可用性之服务隔离服务隔离的目的在系统发生故障时限制其影响范围隔离在保障整个服务的可用性上具有重要作用隔离维度线程级别的隔离：不同的任务给不同的线程执行进程级别的隔离：将系统业务拆分成多个微服务，部署到不同的机器上进程间的通信方式：不同机器经过远程调用，相同机器通过内存，管道（内存中的一
可用性之服务隔离服务隔离的目的在系统发生故障时限制其影响范围隔离在保障整个服务的可用性上具有重要作用隔离维度线程级别的隔离：不同的任务给不同的线程执行进程级别的隔离：将系统业务拆分成多个微服务，部署到不同的机器上进程间的通信方式：不同机器经过远程调用，相同机器通过内存，管道（内存中的一
大家好，我叫黄博文，花名延枚，目前负责云效旗下产品Flow流水线的设计和开发。在微服务架构下，服务越来越多，服务之间的调用也会越来越复杂。如何保障服务的高可用性就成为了一个挑战。之前我参与过的某个产品就曾出过故障，原因是某个API调用突然间增加了数十倍，导致服务负载过高，影响了用户使用。如果当时能够有一种机制能快速对这个异常的API进行限流或熔断，就能避免服务陷入不稳定的状况。云效自身使用阿里云AHAS(ApplicationHighAvailabilityService)来保障应用的高可用，本文总结了一份AHAS限流实践指南，如果你的系统有被恶意用户攻击的风险，或者系统中某个应用出现异常可能
大家好，我叫黄博文，花名延枚，目前负责云效旗下产品Flow流水线的设计和开发。在微服务架构下，服务越来越多，服务之间的调用也会越来越复杂。如何保障服务的高可用性就成为了一个挑战。之前我参与过的某个产品就曾出过故障，原因是某个API调用突然间增加了数十倍，导致服务负载过高，影响了用户使用。如果当时能够有一种机制能快速对这个异常的API进行限流或熔断，就能避免服务陷入不稳定的状况。云效自身使用阿里云AHAS(ApplicationHighAvailabilityService)来保障应用的高可用，本文总结了一份AHAS限流实践指南，如果你的系统有被恶意用户攻击的风险，或者系统中某个应用出现异常可能
目录前言1.Sentinel基础知识1.1Sentinel的特性1.2Sentinel的组成1.3Sentinel控制台上的9个功能1.4Sentinel工作原理1.5Sentinel源码分析2.安装并运行Sentinel控制台2.1安装包安装Sentinel控制台2.1.1下载Sentinel2.1.2使用命令启动Sentinel控制台2.1.3访问Sentinel控制台2.2源码部署Sentinel控制台2.2.1拉取源码2.2.2启动Sentinel控制台3.SpringCloudNacos集成Sentinel3.1引入pom.xml依赖文件3.2修改bootstrap.yml配置文件3
目录前言1.Sentinel基础知识1.1Sentinel的特性1.2Sentinel的组成1.3Sentinel控制台上的9个功能1.4Sentinel工作原理1.5Sentinel源码分析2.安装并运行Sentinel控制台2.1安装包安装Sentinel控制台2.1.1下载Sentinel2.1.2使用命令启动Sentinel控制台2.1.3访问Sentinel控制台2.2源码部署Sentinel控制台2.2.1拉取源码2.2.2启动Sentinel控制台3.SpringCloudNacos集成Sentinel3.1引入pom.xml依赖文件3.2修改bootstrap.yml配置文件3
.NETCoreWebApi接口ip限流实践前言之前一直想实现接口限流，但一直没去实现，然后刚好看到一篇文章是基于AspNetCoreRateLimit组件的限流策略。这个组件不做多的介绍，想了解详情可以去访问官方网址或者原文地址，地址在文章底部，本文只讲实现。实现接口限流步骤导包第一步配置服务由于需要再appsettings.json中去读取数据，所以需要在Program.cs配置文件中配置服务builder.Services.AddOptions();第二步写一个扩展方法注册RateLimit相关服务usingStackExchange.Redis;usingAspNetCoreRateL
.NETCoreWebApi接口ip限流实践前言之前一直想实现接口限流，但一直没去实现，然后刚好看到一篇文章是基于AspNetCoreRateLimit组件的限流策略。这个组件不做多的介绍，想了解详情可以去访问官方网址或者原文地址，地址在文章底部，本文只讲实现。实现接口限流步骤导包第一步配置服务由于需要再appsettings.json中去读取数据，所以需要在Program.cs配置文件中配置服务builder.Services.AddOptions();第二步写一个扩展方法注册RateLimit相关服务usingStackExchange.Redis;usingAspNetCoreRateL
算法原理固定窗口算法又称计数器算法，是一种简单的限流算法。在单位时间内设定一个阈值和一个计数值，每收到一个请求则计数值加一，如果计数值超过阈值则触发限流，如果达不到则请求正常处理，进入下一个单位时间后，计数值清零，重新累计。如上图所示，时间单位是1秒，阈值是3。第1秒3个请求，不会触发限流；第2秒1个请求，不会触发限流；第3秒4个请求，这一秒的前3个请求正常处理，第4个请求触发限流，会被拒绝处理。后续第4秒、第5秒不会触发限流，所有请求正常处理。算法实现这里讲两种实现方法：进程内即内存固定窗口算法、基于Redis的固定窗口算法。进程内即内存固定窗口算法使用字典，Key是限流目标，Value包括
算法原理固定窗口算法又称计数器算法，是一种简单的限流算法。在单位时间内设定一个阈值和一个计数值，每收到一个请求则计数值加一，如果计数值超过阈值则触发限流，如果达不到则请求正常处理，进入下一个单位时间后，计数值清零，重新累计。如上图所示，时间单位是1秒，阈值是3。第1秒3个请求，不会触发限流；第2秒1个请求，不会触发限流；第3秒4个请求，这一秒的前3个请求正常处理，第4个请求触发限流，会被拒绝处理。后续第4秒、第5秒不会触发限流，所有请求正常处理。算法实现这里讲两种实现方法：进程内即内存固定窗口算法、基于Redis的固定窗口算法。进程内即内存固定窗口算法使用字典，Key是限流目标，Value包括
