Spring Cloud Alibaba-11- SCA Sentinel 分布式系统的流量防卫兵

Sentinel 介绍

Sentinel是⼀个⾯向云原⽣微服务的流量控制、熔断降级组件。

替代Hystrix，针对问题：服务雪崩、服务降级、服务熔断、服务限流

Hystrix：

服务消费者（⾃动投递微服务）—>调⽤服务提供者（简历微服务）

在调⽤⽅引⼊Hystrix—> 单独搞了⼀个Dashboard项⽬—>Turbine

1. ⾃⼰搭建监控平台 dashboard

2. 没有提供UI界⾯进⾏服务熔断、服务降级等配置（⽽是写代码，⼊侵了我们源程序环境）

Sentinel：

1. 独⽴可部署Dashboard/控制台组件

2. 减少代码开发，通过UI界⾯配置即可完成细粒度控制（⾃动投递微服务）

Sentinel 分为两个部分:

• 核⼼库：（Java 客户端）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。

• 控制台：（Dashboard）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 具有以下特征:

• 丰富的应⽤场景： Sentinel 承接了阿⾥巴巴近 10 年的双⼗⼀⼤促流量的核⼼场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填⾕、集群流量控制、实时熔断下游不可⽤应⽤等。

• 完备的实时监控： Sentinel 同时提供实时的监控功能。您可以在控制台中看到接⼊应⽤的单台机器秒级数据，甚⾄ 500 台以下规模的集群的汇总运⾏情况。

• ⼴泛的开源⽣态： Sentinel 提供开箱即⽤的与其它开源框架/库的整合模块，例如与 Spring Cloud、Dubbo的整合。您只需要引⼊相应的依赖并进⾏简单的配置即可快速地接⼊ Sentinel。

• 完善的 SPI 扩展点： Sentinel 提供简单易⽤、完善的 SPI 扩展接⼝。您可以通过实现扩展接⼝来快速地定制逻辑。例如定制规则管理、适配动态数据源等

Sentinel 部署

下载地址：https://github.com/alibaba/Sentinel/releases 使用v1.8.1

启动：

java -jar sentinel-dashboard-1.7.1.jar

访问： http://localhost:8080/#/login
⽤户名/密码：sentinel/sentinel

服务改造

  在我们已有的业务场景中，“autodeliver微服务”调⽤了“resume微服务”，我们在⾃动投递微服务进⾏的熔断降级等控制，那么接下来我们改造⾃动投递微服务，引⼊Sentinel核⼼包。

  为了不污染之前的代码，复制⼀个微服务 cloud-service-autodeliver-8094-sentinel

1. pom.xml引⼊依赖

        <dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-sentinel</artifactId></dependency>

2. application.yml修改（配置sentinel dashboard，暴露断点依然要有，删除原有hystrix配置，删除原有OpenFeign的降级配置）

server:port: 8094
spring:application:name: cloud-service-autodelivercloud:nacos:discovery:server-addr: 192.168.137.144:8848, 192.168.137.144:8849, 192.168.137.144:8850sentinel:transport:dashboard: 127.0.0.1:8080 # sentinel dashboard/console 地址port: 8719   #  sentinel会在该端口启动http server，那么这样的话，控制台定义的一些限流等规则才能发送传递过来，#如果8719端口被占用，那么会依次+1management:endpoints:web:exposure:include: "*"endpoint:health:show-details: always#针对的被调⽤⽅微服务名称,不加就是全局⽣效
cloud-service-resume:ribbon:#请求连接超时时间ConnectTimeout: 2000#请求处理超时时间ReadTimeout: 15000#对所有操作都进⾏重试OkToRetryOnAllOperations: true####根据如上配置，当访问到故障请求的时候，它会再尝试访问⼀次当前实例（次数由MaxAutoRetries配置），####如果不⾏，就换⼀个实例进⾏访问，如果还不⾏，再换⼀次实例访问（更换次数由MaxAutoRetriesNextServer配置），####如果依然不⾏，返回失败信息。MaxAutoRetries: 0 #对当前选中实例重试次数，不包括第⼀次调⽤MaxAutoRetriesNextServer: 0 #切换实例的重试次数NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule #负载策略调整

