皮皮网

1.Go 语言体系下的微服务框架选型：Dubbo-go
2.Sentinel 2.0 微服务零信任的探索与实践
3.八、Sentinel介绍和使用
4.八、Sentinel介绍和使用
5.Nacos配置注册中心和Sentinel分布式流量防卫兵相关知识总结
6.Sentinel与Hystrix的区别

Go 语言体系下的微服务框架选型：Dubbo-go

       随着微服务技术的快速发展，Go 语言作为云原生领域最受欢迎的开发语言，正在被越来越多的企业作为微服务开发的首选语言。在众多流行的微服务框架中，Go-micro、海口离深圳源码Go-zero、Dubbo-go 等脱颖而出。Dubbo-go 作为 Dubbo 微服务体系中多语言实现的一员，在拥抱云原生标准方面展现出了积极态度，特别是在 Proxyless Mesh 形态下，与 Pixiu 云原生网关的培训课程平台源码配合，形成了完善的 Dubbo-go 微服务生态矩阵。

       Dubbo-go 简介显示了其在微服务方向的沉淀和积累，特别是在互联互通和服务治理能力上。Dubbo-go 是一款易用、高性能的 WEB 和 RPC 框架，具备服务发现、流量治理、可观测、认证鉴权等能力，支持多种通信协议，如 HTTP/2、恋爱信封表白源码TCP、gRPC 等。它通过与 Nacos、Zookeeper、Sentinel、Zipkin、Kubernetes、Prometheus 等生态项目的兼容性，提供了面向 Go 语言体系的微服务开发体验。

       过去一年，Dubbo-go 推出了优雅上下线功能，头条app源码flutter显著提升了微服务集群的稳定性。这项功能解决了服务上线调用报错的问题，遵循严格的初始化过程依赖关系，保证了服务能够被正常调用。同时，新一代柔性服务的推出，采用了峰值干预算法，通过改进的 P2C 算法，实现了更智能的负载均衡。此外，Dubbo-go 的java date函数源码 TLS 安全通信功能也得到了增强，为微服务之间提供了可信的通信方式。

       展望 年，Dubbo-go 的规划着重于持续打磨框架，优先保障稳定性的同时提升易用性，致力于成为一流的 Go 语言微服务框架。社区将继续加强对文档建设和开发者工具的建设工作，集成更多命令于 dubboctl 工具中，为用户提供快速创建微服务的特性和支持 Hessian2 生成器、新建 Dubbo-go 项目的功能，进一步提升文档和工具的质量，确保框架成为面向 Go 开发者的轻量、易用的微服务开发平台。

Sentinel 2.0 微服务零信任的探索与实践

       古典朴素的安全哲学探讨

       网络安全的现状是企业在网络边界进行防护，而内部缺乏有效安全措施，导致防护脆弱，易被绕过。类比于现实中的小区安全，如果小区内部无门、仅靠门口保安检查，那么小区的安全性将非常低。黑客或非法进入者可以通过假冒身份、尾随等手段突破安全防线，这也映射了网络环境中的安全风险。

       零信任理念的提出

       零信任强调所有安全措施下沉至应用级别，每个应用需进行身份认证和授权。通过认证确认身份，颁发证书标识身份，并定期更新以保证有效性。鉴权则确认用户具备访问特定服务的权限。

