Sentinel 控制台实战
Sentinel Dashboard 简介
Sentinel Dashboard 是 Sentinel 的可视化控制台，提供实时监控、规则配置、集群管理等功能。
核心功能
- 实时监控：查看应用的 QPS、响应时间、线程数等指标
- 规则管理：配置流控、熔断、热点参数等规则
- 集群管理：管理集群限流配置
- 机器发现：自动发现接入的应用实例
- 规则持久化：支持将规则推送到配置中心
架构设计
┌─────────────────────────────────────────────────────┐
│ Sentinel Dashboard │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 实时监控 │ │ 规则管理 │ │ 集群管理 │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└───────────────────┬─────────────────────────────────┘
│
│ HTTP
▼
┌─────────────────────────────────────────────────────┐
│ 应用应用（Sentinel Client） │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 指标上报 │ │ 规则接收 │ │ 命令响应 │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────┘快速开始
1. 下载 Dashboard
# 从 GitHub 下载
wget https://github.com/alibaba/Sentinel/releases/download/1.8.6/sentinel-dashboard-1.8.6.jar
# 或使用 Docker
docker pull bladex/sentinel-dashboard:1.8.62. 启动 Dashboard
# 直接运行
java -jar sentinel-dashboard-1.8.6.jar
# 指定端口
java -Dserver.port=8080 -jar sentinel-dashboard-1.8.6.jar
# 指定用户名密码
java -Dserver.port=8080 \
-Dsentinel.dashboard.auth.username=sentinel \
-Dsentinel.dashboard.auth.password=sentinel \
-jar sentinel-dashboard-1.8.6.jar3. Docker 部署
docker run -d \
-p 8080:8080 \
-e SENTINEL_USERNAME=sentinel \
-e SENTINEL_PASSWORD=sentinel \
--name sentinel-dashboard \
bladex/sentinel-dashboard:1.8.64. 访问控制台
打开浏览器访问：http://localhost:8080
默认账号密码：sentinel / sentinel
应用接入
1. 添加依赖
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>2. 配置 Dashboard 地址
spring:
cloud:
sentinel:
enabled: true
transport:
dashboard: localhost:8080 # Dashboard 地址
port: 8719 # 客户端端口（可选，默认自动选择）
datasource:
ds1:
nacos:
server-addr: localhost:8848
dataId: ${spring.application.name}-sentinel.json
groupId: DEFAULT_GROUP
rule-type: flow3. 查看应用
启动应用后，在 Dashboard 的”机器发现”页面可以看到接入的应用。
实时监控
1. 实时监控页面
- QPS 曲线：显示每秒请求数
- 响应时间曲线：显示平均响应时间
- 线程数曲线：显示并发线程数
- 通过请求数：显示通过的请求总数
- 被限流请求数：显示被限流的请求数
- 异常数：显示异常请求数
2. 监控指标说明
| 指标 | 说明 |
|---|---|
| QPS | 每秒请求数（Queries Per Second） |
| 平均 RT | 平均响应时间（Response Time） |
| 通过 QPS | 通过的请求 QPS |
| 拒绝 QPS | 被限流/熔断拒绝的 QPS |
| 线程数 | 当前并发线程数 |
| 异常数 | 业务异常数量 |
| 异常率 | 异常请求占比 |
3. 集群总览
查看整个集群的流量情况：
- 集群 QPS：所有实例的总 QPS
- 集群连接数：客户端连接数
- 集群线程数：总线程数
流控规则配置
1. 添加流控规则
在”流控规则”页面点击”新增规则”：
配置项说明：
- 资源名：需要限流的资源名称（方法名或 URL 路径）
- 针对来源：限流针对的调用来源（default 表示所有来源）
- 阈值类型：
- QPS：每秒请求数
- 并发线程数：并发请求数
- 单机阈值：单机阈值（集群模式为集群阈值）
- 流控模式：
- 直接：达到阈值直接拒绝
- 关联：关联资源达到阈值时限流
- 链路：只统计指定链路的流量
- 流控效果：
- 快速失败：直接拒绝
- Warm Up：预热模式
- 排队等待：匀速排队
2. 示例配置
QPS 限流：
资源名：getUserById
针对来源：default
阈值类型：QPS
单机阈值：100
流控模式：直接
流控效果：快速失败线程数限流：
资源名：processData
针对来源：default
阈值类型：并发线程数
单机阈值：50
流控模式：直接
流控效果：快速失败Warm Up 预热：
资源名：seckill