3. 上述配置之后，启动微服务，使⽤ Sentinel 监控微服务
   此时我们发现控制台没有任何变化，因为懒加载，我们只需要发起⼀次请求触发即可

Sentinel 关键概念

概念名称	概念描述
资源	它可以是 Java 应⽤程序中的任何内容，例如，由应⽤程序提供的服务，或由应⽤程序调⽤的其它应⽤提供的服务，甚⾄可以是⼀段代码。我们请求的API接口就是资源
规则	围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以动态实时调整。

Sentinel 流量规则模块

  系统并发能⼒有限，⽐如系统A的QPS⽀持1个，如果太多请求过来，那么A就应该进⾏流量控制了，⽐如其他请求直接拒绝

资源名：默认请求路径

针对来源： Sentinel可以针对调⽤者进⾏限流，填写微服务名称，默认default（不区分来源）

阈值类型/单机阈值

QPS：（每秒钟请求数量）当调⽤该资源的QPS达到阈值时进⾏限流

线程数： 当调⽤该资源的线程数达到阈值的时候进⾏限流（线程处理请求的时候，如果说业务逻辑执⾏时间很⻓，流量洪峰来临时，会耗费很多线程资源，这些线程资源会堆积，最终可能造成服务不可⽤，进⼀步上游服务不可⽤，最终可能服务雪崩）

是否集群： 是否集群限流

流控模式：

• 直接：资源调⽤达到限流条件时，直接限流

• 关联：关联的资源调⽤达到阈值时候限流⾃⼰

• 链路：只记录指定链路上的流量

流控效果：

• 快速失败：直接失败，抛出异常

• Warm Up：根据冷加载因⼦（默认3）的值，从阈值/冷加载因⼦，经过预热时⻓，才达到设置的QPS阈值

• 排队等待：匀速排队，让请求匀速通过，阈值类型必须设置为QPS，否则⽆效

流控模式之直接限流

• 测试QPS限制为1的效果，快速发送请求
  

流控模式之关联限流

  关联的资源调⽤达到阈值时候限流⾃⼰，⽐如⽤户注册接⼝，需要调⽤身份证校验接⼝（往往身份证校验接⼝），如果身份证校验接⼝请求达到阈值，使⽤关联，可以对⽤户注册接⼝进⾏限流。

@RestController
@RequestMapping("/user")
public class UserController {/*** 用户注册接口* @return*/@GetMapping("/register")public String register() {SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy/mm/dd HH:MM:ss");System.out.println(simpleDateFormat.format(new Date()) + " Register success!");return "Register success!";}/***  验证注册身份证接口（需要调用公安户籍资源）* @return*/@GetMapping("/validateID")public String findResumeOpenState() {System.out.println("validateID");return "ValidateID success!";}}

• 测试关联模式
  
  模拟密集式请求/user/validateID验证接⼝，我们会发现/user/register接⼝也被限流了，使用postman密集循环访问
  
  

流控模式之链路限流

链路指的是请求链路（调⽤链）

链路模式下会控制该资源所在的调⽤链路⼊⼝的流量。需要在规则中配置⼊⼝资源，即该调⽤链路⼊⼝的上下⽂名称。

⼀棵典型的调⽤树如下图所示：（阿⾥云提供）

  上图中来⾃⼊⼝ Entrance1 和 Entrance2 的请求都调⽤到了资源 NodeA ，Sentinel 允许只根据某个调⽤⼊⼝的统计信息对资源限流。⽐如链路模式下设置⼊⼝资源为 Entrance1 来表示只有从⼊⼝ Entrance1 的调⽤才会记录到 NodeA的限流统计当中，⽽不关⼼经 Entrance2 到来的调⽤。

