微服务架构服务降级熔断Sentinel与Hystrix限流配置实战

熔断器模式与三种状态机

微服务架构中，服务间的同步调用形成复杂的依赖链。当某个下游服务响应变慢或不可用时，上游服务的请求线程被持续占用，最终耗尽线程池导致级联故障。服务降级与熔断器模式通过快速失败和资源隔离机制，防止单点故障扩散到整个系统。本文对比Sentinel和Hystrix两种主流熔断组件的设计差异，给出生产环境的限流降级配置方案。

熔断器的核心是有限状态机，包含Closed（关闭）、Open（打开）、Half-Open（半开）三种状态。Closed状态下请求正常放行，统计失败率。当失败率超过阈值，熔断器切换到Open状态，所有请求直接返回降级响应，不再调用下游服务。经过冷却时间后进入Half-Open状态，放行少量探测请求，探测成功则回到Closed状态，失败则重新回到Open状态。

三种状态的转换参数直接影响保护效果。熔断阈值过低导致频繁误断，过低则失去保护作用。生产环境通常设置失败率阈值50%、最小请求数20、熔断持续10秒、半开探测请求数3。

Sentinel与Hystrix设计对比

Hystrix采用线程池隔离策略，每个下游服务分配独立线程池，服务调用在独立线程执行。隔离性强但线程上下文切换开销大。Hystrix已进入维护模式，Netflix不再积极开发，社区转向Resilience4j和Sentinel。

Sentinel由阿里巴巴开源，采用信号量隔离而非线程池隔离，通过滑动窗口统计QPS和响应时间，性能开销更低。Sentinel的控制台提供实时监控和动态规则推送，运维友好度优于Hystrix。Sentinel的规则类型更丰富，覆盖流控、熔断降级、系统自适应保护和热点参数限流。

Sentinel流控规则配置实战

Sentinel的Java SDK通过SphU.entry定义资源入口，资源粒度可以是接口级别或方法级别。

@SentinelResource(value = "queryOrder",
                  blockHandler = "queryOrderBlockHandler",
                  fallback = "queryOrderFallback")
public OrderDTO queryOrder(String orderId) {
    return orderService.findById(orderId);
}

// 限流降级处理
public OrderDTO queryOrderBlockHandler(String orderId, BlockException ex) {
    log.warn("订单查询被限流, orderId={}, rule={}", orderId, ex.getRule());
    return OrderDTO.builder()
        .orderId(orderId)
        .status("SYSTEM_BUSY")
        .message("系统繁忙，请稍后重试")
        .build();
}

// 异常降级处理
public OrderDTO queryOrderFallback(String orderId, Throwable e) {
    log.error("订单查询异常, orderId={}", orderId, e);
    return OrderDTO.builder()
        .orderId(orderId)
        .status("SERVICE_UNAVAILABLE")
        .cacheData(redisTemplate.getFor(orderId))
        .build();
}

blockHandler处理Sentinel规则触发（限流、熔断），fallback处理业务异常。两者职责分离，blockHandler返回快速失败响应，fallback返回兜底数据（如缓存）。

流控规则通过API或Dashboard配置：

// QPS限流规则
FlowRule qpsRule = new FlowRule("queryOrder")
    .setGrade(RuleConstant.FLOW_GRADE_QPS)
    .setCount(100)
    .setLimitApp("default")
    .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT);

// 并发线程数限流规则
FlowRule threadRule = new FlowRule("queryOrder")
    .setGrade(RuleConstant.FLOW_GRADE_THREAD)
    .setCount(50)
    .setLimitApp("default");

// 排队等待模式（匀速通过）
FlowRule queueRule = new FlowRule("queryOrder")
    .setGrade(RuleConstant.FLOW_GRADE_QPS)
    .setCount(100)
    .setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER)
    .setMaxQueueingTimeMs(2000);

FlowRuleManager.loadRules(Arrays.asList(qpsRule, threadRule, queueRule));

