FlowSlot主要是用來(lái)進(jìn)行流控規(guī)則的處理，直接看下代碼

    @Override
    public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,
                      boolean prioritized, Object... args) throws Throwable {
        checkFlow(resourceWrapper, context, node, count, prioritized);

        fireEntry(context, resourceWrapper, node, count, prioritized, args);
    }
    void checkFlow(ResourceWrapper resource, Context context, DefaultNode node, int count, boolean prioritized) throws BlockException {
        // 獲取流控規(guī)則
        Map<String, List<FlowRule>> flowRules = FlowRuleManager.getFlowRuleMap();
       //通過(guò)資源名稱來(lái)獲取規(guī)則列表
        List<FlowRule> rules = flowRules.get(resource.getName());
        if (rules != null) {
            for (FlowRule rule : rules) {
                // 遍歷規(guī)則進(jìn)行處理
                if (!canPassCheck(rule, context, node, count, prioritized)) {
                    // 如果規(guī)則校驗(yàn)不通過(guò)，那么拋出FlowException異常
                    throw new FlowException(rule.getLimitApp(), rule);
                }
            }
        }
    }

    boolean canPassCheck(FlowRule rule, Context context, DefaultNode node, int count, boolean prioritized) {
        // 交由FlowRuleChecker進(jìn)行邏輯處理
        return FlowRuleChecker.passCheck(rule, context, node, count, prioritized);
    }

這里的flowRules是一個(gè)全量的規(guī)則列表，例如我在控制臺(tái)配置了如下的規(guī)則：

image.png

那么flowRules中就有兩個(gè)元素，key分別是test和hello，對(duì)應(yīng)的值是一個(gè)集合，集合里只有一個(gè)元素，就是實(shí)際的規(guī)則實(shí)體FlowRule，具體值與我們配置相關(guān)，看下FlowRule中有哪些字段

public class FlowRule extends AbstractRule {

    public FlowRule() {
        super();
        setLimitApp(RuleConstant.LIMIT_APP_DEFAULT);
    }

    public FlowRule(String resourceName) {
        super();
        setResource(resourceName);
        setLimitApp(RuleConstant.LIMIT_APP_DEFAULT);
    }
    private int grade = RuleConstant.FLOW_GRADE_QPS;
    private double count;
    private int strategy = RuleConstant.STRATEGY_DIRECT;
    private String refResource;
    private int controlBehavior = RuleConstant.CONTROL_BEHAVIOR_DEFAULT;

    private int warmUpPeriodSec = 10;

    private int maxQueueingTimeMs = 500;

    private boolean clusterMode;

    private ClusterFlowConfig clusterConfig;

    private TrafficShapingController controller;
}

limitApp：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的來(lái)源應(yīng)用
resource：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的資源名
grade：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的閾值類型
count：如果頁(yè)面配置的是qps類型，字段則代表qps的值；如果配置的是線程數(shù)類型，字段則代表線程數(shù)
strategy：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的流控模式
refResource：對(duì)應(yīng)流控策略為關(guān)聯(lián)情況下，出現(xiàn)的關(guān)聯(lián)資源 或對(duì)應(yīng)流控策略為鏈路情況下，出現(xiàn)的入口資源
controlBehavior：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的流控效果
warmUpPeriodSec：對(duì)應(yīng)流控效果為Warm Up情況下，出現(xiàn)的預(yù)熱時(shí)長(zhǎng)
maxQueueingTimeMs：對(duì)應(yīng)流控效果為排隊(duì)等待情況下，出現(xiàn)的超時(shí)時(shí)間
clusterMode：對(duì)應(yīng)新增流控規(guī)則頁(yè)面的是否集群
ClusterFlowConfig：集群流控的相關(guān)配置
TrafficShapingController：流量整形的實(shí)現(xiàn)，不同流控效果有不同算法

FlowRule和頁(yè)面配置的規(guī)則一一對(duì)應(yīng)，通過(guò)控制臺(tái)配置后可以將這些值推送到機(jī)器上生成對(duì)應(yīng)的FlowRule