流控效果之Warm up

  当系统⻓期处于空闲的情况下，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，⽐如电商⽹站的秒杀模块。

  通过 Warm Up 模式（预热模式），让通过的流量缓慢增加，经过设置的预热时间以后，到达系统处理请求速率的设定值。

  Warm Up 模式默认会从设置的 QPS 阈值的 1/3 开始慢慢往上增加⾄ QPS 设置值。

流控效果之排队等待

  排队等待模式下会严格控制请求通过的间隔时间，即请求会匀速通过，允许部分请求排队等待，通常⽤于消息队列削峰填⾕等场景。需设置具体的超时时间，当计算的等待时间超过超时时间时请求就会被拒绝。

  很多流量过来了，并不是直接拒绝请求，⽽是请求进⾏排队，⼀个⼀个匀速通过（处理），请求能等就等着被处理，不能等（等待时间>超时时间）就会被拒绝

  例如QPS 配置为 5，则代表请求每 200 ms 才能通过⼀个，多出的请求将排队等待通过。超时时间代表最⼤排队时间，超出最⼤排队时间的请求将会直接被拒绝。排队等待模式下，QPS 设置值不要超过 1000（请求间隔 1 ms）。

日志打印能看到请求一秒会执行一次

Sentinel 降级规则模块

  流控是对外部来的⼤流量进⾏控制，熔断降级的视⻆是对内部问题进⾏处理。

  Sentinel 降级会在调⽤链路中某个资源出现不稳定状态时（例如调⽤超时或异常⽐例升⾼），对这个资源的调⽤进⾏限制，让请求快速失败，避免影响到其它的资源⽽导致级联错误。当资源被降级后，在接下来的降级时间窗⼝之内，对该资源的调⽤都⾃动熔断。

=======>>>> 这⾥的降级其实是Hystrix中的熔断
Hystrix的⼯作流程

策略

疑似BUG

在配置最小请求数的时候，配置完成后刷新还是显示为5，通过jmeter测试结果，配置为1时也没有生效

  Sentinel不会像Hystrix那样放过⼀个请求尝试⾃我修复，就是明明确确按照时间窗⼝来，熔断触发后，时间窗⼝内拒绝请求，时间窗⼝后就恢复。

RT（慢调用比例 RT ）

当 1s 内持续进⼊ >=5 个请求，平均响应时间超过阈值（以 ms 为单位），那么在接下的时间窗⼝（以 s 为单位）之内，对这个⽅法的调⽤都会⾃动地熔断（抛出 DegradeException）。注意 Sentinel 默认统计的 RT 上限是 4900 ms，超出此阈值的都会算作 4900 ms，若需要变更此上限可以通过启动配置项 -Dcsp.sentinel.statistic.max.rt=xxx 来配置。

验证
controller中添加sleep重启服务


使用jmeter，并发访问

在访问接口时会返回失败

5秒后恢复

异常⽐例

当资源的每秒请求量 >= 5，并且每秒异常总数占通过量的⽐值超过阈值之后，资源进⼊降级状态，即在接下的时间窗⼝（以 s 为单位）之内，对这个⽅法的调⽤都会⾃动地返回。异常⽐率的阈值范围是 [0.0, 1.0] ，代表 0% - 100%。

制造异常


按照上面的配置，当一秒钟内请求数超过5并且异常比例大于20%的时候会出现熔断降级，所以当jmeter测试到第6次请求的时候，服务开始熔断

异常数

当资源近 1 分钟的异常数⽬超过阈值之后会进⾏熔断。注意由于统计时间窗⼝是分钟级别的，若 timeWindow ⼩于 60s，则结束熔断状态后仍可能再进⼊熔断状态。
时间窗⼝ >= 60s

前3次请求没有被sentinel拦截，第4次开始会触发异常数熔断

热点限流

• 官方文档
  何为热点？热点即经常访问的数据。很多时候我们希望统计某个热点数据中访问频次最高的 Top K 数据，并对其访问进行限制。比如：

• 商品 ID 为参数，统计一段时间内最常购买的商品 ID 并进行限制

• 用户 ID 为参数，针对一段时间内频繁访问的用户 ID 进行限制
  热点参数限流会统计传入参数中的热点参数，并根据配置的限流阈值与模式，对包含热点参数的资源调用进行限流。热点参数限流可以看做是一种特殊的流量控制，仅对包含热点参数的资源调用生效。

