在Spring Cloud Alibaba sentinel的安装与配置中，我们介绍了Sentinel的功能以及安装部署方式。
在Spring Cloud集成Sentinel之基础功能介绍中，我们介绍了如何在Spring Cloud中集成Sentinel。
本文我们在上面的基础上继续深入，介绍一下Sentinel的流量控制功能。

Sentinel流量控制介绍

流量控制（flow control），其原理是监控应用流量的 QPS 或并发线程数等指标，当达到指定的阈值时对流量进行控制，以避免被瞬时的流量高峰冲垮，从而保障应用的高可用性。
FlowSlot会根据预设的规则，结合前面NodeSelectorSlot、ClusterNodeBuilderSlot、StatisticSlot 统计出来的实时信息进行流量控制。
限流的直接表现是在执行 Entry nodeA = SphU.entry(resourceName) 的时候抛出 FlowException 异常。FlowException 是 BlockException 的子类，您可以捕捉BlockException来自定义被限流之后的处理逻辑。
同一个资源可以创建多条限流规则。FlowSlot会对该资源的所有限流规则依次遍历，直到有规则触发限流或者所有规则遍历完毕。
一条限流规则主要由下面几个因素组成，我们可以组合这些元素来实现不同的限流效果：
resource：资源名，即限流规则的作用对象
count: 限流阈值
grade: 限流阈值类型（QPS 或并发线程数）
limitApp: 流控针对的调用来源，若为 default 则不区分调用来源
strategy: 调用关系限流策略
controlBehavior: 流量控制效果（直接拒绝、Warm Up、匀速排队）

名词解释

• 资源名：唯一名称、默认请求路径，也可以通过@SentinelResource的value属性指定，不可重复。
• 针对来源：Sentinel可以针对调用者进行限流，填写微服务名，默认default（不区分来源）
• 阀值类型/单机阀值：
  QPS（每秒钟的请求数量）：当调用该api的QPS达到阀值的时候，进行限流线程数：当调用该api的线程数达到阀值的时候，进行限流
• 是否集群：不需要集群

• 流控模式：

  直接：api达到限流条件时，直接限流
  关联：当关联的资源达到阀值时，就限流自己
  链路：只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阀值，就限流）【api级别的针对来源】

• 流控效果：

  快速失败：直接失败，抛异常
  Warm Up：根据codeFactor（冷加载因子，默认3）的值，从阀值/codeFactor，经过预热时长，才达到设置的QPS阀值
  排队等待：匀速排队，让请求以均匀的速度通过，阀值类型必须设置为QPS，否则无效

代码展示

基于QPS的流量控制

当QPS超过某个阈值的时候，则采取措施进行流量控制。流量控制的效果包括以下几种：直接拒绝、Warm Up、匀速排队。对应FlowRule中的 controlBehavior字段。
在代码中增加以下服务接口

 @GetMapping("/testQPSA")
    public String testA() {
        return "-----------testQPSA";
    }

如何此时我们不配置Sentinel，无论如何访问，都不会报错，流量会直接打到服务器，直到服务器崩溃。
此时，我们打开Sentinel，设置流控如下
配置的信息代表每秒最多允许一个请求，超过依次的请求直接报错。
此时我们快速刷新接口，可以看到以下信息

基于并发数的流量控制

基于并发数的控制，也就是控制同一时刻能够访问接口的数量。

 @GetMapping("/testThreadA")
    public String testThreadA() {
        try {
            TimeUnit.SECONDS.sleep(10);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return "-----------testThreadA";
    }

为了测试方便，我让程序暂停10S。
上图代表我们统一时刻只能有一个线程访问。
然后启动用浏览器及curl命令同时访问。
可以看到第一个浏览器能正常打开，但是curl命令的无法访问。

流控模式：直接

以上两个例子都是直接控制，也就是关联自己的资源。

流控模式：关联

当两个资源之间具有资源争抢或者依赖关系的时候，这两个资源便具有了关联。像对数据库同一个字段的读操作和写操作存在争抢，读的速度过高会影响写得速度，写的速度过高会影响读的速度。如果放任读写操作争抢资源，则争抢本身带来的开销会降低整体的吞吐量。
这次我们新增以下两个服务。

 @GetMapping("/testRelationA")
    public String testRelationA() {
        log.info(Thread.currentThread().getName() + "\t testRelationA");
        return "-----------testRelationA";
    }
    
    @GetMapping("/testRelationB")
    public String testRelationB() {
        log.info(Thread.currentThread().getName() + "\t testRelationB");
        return "-----------testRelationB";
    }

我们模拟：当testRelationB达到阈值时，停止testRelationA服务。
这次我们用JMeter进行测试，使用JMeter循环访问testRelationB
可以看到testRelationB访问一直正常，但是testRelationA此时已经不能访问了。

流控模式：链路

只记录指定链路上的流量（指定资源从入口资源进来的流量，如果达到阈值，就可以限流）
这次我们删除所有的流控规则，查看sentinel我们可以看到/testRelationB的资源入口是sentinel_web_servlet_context
这次我们设置流控规则如下
多次点击http://localhost:8401/testRelationB,可以看到浏览器显示

流控效果：快速失败

以上代码都是直接快速失败的例子，当QPS超过任意规则的阈值后，新的请求就会被立即拒绝，拒绝方式为抛出FlowException。这种方式适用于对系统处理能力确切已知的情况下，比如通过压测确定了系统的准确水位时。

流控效果：Warm Up（预热）

Warm Up（RuleConstant.CONTROL_BEHAVIOR_WARM_UP）方式，即预热/冷启动方式。当系统长期处于低水位的情况下，当流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。通过"冷启动"，让通过的流量缓慢增加，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。
我们增加以下代码。测试预测

@GetMapping("/testWarmup")
    public String testWarmup() {
        return "-----------testWarmup";
    }

以上表示，一开始系统QPS为1（3/3），10秒之后，系统QPS为3。
启用JMeter测试，设置请求100个，系统处理时间为50s，也就说1s发送两个请求。
可以看到，一开始，间隔成功一个、失败一个（因为我们JMeter设置的是1s处理两个请求，而Sentinel设置的是1s只能处理一个请求），10秒之后，就一直成功了（因为10s后，阈值为10，也就是说我们1s能处理10个请求，小于我们JMeter测试的一秒两个请求）

流控效果：排队等待

排队等待（RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER）方式会严格控制请求通过的间隔时间，也即是让请求以均匀的速度通过，对应的是漏桶算法。
这种方式主要用于处理间隔性突发的流量，例如消息队列。想象一下这样的场景，在某一秒有大量的请求到来，而接下来的几秒则处于空闲状态，我们希望系统能够在接下来的空闲期间逐渐处理这些请求，而不是在第一秒直接拒绝多余的请求。

  @GetMapping("/testQueue")
    public String testQueue() {
        try {
            TimeUnit.SECONDS.sleep(1);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return "-----------testQueue";
    }

一次处理一个请求，超时时间为20S，
使用JMeter默认10个请求
可以看到每个线程大概耗时都是1s。