接下來(lái)看下FlowRuleChecker.passCheck對(duì)具體規(guī)則的處理

    static boolean passCheck(/*@NonNull*/ FlowRule rule, Context context, DefaultNode node, int acquireCount,
                                          boolean prioritized) {
        String limitApp = rule.getLimitApp();
        if (limitApp == null) {// 1
            return true;
        }

        if (rule.isClusterMode()) {//2
            return passClusterCheck(rule, context, node, acquireCount, prioritized);
        }

        return passLocalCheck(rule, context, node, acquireCount, prioritized);//3
    }

    private static boolean passLocalCheck(FlowRule rule, Context context, DefaultNode node, int acquireCount,
                                          boolean prioritized) {
        Node selectedNode = selectNodeByRequesterAndStrategy(rule, context, node);//4
        if (selectedNode == null) {
            return true;
        }

        return rule.getRater().canPass(selectedNode, acquireCount);//5
    }

標(biāo)記1：limitApp是頁(yè)面上的來(lái)源應(yīng)用，默認(rèn)是default，表示代表所有的應(yīng)用，這里如果為空則默認(rèn)通過(guò)，因?yàn)榇a中約定了default是代表所有應(yīng)用，所以空值為非法值，這里想了一下為什么不把default或者空值當(dāng)做代表所有應(yīng)用的限流，可能是因?yàn)榭罩颠€包括規(guī)則字段丟失的情況，應(yīng)該算作異常情況
標(biāo)記2：集群模式特殊處理，這里暫不考慮，后續(xù)分析
標(biāo)記3：本地限流邏輯實(shí)現(xiàn)
標(biāo)記4：根據(jù)不同情況選擇不同Node(這里會(huì)涉及上篇文章的知識(shí)點(diǎn))
標(biāo)記5：根據(jù)不同情況調(diào)用不同TrafficShapingController實(shí)現(xiàn)進(jìn)行判斷

節(jié)點(diǎn)選擇

上篇文章中分析了Sentinel的各種Node的含義，為什么要設(shè)計(jì)那么多種類型呢？下面就會(huì)看到，對(duì)于不同的流控規(guī)則而言，需要去拿不同的Node來(lái)獲取統(tǒng)計(jì)的數(shù)據(jù)，具體看代碼（對(duì)于各種Node的知識(shí)點(diǎn)這里不再詳細(xì)分析，具體看下上篇文章）

    static Node selectNodeByRequesterAndStrategy(FlowRule rule, Context context, DefaultNode node) {
        // The limit app should not be empty.
        String limitApp = rule.getLimitApp();
        int strategy = rule.getStrategy();
        String origin = context.getOrigin();

        if (limitApp.equals(origin) && filterOrigin(origin)) {//1
            if (strategy == RuleConstant.STRATEGY_DIRECT) {
                return context.getOriginNode();// 2
            }

            return selectReferenceNode(rule, context, node);//3
        } else if (RuleConstant.LIMIT_APP_DEFAULT.equals(limitApp)) {//4
            if (strategy == RuleConstant.STRATEGY_DIRECT) {//5
                return node.getClusterNode();
            }

            return selectReferenceNode(rule, context, node);//6
        } else if (RuleConstant.LIMIT_APP_OTHER.equals(limitApp)
            && FlowRuleManager.isOtherOrigin(origin, rule.getResource())) {//7
            if (strategy == RuleConstant.STRATEGY_DIRECT) {
                return context.getOriginNode();//8
            }

            return selectReferenceNode(rule, context, node);//9
        }

        return null;
    }

標(biāo)記1：如果流控規(guī)則配置了來(lái)源應(yīng)用且不是"default"或者"other"這種特殊值，那么這種時(shí)候該規(guī)則就只對(duì)配置的來(lái)源應(yīng)用生效，例如：配置了A應(yīng)用對(duì)test資源qps為10，那么就要先取到當(dāng)前A應(yīng)用的qps看看是否超過(guò)10
標(biāo)記2：如果是直接限流類型，那么也就是上面舉的栗子，獲取A應(yīng)用的統(tǒng)計(jì)數(shù)據(jù)，即A應(yīng)用對(duì)應(yīng)的OriginNode進(jìn)行判斷
標(biāo)記:3/6/9：selectReferenceNode方法是對(duì)流控模式為關(guān)聯(lián)或者鏈路的處理
標(biāo)記4：這種情況limitApp是"default"，代表針對(duì)所有應(yīng)用
標(biāo)記5：如果是直接限流類型，因?yàn)椴皇轻槍?duì)某個(gè)應(yīng)用進(jìn)行限流，所以就需要取當(dāng)前資源的ClusterNode節(jié)點(diǎn)，因?yàn)镃lusterNode表示所有應(yīng)用對(duì)該資源的所有請(qǐng)求情況
標(biāo)記7：這個(gè)是"other"值的處理，假設(shè)當(dāng)前請(qǐng)求來(lái)源不在當(dāng)前規(guī)則的limitApp中，則進(jìn)行下面的處理
標(biāo)記8：如果是直接限流類型，則返回OriginNode