• 兜底方法 @SentinelResource注解

测试方法

	@GetMapping("/testHotKey")@SentinelResource(value = "testHotKey", blockHandler = "deal_testHotKey")public String testHotKey(@RequestParam(value = "p1", required = false) String p1,@RequestParam(value = "p2", required = false) String p2){return "------testHotkey";}public String deal_testHotKey (String p1, String p2, BlockException exception){return "------deal_testHotKey,o(╥﹏╥)o";  //sentinel系统默认的提示：Blocked by Sentinel (flow limiting)}

配置sentinel热点限流规则

测试

当刷新评率大于一秒一次的时候进入blockHandle方法

如果不配置blockHandler方法， @SentinelResource(value = “testHotKey”) 则默认会跳转到错误页面

参数配置特别说明

• 由于方法中声明的第一个参数是p1，所以 只有当请求的第一个参数是p1 的时候才会进行限流
• http://localhost:8401/testHotKey?p1=abc 会进行限流
• http://localhost:8401/testHotKey?p1=abc&p2=33 会进行限流
• http://localhost:8401/testHotKey?p2=abc 不会进行限流

参数例外项

• 当配置的参数为一个特殊值，则限流值为另外额特殊配置，就例如上述配置的p1参数可以配置为5的时候.QPS 可以等于200

参数p1=5的时候，疯狂点击也能正常访问

手动添加异常

• java运行时报错，不会进行兜底，需要通过 SentinelResources中的fallbackHandler 进行兜底方法的配置
  

系统自适应限流

官网地址
在开始之前，先回顾一下 Sentinel 做系统自适应保护的目的：

• 保证系统不被拖垮

• 在系统稳定的前提下，保持系统的吞吐量
  长期以来，系统自适应保护的思路是根据硬指标，即系统的负载 (load1) 来做系统过载保护。当系统负载高于某个阈值，就禁止或者减少流量的进入；当 load 开始好转，则恢复流量的进入。这个思路给我们带来了不可避免的两个问题：

• load 是一个“果”，如果根据 load 的情况来调节流量的通过率，那么就始终有延迟性。也就意味着通过率的任何调整，都会过一段时间才能看到效果。当前通过率是使 load 恶化的一个动作，那么也至少要过 1 秒之后才能观测到；同理，如果当前通过率调整是让 load 好转的一个动作，也需要 1 秒之后才能继续调整，这样就浪费了系统的处理能力。所以我们看到的曲线，总是会有抖动。

• 恢复慢。想象一下这样的一个场景（真实），出现了这样一个问题，下游应用不可靠，导致应用 RT 很高，从而 load 到了一个很高的点。过了一段时间之后下游应用恢复了，应用 RT 也相应减少。这个时候，其实应该大幅度增大流量的通过率；但是由于这个时候 load 仍然很高，通过率的恢复仍然不高。

  TCP BBR 的思想给了我们一个很大的启发。我们应该根据系统能够处理的请求，和允许进来的请求，来做平衡，而不是根据一个间接的指标（系统 load）来做限流。最终我们追求的目标是 在系统不被拖垮的情况下，提高系统的吞吐率，而不是 load 一定要到低于某个阈值。如果我们还是按照固有的思维，超过特定的 load 就禁止流量进入，系统 load 恢复就放开流量，这样做的结果是无论我们怎么调参数，调比例，都是按照果来调节因，都无法取得良好的效果。

  Sentinel 在系统自适应保护的做法是，用 load1 作为启动控制流量的值，而允许通过的流量由处理请求的能力，即请求的响应时间以及当前系统正在处理的请求速率来决定。系统规则