       认证与授权机制

       类似于住户通过通行证获得对应房屋钥匙的机制，零信任中客户端或服务端通过证书声明身份，证书内标识身份和权限信息，应用据此执行访问控制规则。

       零信任的扩展功能

       零信任系统还需支持动态可变认证策略、资产监控与可见性、审计与合规性等，以适应不断变化的安全环境。

       Istio在零信任构建中的角色

       Istio提供了一套完善的零信任构建方案，在服务网络中，实现认证与鉴权等功能，确保应用间安全通信。

       Sentinel 2.0的安全底座愿景

       Sentinel从流控降级等基础功能升级至全生命周期保护，支持零信任能力，包括证书管理与鉴权规则。

       Sentinel 2.0的零信任实现

       Sentinel 2.0在零信任领域聚焦于证书管理与鉴权规则，通过CRD规则统一管理零信任功能，并适配现有架构。

       代码结构与适配

       Sentinel的代码结构为Spring Cloud Alibaba、Dubbo、Spring Boot等框架提供适配接口，实现零信任功能的集成。

       平滑升级策略

       在升级过程中，确保应用实例同时支持HTTP和HTTPS，通过模式切换实现平滑过渡，满足零信任安全要求。

       兼容性方案

       应用实例需在重启后启用兼容模式，监控流量后切换至严格模式，保证零信任功能的无缝集成。

       未来展望

       致力于集成CI/CD流程，实现自适应调整安全策略，以及默认安全配置，推动零信任在企业微服务中的大规模应用。

八、Sentinel介绍和使用

        Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量

        为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。

        不依赖任何框架/库,能够运行于所有 Java 运行时环境，同时对 Dubbo /Spring Cloud 等框架也有较好的支持。

        基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器。

        Sentinel所有知识都可以官网查询： 官网地址

        浏览器地址： mandKey 和 groupKey（用于区分资源）以及对应的隔离策略（线程池隔离 or 信号量隔离）。线程池隔离模式下需要配置线程池对应的参数（线程池名称、容量、排队超时等），然后 Command 就会在指定的线程池按照指定的容错策略执行；信号量隔离模式下需要配置最大并发数，执行 Command 时 Hystrix 就会限制其并发调用。

       Sentinel 的设计则更为简单。相比 Hystrix Command 强依赖隔离规则，Sentinel 的资源定义与规则配置的耦合度更低。Hystrix 的 Command 强依赖于隔离规则配置的原因是隔离规则会直接影响 Command 的执行。在执行的时候 Hystrix 会解析 Command 的隔离规则来创建 RxJava Scheduler 并在其上调度执行，若是线程池模式则 Scheduler 底层的线程池为配置的线程池，若是信号量模式则简单包装成当前线程执行的 Scheduler。而 Sentinel 并不指定执行模型，也不关注应用是如何执行的。Sentinel 的原则非常简单：根据对应资源配置的规则来为资源执行相应的限流/降级/负载保护策略。在 Sentinel 中资源定义和规则配置是分离的。用户先通过 Sentinel API 给对应的业务逻辑定义资源（埋点），然后可以在需要的时候配置规则。埋点方式有两种：

        try-catch 方式（通过 SphU.entry(...)），用户在 catch 块中执行异常处理 / fallback

        if-else 方式（通过 SphO.entry(...)），当返回 false 时执行异常处理 / fallback

       Sentinel 提供 多样化的规则配置方式 。除了直接通过 loadRules API 将规则注册到内存态之外，用户还可以注册各种外部数据源来提供动态的规则。用户可以根据系统当前的实时情况去动态地变更规则配置，数据源会将变更推送至 Sentinel 并即时生效。

       éš”离是 Hystrix 的核心功能之一。Hystrix 提供两种隔离策略：线程池隔离（Bulkhead Pattern）和信号量隔离，其中最推荐也是最常用的是线程池隔离。Hystrix 的线程池隔离针对不同的资源分别创建不同的线程池，不同服务调用都发生在不同的线程池中，在线程池排队、超时等阻塞情况时可以快速失败，并可以提供 fallback 机制。线程池隔离的好处是隔离度比较高，可以针对某个资源的线程池去进行处理而不影响其它资源，但是代价就是线程上下文切换的 overhead 比较大，特别是对低延时的调用有比较大的影响。

        但是，实际情况下，线程池隔离并没有带来非常多的好处。首先就是过多的线程池会非常影响性能。考虑这样一个场景，在 Tomcat 之类的 Servlet 容器使用 Hystrix，本身 Tomcat 自身的线程数目就非常多了（可能到几十或一百多），如果加上 Hystrix 为各个资源创建的线程池，总共线程数目会非常多（几百个线程），这样上下文切换会有非常大的损耗。另外，线程池模式比较彻底的隔离性使得 Hystrix 可以针对不同资源线程池的排队、超时情况分别进行处理，但这其实是超时熔断和流量控制要解决的问题，如果组件具备了超时熔断和流量控制的能力，线程池隔离就显得没有那么必要了。