關(guān)于7的應(yīng)用，具體栗子，假設(shè)一個(gè)資源有如下規(guī)則，屬性如下

ruleName	limitApp
rule1	A
rule2	default
rule3	C
rule4	other

那么rule4只會(huì)處理來(lái)源應(yīng)用非A、C、default的應(yīng)用，例如D，E等統(tǒng)一使用rule4這個(gè)規(guī)則，這種情況實(shí)際應(yīng)用場(chǎng)景是：假設(shè)有非常多的來(lái)源應(yīng)用，但是又不能統(tǒng)一使用某個(gè)規(guī)則，因?yàn)榭赡苣硞€(gè)來(lái)源應(yīng)用的請(qǐng)求量很大，統(tǒng)一使用某個(gè)規(guī)則會(huì)導(dǎo)致請(qǐng)求量小的應(yīng)用被影響；又不能每個(gè)來(lái)源應(yīng)用配置一個(gè)規(guī)則，那這樣會(huì)配到手抖，那么可以為ABC分別配置一個(gè)規(guī)則(假設(shè)ABC是請(qǐng)求量非常大的，和其他的差別很大)，然后再配置一個(gè)other，這樣其他請(qǐng)求量小的就可以使用這個(gè)規(guī)則了

流控模式

關(guān)聯(lián)與鏈路這兩種模式在wiki的介紹中，統(tǒng)一被稱為基于調(diào)用關(guān)系的流量控制

流控模式：關(guān)聯(lián)

當(dāng)兩個(gè)資源之間具有資源爭(zhēng)搶或者依賴關(guān)系的時(shí)候，這兩個(gè)資源便具有了關(guān)聯(lián)。比如對(duì)數(shù)據(jù)庫(kù)同一個(gè)字段的讀操作和寫(xiě)操作存在爭(zhēng)搶，讀的速度過(guò)高會(huì)影響寫(xiě)得速度，寫(xiě)的速度過(guò)高會(huì)影響讀的速度。如果放任讀寫(xiě)操作爭(zhēng)搶資源，則爭(zhēng)搶本身帶來(lái)的開(kāi)銷會(huì)降低整體的吞吐量。可使用關(guān)聯(lián)限流來(lái)避免具有關(guān)聯(lián)關(guān)系的資源之間過(guò)度的爭(zhēng)搶，舉例來(lái)說(shuō)，read_db 和 write_db 這兩個(gè)資源分別代表數(shù)據(jù)庫(kù)讀寫(xiě)，我們可以給 read_db 設(shè)置限流規(guī)則來(lái)達(dá)到寫(xiě)優(yōu)先的目的：設(shè)置 FlowRule.strategy 為 RuleConstant.RELATE 同時(shí)設(shè)置 FlowRule.ref_identity 為 write_db。這樣當(dāng)寫(xiě)庫(kù)操作過(guò)于頻繁時(shí)，讀數(shù)據(jù)的請(qǐng)求會(huì)被限流。

gayhub的wiki上描述如上，也就是read_db的請(qǐng)求量會(huì)被write_db影響，假設(shè)read_db配置的規(guī)則如下：

image.png

這種情況下，假設(shè)write_db沒(méi)有被執(zhí)行，那么read_db最大能到多少的qps？

看下代碼

    static Node selectReferenceNode(FlowRule rule, Context context, DefaultNode node) {
        String refResource = rule.getRefResource();
        int strategy = rule.getStrategy();

        if (StringUtil.isEmpty(refResource)) {
            return null;
        }

        if (strategy == RuleConstant.STRATEGY_RELATE) {// 1
            return ClusterBuilderSlot.getClusterNode(refResource);
        }

        //....鏈路模式的處理
        return null;
    }

看到標(biāo)記1的地方，關(guān)聯(lián)流控模式是使用關(guān)聯(lián)資源即refResource去獲取資源的ClusterNode，以write_db和read_db為例，當(dāng)read_db請(qǐng)求的時(shí)候，是把write_db的ClusterNode與規(guī)則進(jìn)行比較，那么上面的問(wèn)題就會(huì)有答案了，假設(shè)write_db一直沒(méi)有請(qǐng)求，那么read_db就沒(méi)有限制，因?yàn)閣rite_db的ClusterNode數(shù)據(jù)為空