系统规则

  系统保护规则是从应用级别的入口流量进行控制，从单台机器的总体 Load、RT、入口 QPS 和线程数四个维度监控应用数据，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。

  系统保护规则是应用整体维度的，而不是资源维度的，并且仅对入口流量生效。入口流量指的是进入应用的流量（EntryType.IN），比如 Web 服务或 Dubbo 服务端接收的请求，都属于入口流量。

  系统规则支持以下的阈值类型：

• Load（仅对 Linux/Unix-like 机器生效）：当系统 load1 超过阈值，且系统当前的并发线程数超过系统容量时才会触发系统保护。系统容量由系统的 maxQps * minRt 计算得出。设定参考值一般是 CPU cores * 2.5。

• CPU usage（1.5.0+ 版本）：当系统 CPU 使用率超过阈值即触发系统保护（取值范围 0.0-1.0）。

• RT：当单台机器上所有入口流量的平均 RT 达到阈值即触发系统保护，单位是毫秒。

• 线程数：当单台机器上所有入口流量的并发线程数达到阈值即触发系统保护。

• 入口 QPS：当单台机器上所有入口流量的 QPS 达到阈值即触发系统保护

Sentinel 自定义兜底逻辑

@SentinelResource注解类似于Hystrix中的@HystrixCommand注解

@SentinelResource注解中有两个属性需要我们进⾏区分，blockHandler属性⽤来指定不满⾜Sentinel规则的降级兜底⽅法，fallback属性⽤于指定Java运⾏时异常兜底⽅法

在API接⼝资源处配置

import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.elvis.service.ResumeServiceFeignClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.cloud.client.ServiceInstance;
import org.springframework.cloud.client.discovery.DiscoveryClient;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestTemplate;import java.util.List;/*** @program: cloud-parent* @Description* @author Elvis* @date 2021-06-19 23:00    */
@RestController
@RequestMapping("/autodeliver")
public class AutoDeliverController {@Autowiredprivate ResumeServiceFeignClient resumeServiceFeignClient;/*** @SentinelResource value：定义资源名* blockHandlerClass：指定Sentinel规则异常兜底逻辑所在class类* blockHandler：指定Sentinel规则异常兜底逻辑具体哪个⽅法* fallbackClass：指定Java运⾏时异常兜底逻辑所在class类* fallback：指定Java运⾏时异常兜底逻辑具体哪个⽅法*/@RequestMapping("/checkState/{userId}")@SentinelResource(value = "findResumeStateById", blockHandlerClass = SentinelHandlersClass.class,blockHandler = "handleException",fallbackClass = SentinelHandlersClass.class,fallback = "handleError")public Integer findResumeStateById(@PathVariable Long userId) {return resumeServiceFeignClient.findResumeStateById(userId);}}

⾃定义兜底逻辑类
注意：兜底类中的⽅法为static静态⽅法

package com.elvis.controller;import com.alibaba.csp.sentinel.slots.block.BlockException;public class SentinelHandlersClass {// 整体要求和当时Hystrix一样，这里还需要在形参中添加BlockException参数，用于接收异常// 注意：方法是静态的public static Integer handleException(Long userId, BlockException blockException) {return -100;}public static Integer handleError(Long userId) {return -500;}}

在dashboard配置流控规则

注意：这里要配置@SentinelResource中 value属性作为资源名

• 测试限流效果
  
  
  

• 测试异常兜底效果
  手动添加异常
  
  

基于 Nacos 实现 Sentinel 规则持久化

  ⽬前，Sentinel Dashboard中添加的规则数据存储在内存，微服务停掉规则数据就消失，在⽣产环境下不合适。我们可以将Sentinel规则数据持久化到Nacos配置中⼼，让微服务从Nacos获取规则数据。

1. autodeliver微服务的pom.xml中添加依赖

        <dependency><groupId>com.alibaba.csp</groupId><artifactId>sentinel-datasource-nacos</artifactId></dependency>