        Sentinel 可以通过并发线程数模式的流量控制来提供信号量隔离的功能。这样的隔离非常轻量级，仅限制对某个资源调用的并发数，而不是显式地去创建线程池，所以 overhead 比较小，但是效果不错。并且结合基于响应时间的熔断降级模式，可以在不稳定资源的平均响应时间比较高的时候自动降级，防止过多的慢调用占满并发数，影响整个系统。而 Hystrix 的信号量隔离比较简单，无法对慢调用自动进行降级，只能等待客户端自己超时，因此仍然可能会出现级联阻塞的情况。

        熔断降级对比 sentinel和Hystrix的熔断降级本质都是基于熔断器模式

         Sentinel 与 Hystrix 都支持基于失败比率（异常比率） 的熔断降级 æ­¤æ—¶æ‰€æœ‰å¯¹è¯¥èµ„源的调用都会被 block，直到过了指定的时间窗口后才启发性地恢复。上面提到过，Sentinel 还支持基于平均响应时间的熔断降级，可以在服务响应时间持续飙高的时候自动熔断，拒绝掉更多的请求，直到一段时间后才恢复。这样可以防止调用非常慢造成级联阻塞的情况。

       å®žæ—¶æŒ‡æ ‡ç»Ÿè®¡å®žçŽ°å¯¹æ¯”

        Hystrix 和 Sentinel 的实时指标数据统计实现都是基于滑动窗口的。Hystrix 1.5 之前的版本是通过环形数组实现的滑动窗口，通过锁配合 CAS 的操作对每个桶的统计信息进行更新。Hystrix 1.5 开始对实时指标统计的实现进行了重构，将指标统计数据结构抽象成了响应式流（reactive stream）的形式，方便消费者去利用指标信息。同时底层改造成了基于 RxJava 的事件驱动模式，在服务调用成功/失败/超时的时候发布相应的事件，通过一系列的变换和聚合最终得到实时的指标统计数据流，可以被熔断器或 Dashboard 消费。

        Sentinel 目前抽象出了 Metric 指标统计接口，底层可以有不同的实现，目前默认的实现是基于LeapArray的滑动窗口，后续根据需要可能会引入 reactive stream 等实现。

       Sentinel 的特色

        除了之前提到的两者的共同特性之外，Sentinel 还提供以下的特色功能：

        轻量级，高性能 

        Sentinel 作为一个功能完备的高可用流量管控组件，其核心sentinel-core没有任何多余依赖，打包后只有不到K，非常轻量级，开发者可以放心引入 sentinel-core è€Œä¸éœ€æ‹…心依赖问题 ，同时sentinel提供多种扩展点，用户可以很方便的根据需求去进行扩展，而且无缝切换到Sentinel中

        引入Sentinel带来的性能损耗非常小。只有在业务单机量级超过 W QPS 的时候才会有一些显著的影响（5% - % 左右），单机 QPS 不太大的时候损耗几乎可以忽略不计。

       æµé‡æŽ§åˆ¶

        Sentinel可以针对不同的调用 以不同的运行指标 å¦‚ QPS、并发调用数、系统负载等）为基准，对资源调用进行流量控制，将随机的请求调整成合适的形状。

        Sentinel 支持多样化的流量整形策略，在 QPS 过高的时候可以自动将流量调整成合适的形状。常用的有：

        直接拒绝模式：即超出的请求直接拒绝。

        慢启动预热模式： 当流量激增的时候，控制流量通过的速率，让通过的流量缓缓的增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮。

        匀速器模式 åˆ©ç”¨ Leaky Bucket 算法实现的匀速模式，严格控制了请求通过的时间间隔，同时堆积的请求将会排队，超过超时时长的请求直接被拒绝。

       Sentinel   Hystrix

        隔离策略基于并发数线程池隔离/信号量隔离

        熔断降级策略基于响应时间或失败比率基于失败比率

        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

        基于注解的支持即将发布支持

        调用链路信息支持同步调用不支持

        限流基于 QPS / 并发数，支持基于调用关系的限流不支持

        流量整形支持慢启动、匀速器模式不支持

        系统负载保护支持不支持

        实时监控 API各式各样较为简单

        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 等Servlet、Spring Cloud Netflix

       æ–‡ç« å‡ºå¤„ /educast/article/details/