向到一個默認頁面，不然將請求放行給下一個Filter。

規則持久化，動態化

Sentinel 的理念是開發者只須要關注資源的定義，當資源定義成功，能夠動態增長各類流控降級規則。

Sentinel 提供兩種方式修改規則：

• 經過 API 直接修改 ( loadRules)
• 經過 DataSource適配不一樣數據源修改

經過 API 修改比較直觀，能夠經過如下三個 API 修改不一樣的規則：

FlowRuleManager.loadRules(List<FlowRule> rules); // 修改流控規則

DegradeRuleManager.loadRules(List<DegradeRule> rules); // 修改降級規則

SystemRuleManager.loadRules(List<SystemRule> rules); // 修改系統規則

DataSource 擴展

上述 loadRules() 方法只接受內存態的規則對象，但應用重啓後內存中的規則就會丟失，更多的時候規則最好可以存儲在文件、數據庫或者配置中心中。

DataSource 接口給咱們提供了對接任意配置源的能力。相比直接經過 API 修改規則，實現 DataSource 接口是更加可靠的作法。

官方推薦經過控制檯設置規則後將規則推送到統一的規則中心，用戶只須要實現 DataSource 接口，來監聽規則中心的規則變化，以實時獲取變動的規則。

DataSource 拓展常見的實現方式有：

• 拉模式：客戶端主動向某個規則管理中心按期輪詢拉取規則，這個規則中心能夠是 SQL、文件，甚至是 VCS 等。這樣作的方式是簡單，缺點是沒法及時獲取變動；
• 推模式：規則中心統一推送，客戶端經過註冊監聽器的方式時刻監聽變化，好比使用 Nacos、Zookeeper 等配置中心。這種方式有更好的實時性和一致性保證。

至此，sentinel的基本狀況都已經分析了，更加詳細的內容，能夠繼續閱讀源碼來研究。