流控模式：鏈路

                  machine-root
                    /       \
                   /         \
             Entrance1     Entrance2
                /             \
               /               \
      DefaultNode(nodeA)   DefaultNode(nodeA)

如上所示的Node分布情況，資源nodeA分別在兩個(gè)上下文Entrance1和Entrance2下進(jìn)行調(diào)用，假設(shè)在上下文Entrance1的調(diào)用量很大，而上下文Entrance2的調(diào)用量很小，我們想針對(duì)Entrance1上下文的nodeA調(diào)用進(jìn)行限流，那么可以使用鏈路限流模式，配置如下：

image.png

那么在上下文Entrance2下對(duì)nodeA的調(diào)用就沒(méi)有影響，看下代碼

    static Node selectReferenceNode(FlowRule rule, Context context, DefaultNode node) {
        String refResource = rule.getRefResource();
        int strategy = rule.getStrategy();

        if (StringUtil.isEmpty(refResource)) {
            return null;
        }

        //....關(guān)聯(lián)模式的處理

        if (strategy == RuleConstant.STRATEGY_CHAIN) {//2
            if (!refResource.equals(context.getName())) {
                return null;
            }
            return node;
        }
        return null;
    }

發(fā)現(xiàn)當(dāng)前上下文(context.getName())如果和配置(refResource)的不一樣，則返回null，外部如果返回的Node為null，則直接返回true了，那么Entrance2在這種情況下就直接通過(guò)了

流控效果

當(dāng)節(jié)點(diǎn)選擇完畢后，調(diào)用rule.getRater().canPass(selectedNode, acquireCount)開(kāi)始執(zhí)行判斷，getRater()返回的是TrafficShapingController的實(shí)現(xiàn)類，根據(jù)不同流控效果有不同的實(shí)現(xiàn)

    //com.alibaba.csp.sentinel.slots.block.flow.FlowRuleUtil#generateRater
    private static TrafficShapingController generateRater(/*@Valid*/ FlowRule rule) {
        if (rule.getGrade() == RuleConstant.FLOW_GRADE_QPS) {
            switch (rule.getControlBehavior()) {
                case RuleConstant.CONTROL_BEHAVIOR_WARM_UP:
                    return new WarmUpController(rule.getCount(), rule.getWarmUpPeriodSec(),
                        ColdFactorProperty.coldFactor);
                case RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER:
                    return new RateLimiterController(rule.getMaxQueueingTimeMs(), rule.getCount());
                case RuleConstant.CONTROL_BEHAVIOR_WARM_UP_RATE_LIMITER:
                    return new WarmUpRateLimiterController(rule.getCount(), rule.getWarmUpPeriodSec(),
                        rule.getMaxQueueingTimeMs(), ColdFactorProperty.coldFactor);
                case RuleConstant.CONTROL_BEHAVIOR_DEFAULT:
                default:
                    // Default mode or unknown mode: default traffic shaping controller (fast-reject).
            }
        }
        return new DefaultController(rule.getCount(), rule.getGrade());
    }

快速失敗

快速失敗這種情況，使用的是DefaultController，也是最簡(jiǎn)單的一個(gè)

    public boolean canPass(Node node, int acquireCount, boolean prioritized) {
        int curCount = avgUsedTokens(node);
        if (curCount + acquireCount > count) {
            return false;
        }
        return true;
    }
    private int avgUsedTokens(Node node) {
        if (node == null) {
            return -1;
        }
        return grade == RuleConstant.FLOW_GRADE_THREAD ? node.curThreadNum() : (int)node.passQps();
    }

獲取當(dāng)前token數(shù)，和當(dāng)前請(qǐng)求的數(shù)量相加，看看是否大于規(guī)則配置的值

排隊(duì)等待

當(dāng)頁(yè)面流控效果選擇排隊(duì)等待的時(shí)候，會(huì)出現(xiàn)超時(shí)時(shí)間的選項(xiàng)，該效果是讓請(qǐng)求勻速的通過(guò)，可用于消息隊(duì)列在消費(fèi)的時(shí)候?qū)α髁康目刂疲瑢?duì)應(yīng)的是漏桶算法，算法實(shí)現(xiàn)的代碼是RateLimiterController