针对来源：default
阈值类型：QPS
单机阈值：1000
流控模式：直接
流控效果：Warm Up
预热时间：10 秒排队等待：
资源名：createOrder
针对来源：default
阈值类型：QPS
单机阈值：100
流控模式：直接
流控效果：排队等待
超时时间：500ms熔断降级规则
1. 添加熔断规则
在”熔断降级”页面点击”新增规则”：
配置项说明：
- 资源名：需要熔断的资源
- 熔断策略：
- 慢调用比例：基于响应时间
- 异常比例：基于异常比例
- 异常数：基于异常数量
- 最大 RT：慢调用比例策略下，超过该 RT 算慢调用（毫秒）
- 比例或数量：触发熔断的阈值
- 熔断时长：熔断持续时间（秒）
2. 示例配置
异常比例熔断：
资源名：getUserById
熔断策略：异常比例
比例：0.5（50%）
熔断时长：10 秒
最小请求数：10
统计时长：10000ms慢调用比例熔断：
资源名：callExternalApi
熔断策略：慢调用比例
最大 RT：3000ms
比例：0.3（30%）
熔断时长：10 秒
最小请求数：10
统计时长：10000ms异常数熔断：
资源名：processOrder
熔断策略：异常数
异常数：10
熔断时长：10 秒
最小请求数：10
统计时长：10000ms热点参数限流
1. 添加热点规则
在”热点规则”页面点击”新增规则”：
配置项说明：
- 资源名：需要限流的资源
- 参数索引：参数在方法中的索引（从 0 开始）
- 限流模式：
- QPS 模式：每秒请求数
- 单机阈值：每个参数值的阈值
- 是否参数集群：是否对参数值聚类
2. 示例配置
基础热点限流：
资源名：productDetail
参数索引：0（商品 ID）
限流模式：QPS
单机阈值：100针对特定参数值设置阈值：
资源名：productDetail
参数索引：0
限流模式：QPS
单机阈值：100
参数值特殊配置：
- 参数值：1001（热门商品）
阈值：50
- 参数值：1002（热门商品）
阈值：50授权规则
1. 添加授权规则
在”授权规则”页面点击”新增规则”：
配置项说明：
- 资源名：需要授权控制的资源
- 流控效果：
- 白名单：允许访问
- 黑名单：拒绝访问
- 流控值：调用来源（Origin）
2. 示例配置
白名单：
资源名：internalApi
流控效果：白名单
流控值：app1,app2黑名单：
资源名：sensitiveApi
流控效果：黑名单
流控值：maliciousApp3. 实现 OriginParser
@Component
public class SentinelOriginParser implements OriginParser<String> {
@Override
public String parseOrigin(HttpServletRequest request) {
// 从 Header 中获取调用来源
String origin = request.getHeader("X-App-Name");
if (origin != null) {
return origin;
}
// 从参数获取
origin = request.getParameter("app");
return origin != null ? origin : "unknown";
}
}集群限流
1. 配置集群模式
在”集群流控”页面配置：
配置项说明：
- 流控 ID：规则的唯一标识
- 流控模式：
- 阈值均摊：平均分配到每个节点
- 阈值总量：集群总阈值
- 限流模式：
- QPS 模式
- 线程数模式
2. 示例配置
集群总阈值：
流控 ID：1
资源名：seckill
流控模式：阈值总量
阈值：1000（集群总 QPS）平均分配：
流控 ID：2
资源名：createOrder
流控模式：阈值均摊
阈值：100（每个节点 100 QPS）3. 集群限流配置
spring:
cloud:
sentinel:
enabled: true
transport:
dashboard: localhost:8080
datasource:
flow:
nacos:
server-addr: localhost:8848
dataId: ${spring.application.name}-sentinel-flow.json
groupId: DEFAULT_GROUP
rule-type: gw-flow
cluster:
enabled: true
token-server:
port: 8719
token-client:
request-timeout: 2000规则持久化
1. Push 模式（推荐）
将规则推送到配置中心（如 Nacos）：
spring:
cloud:
sentinel:
datasource:
# 流控规则
flow:
nacos:
server-addr: localhost:8848
dataId: ${spring.application.name}-sentinel-flow.json
groupId: DEFAULT_GROUP
rule-type: flow
# 熔断规则
degrade:
nacos:
server-addr: localhost:8848
dataId: ${spring.application.name}-sentinel-degrade.json
groupId: DEFAULT_GROUP
rule-type: degrade
# 热点规则
param-flow:
nacos:
server-addr: localhost:8848
dataId: ${spring.application.name}-sentinel-param.json
groupId: DEFAULT_GROUP
rule-type: param-flow2. 规则格式
流控规则（flow）：
[
{
"resource": "getUserById",
"limitApp": "default",
"grade": 1,
"count": 100,
"strategy": 0,
