流控效果

我们先来回顾一下流控模式有哪些：

流控模式	说明
直接	统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
关联	统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
链路	统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流

三种流控模式我们都可以在流控选项中进行设置。

此外，在流控的高级选项中，还有一个流控效果选项，例如下图所示：

流控效果是指请求达到流控阈值时应该采取的措施，包括三种：

流控效果	说明
快速失败	达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
warm up	预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
排队等待	让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长

下面我们再来详细了解下各个流控效果是怎样的，注意：下面几种流控效果的流控模式都是默认的直接模式，我们只探究流控效果。

1.快速失败

快速失败是默认的处理方式，当请求达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。

例如我们设置阈值为一秒一个请求，当我们请求QPS超过阈值时候，在浏览器中会直接报错：

浏览器中打印报错：

2.warm up

阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。

warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.

例如，我设置QPS的maxThreshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10.

案例

需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒

1）配置流控规则：

2）Jmeter测试

QPS为10.

刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3：

随着时间推移，成功比例越来越高：

到Sentinel控制台查看实时监控：

一开始：

预热一段时间后：

我们从过程中也可以看到，Wamp up效果的阈值增长是主键递增的

3.排队等待

当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。

排队等待则是让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。后来的请求必须等待前面执行完成，如果请求预期的等待时间超出最大时长，则会被拒绝。

例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。

那什么叫做预期等待时长呢？

例如：现在一下子来了12 个请求，因为每200ms执行一个请求，那么：

• 第6个请求的预期等待时长 = 200 * （6 - 1） = 1000ms
• 第12个请求的预期等待时长 = 200 * （12-1） = 2200ms

现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：

如果使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：

这样平滑的QPS曲线，对于服务器来说是更友好的。

那么下面我们来操作一下：

案例

需求：给/order/{orderId}这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s

1）添加流控规则

2）Jmeter测试

QPS为15，已经超过了我们设定的10。

如果是之前的 快速失败、warmup模式，超出的请求应该会直接报错。

但是我们看看队列模式的运行结果：

全部都通过了。

再去sentinel查看实时监控的QPS曲线：

QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。

当队列满了以后，才会有部分请求失败：

.总结

流控效果有哪些？

流控效果	说明
快速失败	达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
warm up	预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
排队等待	让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长