    public boolean canPass(Node node, int acquireCount, boolean prioritized) {
        if (acquireCount <= 0) {
            return true;
        }
        if (count <= 0) {
            return false;
        }

        long currentTime = TimeUtil.currentTimeMillis();

        long costTime = Math.round(1.0 * (acquireCount) / count * 1000);//1

        long expectedTime = costTime + latestPassedTime.get();//2

        if (expectedTime <= currentTime) {//3
            latestPassedTime.set(currentTime);//4
            return true;
        } else {//5
            long waitTime = costTime + latestPassedTime.get() - TimeUtil.currentTimeMillis();//6
            if (waitTime > maxQueueingTimeMs) {//7
                return false;
            } else {//8
                long oldTime = latestPassedTime.addAndGet(costTime);//9
                try {
                    waitTime = oldTime - TimeUtil.currentTimeMillis();//10
                    if (waitTime > maxQueueingTimeMs) {//11
                        latestPassedTime.addAndGet(-costTime);//12
                        return false;
                    }
                    if (waitTime > 0) {//13
                        Thread.sleep(waitTime);
                    }
                    return true;
                } catch (InterruptedException e) {
                }
            }
        }
        return false;
    }

這里將上面幾個(gè)時(shí)間用變量表示

下一次能獲取到token通過(guò)的時(shí)間為t1
每次請(qǐng)求花費(fèi)時(shí)間為t2
上一次獲取到token通過(guò)的時(shí)間為t3

代碼每個(gè)標(biāo)記意義如下：

1：即當(dāng)前請(qǐng)求token數(shù)(默認(rèn)是1)/qps1000=1/qps1000=一個(gè)請(qǐng)求需要花費(fèi)多少時(shí)間，假設(shè)設(shè)置的qps為10，即一秒允許有10個(gè)請(qǐng)求通過(guò)，那么每個(gè)請(qǐng)求的時(shí)間就是1/10*1000=100毫秒
2：t3+t2=t1
3：如果當(dāng)前時(shí)間已經(jīng)在t1后面了，那么請(qǐng)求可以被通過(guò)
4：通過(guò)的時(shí)候需要重設(shè)一下t3
5：代表當(dāng)前請(qǐng)求到來(lái)的時(shí)候，還沒(méi)到達(dá)能夠t1
6：t2+t3-當(dāng)前時(shí)間=代表離t1還差多少時(shí)間
7：如果請(qǐng)求很多，每個(gè)都需要進(jìn)行排隊(duì)，那么會(huì)導(dǎo)致越后面的請(qǐng)求等待的時(shí)候會(huì)更久，那么當(dāng)時(shí)間超過(guò)設(shè)置的最大間隔，則返回false直接失敗
8：這里表示未到達(dá)最大的間隔
9：更新t3并返回最新值(這個(gè)的變量命名感覺(jué)有點(diǎn)問(wèn)題，addAndGet返回的是最新值)
10~11：在7已經(jīng)判斷過(guò)一次了，這里又判斷一次的原因是因?yàn)榭赡苡卸鄠€(gè)線程并發(fā)執(zhí)行的時(shí)候，在7的時(shí)候還未超過(guò)最大的間隔時(shí)間，而經(jīng)過(guò)latestPassedTime.addAndGet的處理之后，可能有某些線程已經(jīng)超過(guò)了這個(gè)時(shí)間，所以這里又判斷了一遍
12：和7不一樣，7只是進(jìn)行運(yùn)算，這里是先更新了t3了，所以需要減回去
13：得到等待時(shí)間后，使用Sleep是線程睡眠一定時(shí)間

Warm Up

還有一種流控效果是Warm Up，該算法類似于令牌桶算法，其代碼與Guava的RateLimiter原理類似，限于個(gè)人能力，沒(méi)能看懂其中原理。。。。

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

Sentinel源碼分析----流控規(guī)則與FlowSlot

Sentinel源碼分析----流控規(guī)則與FlowSlot

節(jié)點(diǎn)選擇

流控模式

流控模式：關(guān)聯(lián)

流控模式：鏈路

流控效果

快速失敗

排隊(duì)等待

Warm Up

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九 欧美,1769亚洲,黄色成人av

Sentinel源碼分析----流控規(guī)則與FlowSlot

節(jié)點(diǎn)選擇

流控模式

流控模式：關(guān)聯(lián)

流控模式：鏈路

流控效果

快速失敗

排隊(duì)等待

Warm Up

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av