2. 微服务的application.yml中配置Nacos数据源

server:port: 8094
spring:application:name: cloud-service-autodelivercloud:nacos:discovery:server-addr: 192.168.137.144:8848, 192.168.137.144:8849, 192.168.137.144:8850sentinel:transport:dashboard: 127.0.0.1:8080 # sentinel dashboard/console 地址port: 8719   #  sentinel会在该端口启动http server，那么这样的话，控制台定义的一些限流等规则才能发送传递过来，#如果8719端口被占用，那么会依次+1datasource:flow:nacos:data-id: ${spring.application.name}-flow-rulesserver-addr: ${spring.cloud.nacos.discovery.server-addr}groudId: DEFAULT_GROUPdata-type: jsonrule-type: flowdegrade:nacos:data-id: ${spring.application.name}-degrade-rulesserver-addr: ${spring.cloud.nacos.discovery.server-addr}groudId: DEFAULT_GROUPdata-type: jsonrule-type: degrademanagement:endpoints:web:exposure:include: "*"endpoint:health:show-details: always#针对的被调⽤⽅微服务名称,不加就是全局⽣效
cloud-service-resume:ribbon:#请求连接超时时间ConnectTimeout: 2000#请求处理超时时间ReadTimeout: 15000#对所有操作都进⾏重试OkToRetryOnAllOperations: true####根据如上配置，当访问到故障请求的时候，它会再尝试访问⼀次当前实例（次数由MaxAutoRetries配置），####如果不⾏，就换⼀个实例进⾏访问，如果还不⾏，再换⼀次实例访问（更换次数由MaxAutoRetriesNextServer配置），####如果依然不⾏，返回失败信息。MaxAutoRetries: 0 #对当前选中实例重试次数，不包括第⼀次调⽤MaxAutoRetriesNextServer: 0 #切换实例的重试次数NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule #负载策略调整

3. Nacos Server中添加对应规则配置集（public命名空间—>DEFAULT_GROUP中添加）
   流控规则配置集cloud-service-autodeliver-flow-rules

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

• 所有属性来⾃源码FlowRule类

  • resource：资源名称

  • limitApp：来源应⽤

  • grade：阈值类型 0 线程数 1 QPS

  • count：单机阈值

  • strategy：流控模式，0 直接 1 关联 2 链路

  • controlBehavior：流控效果，0 快速失败 1 Warm Up 2 排队等待

  • clusterMode：true/false 是否集群

4. 降级规则配置集 cloud-service-autodeliver-degrade-rules

[{"resource":"findResumeStateById","grade":2,"count":1,"timeWindow":5}
]

• 所有属性来⾃源码DegradeRule类
  • resource：资源名称
  • grade：降级策略 0 RT 1 异常⽐例 2 异常数
  • count：阈值
  • timeWindow：时间窗

5. 测试
   直接访问接口，sentinel就会加载到流控规则
   

Rule 源码体系结构

• 注意

  1. ⼀个资源可以同时有多个限流规则和降级规则，所以配置集中是⼀个json数组

  2. Sentinel控制台中修改规则，仅是内存中⽣效，不会修改Nacos中的配置值，重启后恢复原来的值； Nacos控制台中修改规则，不仅内存中⽣效，Nacos中持久化规则也⽣效，重启后规则依然保持

Nacos + Sentinel + Dubbo 三剑合璧

改造“autodeliver微服务”和“resume微服务”，删除OpenFeign 和 Ribbon，使⽤DubboRPC 和 Dubbo LB

⾸先，需要删除或者注释掉⽗⼯程中的热部署依赖

        <!--&lt;!&ndash;热部署&ndash;&gt;--><!--<dependency>--><!--    <groupId>org.springframework.boot</groupId>--><!--    <artifactId>spring-boot-devtools</artifactId>--><!--    <optional>true</optional>--><!--</dependency>-->