QPS限流适合接口级保护，并发线程数限流适合慢调用场景。排队等待模式将突发流量整形为匀速请求，适合消息队列消费者的流控。

Sentinel熔断降级规则配置

Sentinel提供三种熔断策略：慢调用比例、异常比例、异常数。

// 慢调用比例熔断
DegradeRule slowCallRule = new DegradeRule("queryOrder")
    .setGrade(CircuitBreakerStrategy.SLOW_REQUEST_RATIO.getType())
    .setCount(500)
    .setSlowRatioThreshold(0.5)
    .setMinRequestAmount(20)
    .setStatIntervalMs(10000)
    .setTimeWindow(10);

// 异常比例熔断
DegradeRule errorRatioRule = new DegradeRule("paymentService")
    .setGrade(CircuitBreakerStrategy.ERROR_RATIO.getType())
    .setCount(0.5)
    .setMinRequestAmount(10)
    .setStatIntervalMs(10000)
    .setTimeWindow(15);

// 异常数熔断
DegradeRule errorCountRule = new DegradeRule("paymentService")
    .setGrade(CircuitBreakerStrategy.ERROR_COUNT.getType())
    .setCount(10)
    .setMinRequestAmount(10)
    .setStatIntervalMs(60000)
    .setTimeWindow(30);

DegradeRuleManager.loadRules(Arrays.asList(slowCallRule, errorRatioRule, errorCountRule));

慢调用比例熔断适合对延迟敏感的核心接口，500ms作为慢调用阈值，当超过半数请求超过阈值时熔断。异常比例熔断适合不稳定的外部依赖服务，50%错误率即触发保护。异常数策略适合低QPS但错误集中的场景。

Spring Cloud Alibaba整合Sentinel动态规则

生产环境通过Nacos推送动态规则，避免代码硬编码和重启生效。Spring Cloud Alibaba提供sentinel-datasource-nacos模块实现规则同步。

spring:
  cloud:
    sentinel:
      transport:
        dashboard: 10.0.1.20:8858
        port: 8719
      datasource:
        flow:
          nacos:
            server-addr: 10.0.1.21:8848
            dataId: ${spring.application.name}-flow-rules
            groupId: SENTINEL_GROUP
            rule-type: flow
        degrade:
          nacos:
            server-addr: 10.0.1.21:8848
            dataId: ${spring.application.name}-degrade-rules
            groupId: SENTINEL_GROUP
            rule-type: degrade

规则以JSON格式存储在Nacos配置中心，修改后秒级推送到所有应用实例。配合Sentinel Dashboard可视化配置界面，运维人员可以实时调整限流策略而无需代码发布。

[
  {
    "resource": "queryOrder",
    "limitApp": "default",
    "grade": 1,
    "count": 100,
    "strategy": 0,
    "controlBehavior": 0,
    "clusterMode": false
  }
]

系统自适应保护与热点参数限流

Sentinel的系统自适应保护规则根据系统整体负载（CPU、Load、RT、线程数、入口QPS）自动限流，是全局兜底策略，防止系统过载崩溃。

SystemRule systemRule = new SystemRule();
systemRule.setHighestCpuUsage(0.8);
systemRule.setHighestSystemLoad(4.0);
systemRule.setAvgRt(100);
systemRule.setMaxThread(200);
systemRule.setQps(5000);
SystemRuleManager.loadRules(Collections.singletonList(systemRule));

热点参数限流对特定参数值施加独立限流阈值，适用于秒杀场景的爆款商品ID限流：

ParamFlowRule rule = new ParamFlowRule("seckillOrder")
    .setParamIdx(0)
    .setGrade(RuleConstant.FLOW_GRADE_QPS)
    .setCount(1000)
    .setParamFlowItemList(Arrays.asList(
        new ParamFlowItem().setObject("SKU_HOT_001")
            .setClassType(String.class.getName())
            .setCount(5000)
    ));

普通商品共享1000 QPS额度，爆款商品SKU_HOT_001单独分配5000 QPS。这种细粒度参数限流避免单个热点参数拖垮全局限流策略。