流量控制：Sentinel流控规则（QPS/线程数）、热点参数限流、系统自适应保护
基于 2025 年 Alibaba Sentinel 1.8+ 最新实践，以下从流控规则、热点参数限流到系统自适应保护，构建完整的流量控制技术体系：
一、流控规则：QPS vs 线程数双维度控制
Sentinel 流控（Flow Control）从**速率（QPS）与并发（线程数）**两个维度保护服务，配合三种流控效果实现精细化流量整形。
1. QPS（每秒查询率）流控
原理：统计每秒请求数，超过阈值直接拦截或排队。
适用场景：
- API 网关：限制接口总调用量（如 1000 QPS）
- 突发流量：秒杀、整点活动峰值保护
- 第三方配额：限制对外部服务的调用频率（如支付接口 50 QPS）
配置示例：
FlowRule rule = new FlowRule();
rule.setResource("queryOrder"); // 资源名
rule.setGrade(RuleConstant.FLOW_GRADE_QPS); // QPS 模式
rule.setCount(1000); // 阈值：1000 QPS
rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT); // 直接拒绝
三种流控效果：
| 效果 | 机制 | 适用场景 |
|---|---|---|
| 直接拒绝（默认） | 超过阈值立即抛 FlowException | 冷启动、非核心接口 |
| Warm Up（预热） | 从阈值/3 开始，经预热时长逐渐升至阈值 | 突发流量、缓存未命中场景，防止瞬间压垮 |
| 匀速排队（Rate Limiter） | 以固定间隔（1/阈值秒）处理请求，多余请求排队等待 | 消息队列消费、数据库批量写入，绝对平滑 |
Warm Up 算法（令牌桶改进）：
// 冷加载因子默认为 3，即初始阈值为 1000/3 ≈ 333 QPS
// 预热时长 10 秒，10 秒后逐渐升至 1000 QPS
rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP);
rule.setWarmUpPeriodSec(10); // 预热 10 秒
2. 线程数流控
原理：统计当前正在执行的线程数，超过阈值拦截新请求。
适用场景：
- 慢调用防护：当下游服务 RT 增加（如数据库慢查询），线程池被占满，新请求快速失败，避免级联阻塞
- 资源密集型：图片处理、报表生成等耗时操作
与 QPS 的核心差异：
| 维度 | QPS 流控 | 线程数流控 |
|---|---|---|
| 统计对象 | 请求到达速率 | 并发执行线程数 |
| 触发时机 | 每秒计数 | 实时线程计数 |
| 适用场景 | 快速接口（<100ms） | 慢接口（>500ms）、异步处理 |
| 资源消耗 | 低（计数器） | 中（需维护线程上下文） |
生产建议：
- 快速接口（<100ms）：用 QPS 限流，吞吐量大
- 慢接口（>500ms）：用 线程数限流（如最大 50 线程），防止线程池耗尽
- 混合场景：两者结合，QPS 限流防突发，线程数限流防堆积
二、热点参数限流：细粒度参数级防护
热点参数限流（Param Flow Control）针对频繁访问的热点数据进行限流，如特定用户 ID、商品 ID，防止热点数据打垮缓存或数据库。
1. 核心原理
参数索引定位：
- 通过方法参数索引（从 0 开始）指定限流维度
- 支持基本类型（int、String）及自定义对象（需实现
equals/hashCode）
滑动窗口统计：
- 为每个参数值维护独立的滑动窗口（默认 1 秒）
- 当某参数值 QPS 超过阈值，仅限制该参数值，其他参数正常访问
2. 配置示例
场景：限制单个用户（userId）的访问频率，防止刷单。
// 定义热点规则
ParamFlowRule rule = new ParamFlowRule("queryUserOrder")
.setParamIdx(0) // 第 0 个参数（userId）
.setGrade(RuleConstant.FLOW_GRADE_QPS)
.setCount(10); // 默认阈值：每个 userId 10 QPS
// 针对特定用户（如 VIP 或黑名单）设置例外
ParamFlowItem vipItem = new ParamFlowItem()
.setObject("VIP_USER_001") // 特定 userId
.setCount(100); // VIP 用户放宽到 100 QPS
ParamFlowItem blackItem = new ParamFlowItem()
.setObject("BLACK_USER_001")
.setCount(0); // 黑名单用户直接拒绝
rule.setParamFlowItemList(Arrays.asList(vipItem, blackItem));
注解方式（Spring Cloud）：
@SentinelResource(
value = "queryUserOrder",
blockHandler = "handleBlock",
fallback = "handleFallback"
)
public Order queryUserOrder(@RequestParam("userId") String userId,
@RequestParam("orderId") String orderId) {
return orderService.query(userId, orderId);
}
// 热点参数限流配置（通过 Sentinel Dashboard 或 API）
// resource: queryUserOrder
// paramIdx: 0 (userId)
// threshold: 10 (QPS)
3. 高级特性
参数例外项（Parameter Exception）：
- 支持为特定参数值设置独立阈值（如 VIP 用户 100 QPS，普通用户 10 QPS）
- 支持统计窗口时长自定义（默认 1 秒，可调整为 10 秒平滑突发）
集群热点限流：
- 单机版：每个节点独立统计，适合无状态服务
- 集群版：通过 Token Server 统一统计，适合全局热点（如全网爆品商品 ID）
4. 生产陷阱
- 参数值爆炸：若参数值（如 UUID）无限增长，会导致内存泄漏。需设置最大统计参数个数（默认 1000）
- 对象参数：自定义对象需正确实现
