📚 课程目录第3章流量控制基础

3. 流量控制基础

流量控制是 Sentinel 最核心的功能之一，其本质是通过对流入系统的请求进行精确计量与干预，防止突发流量冲垮后端服务。本章将系统讲解流量控制的基本概念、两种计量模式（QPS 与线程数）以及三种流量整形效果。

3.1 流量控制概念

流量控制（Flow Control）是指系统根据预设的规则，对进入的请求进行速率限制或资源分配调整，确保系统运行在安全水位以下。Sentinel 的流量控制基于以下三个要素：

资源：被保护的业务方法、接口或代码块，通过 SphU.entry() 定义。
规则：针对资源配置的限流阈值与行为，通过 FlowRule 对象描述。
计量模型：统计流量的方式，包括 QPS（每秒请求数）和线程数两种。

核心原则：流量控制不是拒绝所有超限请求，而是通过不同的限流效果（直接拒绝、Warm Up、排队等待）来平滑流量，保护系统稳定性。

3.2 QPS 限流

QPS（Queries Per Second）限流是最常用的流量控制方式，它统计每秒内对某个资源的请求数量，当统计值超过预设阈值时触发限流。Sentinel 采用滑动窗口算法进行精确统计，窗口精度为 500ms。

参数	说明	默认值
`grade`	限流维度，`0` 表示线程数，`1` 表示 QPS	`1`（QPS）
`count`	QPS 阈值，即每秒允许的最大请求数	—
`controlBehavior`	限流效果，`0` 直接拒绝，`1` Warm Up，`2` 排队等待	`0`（直接拒绝）

  适用场景：QPS 限流适用于大多数 API 网关、Web 接口、RPC 服务等场景，能够有效控制突发流量对后端服务的冲击。

3.3 线程数限流

线程数限流关注的是资源当前正在处理的并发线程数。当某个资源的并发线程数超过阈值时，后续请求会被直接拒绝。这种模式特别适合保护那些处理时间较长、占用线程资源较多的业务逻辑。

与 QPS 限流的区别：

QPS 限流：控制请求的速率，适合短平快的请求。
线程数限流：控制请求的并发度，适合耗时较长的请求（如文件上传、复杂计算）。

注意：线程数限流不会区分请求的优先级，所有请求一视同仁。如果业务需要区分优先级，建议结合 QPS 限流与排队等待效果使用。

3.4 限流效果

Sentinel 提供了三种限流效果，分别适用于不同的流量整形需求。下表对比了三种效果的差异：

效果	控制行为值	行为描述	适用场景
直接拒绝	`0`	超过阈值后立即拒绝请求，抛出 `FlowException`	对延迟敏感、必须丢弃超限请求的场景
Warm Up	`1`	系统冷启动时逐步提升阈值，从 `count / coldFactor` 缓慢增长到 `count`	系统刚启动、缓存预热、数据库连接池初始化等场景
排队等待	`2`	请求进入队列匀速通过，超时未获取到令牌则拒绝	削峰填谷、消息消费、批量任务处理等场景

3.4.1 直接拒绝

直接拒绝是最简单的限流效果。当 QPS 或线程数超过阈值时，Sentinel 立即返回 FlowException，不会对请求做任何缓冲。配置示例：

FlowRule rule = new FlowRule();
rule.setResource("orderService");
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setCount(100);          // 每秒最多 100 个请求
rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT);  // 直接拒绝
FlowRuleManager.loadRules(Collections.singletonList(rule));

3.4.2 Warm Up（预热）

Warm Up 模式用于解决系统冷启动时的流量冲击问题。系统启动时，实际阈值从 count / coldFactor 开始，随着时间推移逐渐增长到配置的 count 值。默认冷启动因子 coldFactor 为 3。

关键参数：

warmUpPeriodSec：预热时长，默认 10 秒。
coldFactor：冷启动因子，默认 3，即初始阈值为配置阈值的 1/3。

FlowRule rule = new FlowRule();
rule.setResource("userService");
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setCount(300);
rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP);
rule.setWarmUpPeriodSec(20);  // 预热 20 秒
FlowRuleManager.loadRules(Collections.singletonList(rule));

3.4.3 排队等待

排队等待效果通过令牌桶算法实现匀速排队。请求到达时，如果当前 QPS 超过阈值，请求不会立即被拒绝，而是进入队列等待，以固定的速率（即配置的 QPS 阈值）被处理。如果等待时间超过 maxQueueingTimeMs，则请求被拒绝。

关键参数：

maxQueueingTimeMs：最大排队等待时间，默认 500ms。

FlowRule rule = new FlowRule();
rule.setResource("paymentService");
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setCount(50);
rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_RATE_LIMITER);
rule.setMaxQueueingTimeMs(1000);  // 最大排队 1 秒
FlowRuleManager.loadRules(Collections.singletonList(rule));

最佳实践：排队等待适合对请求成功率要求高、但对延迟有一定容忍度的场景。例如，秒杀系统的下单接口，可以使用排队等待将突发流量削平，保证每个请求最终都能被处理。

3.5 三种效果对比总结

对比维度	直接拒绝	Warm Up	排队等待
请求成功率	低（超限即失败）	中（预热期后稳定）	高（排队等待处理）
响应延迟	低（立即拒绝）	低（拒绝或通过）	中（可能等待）
系统资源消耗	低	低	中（需要队列存储）
适用流量特征	平稳流量	冷启动流量	突发流量
配置复杂度	简单	中等（需设置预热时长）	中等（需设置超时时间）

在实际生产环境中，通常需要根据业务特点组合使用不同的限流效果。例如，核心交易接口使用排队等待保证成功率，非核心查询接口使用直接拒绝快速失败，新发布的服务使用 Warm Up 平滑接入流量。