服务提供者工程改造

1. 服务提供者⼯程改造
   提取dubbo服务接⼝⼯程，cloud-service-dubbo-api接⼝类

public interface ResumeService {Integer findDefaultResumeById(Long id);
}

2. 改造提供者⼯程（简历微服务）
   pom⽂件添加spring cloud + dubbo整合的依赖，同时添加dubbo服务接⼝⼯程依赖

        <dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-dubbo</artifactId></dependency><dependency><groupId>com.alibaba.csp</groupId><artifactId>sentinel-apache-dubbo-adapter</artifactId></dependency><dependency><groupId>com.elvis</groupId><artifactId>cloud-service-dubbo-api</artifactId><version>1.0-SNAPSHOT</version></dependency>

3. 删除原有ResumeService接⼝，引⼊dubbo服务接⼝⼯程中的
   ResumeService接⼝，适当调整代码，在service的实现类上添加dubbo的@Service注解

import com.elvis.dao.ResumeDao;
import com.elvis.pojo.Resume;
import com.elvis.service.ResumeService;
import org.apache.dubbo.config.annotation.Service;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.domain.Example;/*** @program: cloud-parent* @Description* @author Elvis* @date 2021-06-19 22:19    */
@Service
public class ResumeServiceImpl implements ResumeService {@Autowiredprivate ResumeDao resumeDao;@Overridepublic Integer findDefaultResumeById(Long id) {Resume resume = new Resume();resume.setId(id);resume.setIsDefault(1);Example<Resume> example = Example.of(resume);return resumeDao.findOne(example).get().getIsOpenResume();}
}

4. application.yml或者bootstrap.yml配置⽂件中添加dubbo配置

dubbo:registry:# 挂载到 Spring Cloud 注册中心address: spring-cloud://localhostscan:base-packages: com.elvis.service.implprotocol:name: dubboport: -1

另外增加⼀项配置springboot 2.1.x 后需要加入

5. 运⾏发布之后，会发现Nacos控制台已经有了服务注册信息,从元数据中可以看出,是dubbo注册上来的

服务消费者⼯程改造

接下来改造服务消费者⼯程—>⾃动投递微服务

• pom.xml中删除OpenFeign相关内容

• application.yml配置⽂件中删除和Feign、Ribbon相关的内容；代码中删除

• Feign客户端内容；
  pom.xml添加内容和服务提供者⼀样
  application.yml配置⽂件中添加dubbo相关内容

dubbo:registry:# 挂载到 Spring Cloud 注册中心address: spring-cloud://localhostcloud:# 订阅服务提供方的应用列表，订阅多个服务提供者使用 "," 连接subscribed-services: cloud-service-resume

同样，也配置下spring.main.allow-bean-definition-overriding=true

• Controller代码改造，其他不变

import com.alibaba.csp.sentinel.annotation.SentinelResource;
import com.elvis.service.ResumeService;
import org.apache.dubbo.config.annotation.Reference;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.cloud.client.ServiceInstance;
import org.springframework.cloud.client.discovery.DiscoveryClient;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestTemplate;import java.util.List;/*** @program: cloud-parent* @Description* @author Elvis* @date 2021-06-19 23:00    */
@RestController
@RequestMapping("/autodeliver")
public class AutoDeliverController {@Referenceprivate ResumeService resumeService;/*** @SentinelResource value：定义资源名* blockHandlerClass：指定Sentinel规则异常兜底逻辑所在class类* blockHandler：指定Sentinel规则异常兜底逻辑具体哪个⽅法* fallbackClass：指定Java运⾏时异常兜底逻辑所在class类* fallback：指定Java运⾏时异常兜底逻辑具体哪个⽅法*/@RequestMapping("/checkState/{userId}")@SentinelResource(value = "findResumeStateById", blockHandlerClass = SentinelHandlersClass.class,blockHandler = "handleException",fallbackClass = SentinelHandlersClass.class,fallback = "handleError")public Integer findResumeStateById(@PathVariable Long userId) {return resumeService.findDefaultResumeById(userId);}}

• 运⾏发布之后，同样会发现Nacos控制台已经有了服务注册信息
• 测试：http://localhost:8095/autodeliver/checkState/1545132 （我新复制了⼀个⼯程，占⽤端⼝8095）