equals/hashCode，否则无法命中统计 - 缓存穿透：热点参数限流后，需配合空值缓存或布隆过滤器，防止恶意构造不存在参数值攻击
三、系统自适应保护：智能化过载防护
系统自适应保护（System Protection）从系统整体负载出发，当 CPU、内存、RT、线程数等指标超过阈值时，自动限流，防止雪崩。
1. 保护维度
Sentinel 1.8+ 支持 5 个系统维度自适应保护：
| 维度 | 阈值类型 | 触发条件 | 恢复机制 |
|---|---|---|---|
| Load | 系统负载（Unix-like） | Load1 > 阈值（如 4.0） | Load 低于阈值自动恢复 |
| CPU 使用率 | 百分比 | CPU > 阈值（如 80%） | CPU 降低自动恢复 |
| RT | 平均响应时间（ms） | 所有入口流量 RT > 阈值 | RT 降低自动恢复 |
| 线程数 | 并发线程数 | 总线程数 > 阈值 | 线程数降低自动恢复 |
| 入口 QPS | 总 QPS | 总 QPS > 阈值 | QPS 降低自动恢复 |
2. 实现原理
系统指标采集：
- CPU/Load：通过
OperatingSystemMXBean采集（Linux 下读取/proc/loadavg） - RT/线程数：通过 Sentinel 滑动窗口统计所有
Entry的实时数据
自适应算法：
// 系统保护规则
SystemRule rule = new SystemRule();
rule.setHighestSystemLoad(4.0); // Load1 阈值
rule.setHighestCpuUsage(0.8); // CPU 80%
rule.setAvgRt(500); // 平均 RT 500ms
rule.setMaxThread(500); // 最大线程 500
rule.setQps(2000); // 总 QPS 2000
// 任一指标触发即限流，按 Load > CPU > RT > Thread > QPS 优先级
双阈值控制（BBR 算法改进）：
- 上限阈值：资源使用超过此值，禁止新流量进入（硬限制）
- 下限阈值：资源使用低于此值，允许流量进入（软限制）
- 中间区域：通过排队理论计算最大并发数，动态调整通过率
3. 与流控规则的协同
分层防护策略：
- 系统层（System Rule）：最后一道防线，CPU > 80% 时拒绝所有非核心流量
- 接口层（Flow Rule）：针对具体接口 QPS/线程数限制
- 热点层（Param Rule）：针对热点参数精细控制
生产配置示例：
spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080
rules:
system:
- highestCpuUsage: 0.85 # CPU 85% 触发保护
avgRt: 1000 # 平均 RT 1秒触发
maxThread: 800 # 总线程 800 触发
flow:
- resource: queryOrder
grade: 1 # QPS 模式
count: 1000 # 单接口 1000 QPS
4. 最佳实践
渐进式启用：
- 阶段 1：仅监控（设置阈值但不拦截），观察系统正常负载基线
- 阶段 2：启用 CPU + RT 保护，防止明显过载
- 阶段 3：全维度启用，结合 Load 与线程数，构建全方位防护
阈值设置建议：
- CPU：建议 70%-85%，预留缓冲应对突发
- RT：设置为超时时间的 50%（如超时 2s，RT 阈值设为 1s）
- Load：设置为CPU 核心数 * 0.8（4 核设为 3.2）
与 K8s 集成：
- 当 System Rule 触发时，可联动 **HPA（Horizontal Pod Autoscaler）**自动扩容
- 通过 Sentinel 的 Metric 出口（Prometheus）配置告警，触发弹性伸缩
四、生产实践：规则动态配置与监控
1. 动态规则推送
Nacos 数据源（推荐）：
// 读取 Nacos 配置，实时更新规则
ReadableDataSource<String, List<FlowRule>> flowRuleDataSource =
new NacosDataSource<>(remoteAddress, groupId, dataId,
source -> JSON.parseObject(source, new TypeReference<List<FlowRule>>() {}));
FlowRuleManager.register2Property(flowRuleDataSource.getProperty());
配置格式：
[
{
"resource": "queryOrder",
"grade": 1,
"count": 1000,
"controlBehavior": 0,
"warmUpPeriodSec": 10
}
]
2. 监控大盘
Sentinel Dashboard：
- 实时监控：QPS、通过/拒绝量、RT、并发线程数
- 链路追踪：查看资源调用链路，识别瓶颈
- 规则管理：可视化配置流控、降级、热点、系统规则
Prometheus + Grafana：
# 暴露 Sentinel 指标
management:
endpoints:
web:
exposure:
include: sentinel
# 关键指标：
# sentinel_flow_exception_total：流控拒绝次数
# sentinel_rt_avg：平均响应时间
# sentinel_thread_pool_active_threads：活跃线程数
五、总结
| 防护层级 | 机制 | 粒度 | 触发条件 | 生产建议 |
|---|---|---|---|---|
| 接口级 | QPS 流控 | 单接口 | 1000 QPS | 快速接口用 QPS，慢接口用线程数 |
| 接口级 | 线程数流控 | 单接口 | 50 线程 | 防止慢调用堆积，快速失败 |
| 参数级 | 热点参数限流 | 参数值 | userId=10 QPS | 防刷单、防热点数据击穿缓存 |
| 系统级 | 自适应保护 | 全系统 | CPU > 80% | 最后防线，自动恢复，联动扩容 |
终极原则：
- 流控做预防：提前限制，防止过载
- 热点做精细：针对特定数据防护，不误伤正常用户
- 系统做兜底：整体负载高时，牺牲非核心保核心
Sentinel 的滑动窗口算法（LeapArray）保证了统计的实时性与准确性，** Warm Up** 与匀速排队实现了流量的平滑控制，是微服务流量治理的事实标准。