"refResource": null,
"controlBehavior": 0,
"warmUpPeriodSec": 10,
"maxQueueingTimeMs": 500
}
]熔断规则（degrade）：
[
{
"resource": "getUserById",
"limitApp": "default",
"grade": 0,
"count": 0.5,
"timeWindow": 10,
"minRequestAmount": 10,
"statIntervalMs": 10000
}
]3. 自定义推送
修改 Dashboard 源码，实现规则推送到配置中心：
@RestController
@RequestMapping("/api/v1/flow")
public class FlowControllerV2 {
@Autowired
private ConfigService configService;
@PostMapping("/rules")
public Result<FlowRuleEntity> apiAddFlowRule(@RequestBody FlowRuleEntity entity) {
// 保存到内存
repository.save(entity);
// 推送到 Nacos
String rules = JSON.toJSONString(getRulesByApp(entity.getApp()));
configService.publishConfig(
entity.getApp() + "-sentinel-flow.json",
"DEFAULT_GROUP",
rules
);
return Result.success(entity);
}
}监控告警
1. 集成 Prometheus
# application.yml
management:
endpoints:
web:
exposure:
include: prometheus
metrics:
export:
prometheus:
enabled: true2. 配置告警规则
# alert_rules.yml
groups:
- name: sentinel
rules:
- alert: SentinelQPSHigh
expr: sentinel_flow_qps > 1000
for: 1m
labels:
severity: warning
annotations:
summary: "Sentinel QPS 过高"
description: "应用 {{ $labels.app }} 的 QPS 超过 1000"
- alert: SentinelBlockQPSHigh
expr: sentinel_block_qps > 100
for: 1m
labels:
severity: critical
annotations:
summary: "Sentinel 限流严重"
description: "应用 {{ $labels.app }} 被限流的 QPS 超过 100"3. 告警通知
@Component
public class SentinelAlertHandler {
@Autowired
private AlertService alertService;
@Scheduled(fixedRate = 60000)
public void checkMetrics() {
// 获取限流指标
Map<String, MetricVo> metrics = getMetrics();
metrics.forEach((resource, metric) -> {
if (metric.getBlockQps() > 100) {
alertService.sendAlert(
String.format("资源 %s 限流严重，BlockQPS=%d",
resource, metric.getBlockQps())
);
}
});
}
}最佳实践
1. 规则管理
- 按环境分离：dev/test/prod 使用不同的规则
- 版本控制：规则配置纳入 Git 管理
- 变更审批：规则变更走审批流程
- 定期 Review：定期 review 规则有效性
2. 监控配置
- 关键指标监控：QPS、RT、BlockQPS
- 告警阈值设置：根据业务场景设置
- 告警分级：warning/critical 分级告警
- 告警降噪：避免告警风暴
3. 性能优化
- 规则缓存：本地缓存规则，减少网络请求
- 异步上报：指标异步上报，减少性能影响
- 采样率调整：根据流量调整采样率
4. 高可用部署
# 部署多个 Dashboard 实例
docker run -d -p 8081:8080 --name sentinel-dashboard-1 sentinel-dashboard
docker run -d -p 8082:8080 --name sentinel-dashboard-2 sentinel-dashboard
# Nginx 负载均衡
upstream sentinel {
server sentinel1:8080;
server sentinel2:8080;
}常见问题
1. Dashboard 无法看到应用
问题：应用已接入但 Dashboard 看不到
排查步骤：
- 检查
transport.dashboard配置 - 检查网络连通性
- 查看应用日志
- 检查版本兼容性
2. 规则不生效
问题：配置了规则但不生效
解决方案：
- 检查资源名是否正确
- 检查规则配置
- 查看 Sentinel 日志
- 重启应用
3. 规则丢失
问题：重启应用后规则丢失
解决方案：
- 使用 Push 模式持久化到配置中心
- 配置 Nacos 数据源
- 实现自定义规则仓库
总结
Sentinel Dashboard 提供了可视化的流量控制管理界面，通过实时监控、规则配置、集群管理等功能，可以方便地管理和监控应用的流量控制策略。
在生产环境中，建议将规则持久化到配置中心，并建立完善的监控告警机制。