Hystrix 是 Netflix 开源的一个用于处理分布式系统延迟和容错的库。它的名字来源于“豪猪”（Hystrix），象征着通过隔离和保护机制来防御系统中的故障，就像豪猪的刺一样。
它的核心目标是防止级联故障（即“雪崩效应”），通过熔断、隔离和降级等机制，提高系统的弹性和可用性。
Hystrix 通过以下几个核心机制来保护系统：
熔断器 (Circuit Breaker)
这是 Hystrix 的标志性功能。它像一个电路开关，有三种状态：
资源隔离 (Resource Isolation)
Hystrix 通过舱壁模式 (Bulkhead Pattern) 将不同服务的调用隔离开。即使某个下游服务出现故障或响应缓慢，也只会耗尽分配给它的独立资源（如线程池或信号量），而不会拖垮整个应用的线程资源，从而避免“一损俱损”。
服务降级 (Fallback)
当请求失败、超时或熔断器打开时，Hystrix 会执行预设的降级逻辑。这可以是一个默认值、一个缓存结果，或者调用一个备用服务。降级策略确保了在部分功能不可用时，系统仍能提供有限的服务能力，保证用户体验的连续性。
在 Go 语言中，我们使用 hystrix-go 这个库来实现 Hystrix 的功能。
go get github.com/afex/hystrix-go/hystrix
使用 hystrix-go 主要包含三个步骤：配置、执行命令和定义降级逻辑。
package main
import (
"errors"
"fmt"
"net/http"
"time"
"github.com/afex/hystrix-go/hystrix"
)
func init() {
// 1. 配置 Hystrix 命令
hystrix.ConfigureCommand("user-service", hystrix.CommandConfig{
// 超时时间：1000ms
Timeout: 1000,
// 最大并发请求数：用于限流和资源隔离
MaxConcurrentRequests: 100,
// 错误百分比阈值：错误率超过50%则触发熔断
ErrorPercentThreshold: 50,
// 请求量阈值：滑动窗口内至少有20个请求，才会计算错误率
RequestVolumeThreshold: 20,
// 熔断器打开后的休眠时间：5秒后进入半开状态
SleepWindow: 5000,
})
}
// 模拟调用下游用户服务
func callUserService(userID string) (string, error) {
// 模拟网络请求
time.Sleep(200 * time.Millisecond)
if userID == "error" {
return "", errors.New("用户服务调用失败")
}
return fmt.Sprintf("用户信息: %s", userID), nil
}
// 定义降级逻辑
func fallbackFunc(userID string) (string, error) {
return "默认用户信息", nil
}
func main() {
// 2. 使用 hystrix.Do 执行命令
// 第一个参数是命令名，与配置对应
// 第二个参数是具体的业务逻辑
// 第三个参数是降级逻辑
result, err := hystrix.Do("user-service",
func() error {
_, err := callUserService("123")
return err
},
func(err error) error {
fmt.Printf("熔断或请求失败，执行降级逻辑: %v\n", err)
// 这里可以调用降级函数
_, _ = fallbackFunc("123")
return nil // 降级成功，返回nil
},
)
if err != nil {
fmt.Printf("请求最终失败: %v\n", err)
} else {
fmt.Printf("请求成功: %v\n", result)
}
}
在实际的微服务中，通常会将 Hystrix 集成到 HTTP 处理器中。
import (
"github.com/gin-gonic/gin"
// ... 其他 import
)
func GetUserHandler(c *gin.Context) {
userID := c.Param("id")
var userData string
// 使用 hystrix.Do 包裹对下游服务的调用
err := hystrix.Do("user-service",
func() error {
var callErr error
userData, callErr = callUserService(userID)
return callErr
},
func(err error) error {
// 执行降级逻辑，例如返回缓存数据或默认值
userData = "默认用户信息"
return nil
},
)
if err != nil {
c.JSON(http.StatusServiceUnavailable, gin.H{"error": "服务暂时不可用"})
return
}
c.JSON(http.StatusOK, gin.H{"data": userData})
}
| 配置项 | 默认值 | 说明 |
|---|---|---|
Timeout |
1000ms | 命令执行的超时时间。 |
MaxConcurrentRequests |
- | 最大并发请求数，用于限流。 |
ErrorPercentThreshold |
50% | 触发熔断的错误率百分比阈值。 |
RequestVolumeThreshold |
20 | 触发熔断所需的最小请求数。 |
SleepWindow |
5000ms | 熔断器打开后，进入半开状态前的等待时间。 |
通过以上方式，你可以在 Go 微服务中有效地使用 Hystrix 来增强系统的容错能力和稳定性，防止因单个服务故障而导致整个系统崩溃。
Sentinel 是阿里巴巴开源的一款强大的流量控制组件，它以流量为切入点，从流量控制、熔断降级、系统负载保护等多个维度来维护系统的稳定性。
你可以把它看作是微服务架构中的“智能交通指挥官”，负责指挥流量，防止某个路口（服务）因为车太多（请求量过大）而发生拥堵或崩溃。
与 Hystrix 类似，但 Sentinel 的设计更加丰富和轻量级：
流量控制 (Flow Control)
熔断降级 (Circuit Breaking)
系统自适应保护 (System Protection)
热点参数限流
在 K8s 环境中使用 Sentinel，通常有两种主要模式：
下面重点介绍最常用的 SDK 集成 + Dashboard 部署 方案。
Sentinel Dashboard 是一个 Java 应用，用于配置规则和查看监控。你需要将其部署在 K8s 中，以便统一管理规则。
1. 准备配置文件 (sentinel-deployment.yaml)
这里我们使用 StatefulSet 或 Deployment 部署 Dashboard，并暴露 Service。
apiVersion: apps/v1
kind: Deployment
metadata:
name: sentinel-dashboard
namespace: default
spec:
replicas: 1
selector:
matchLabels:
app: sentinel-dashboard
template:
metadata:
labels:
app: sentinel-dashboard
spec:
containers:
- name: dashboard
image: bladex/sentinel-dashboard:1.8.7 # 推荐使用官方或社区维护的镜像
ports:
- containerPort: 8858
env:
- name: SERVER_PORT
value: "8858"
# 生产环境建议修改默认账号密码
- name: SENTINEL_DASHBOARD_AUTH_USERNAME
value: "admin"
- name: SENTINEL_DASHBOARD_AUTH_PASSWORD
value: "your_secure_password"
---
apiVersion: v1
kind: Service
metadata:
name: sentinel-dashboard
namespace: default
spec:
type: ClusterIP # 内部访问即可
ports:
- port: 8858
targetPort: 8858
selector:
app: sentinel-dashboard
2. 执行部署
kubectl apply -f sentinel-deployment.yaml
部署完成后，你可以通过端口转发访问 Dashboard：kubectl port-forward svc/sentinel-dashboard 8858:8858，然后在浏览器访问 localhost:8858。
在 Go 语言中，我们使用 alibaba/sentinel-golang 库。
1. 安装依赖
go get github.com/alibaba/sentinel-golang
2. 初始化与配置
你需要配置 Sentinel 客户端，使其连接到 K8s 中的 Dashboard 以拉取规则。
package main
import (
"fmt"
"log"
"time"
sentinel "github.com/alibaba/sentinel-golang/api"
"github.com/alibaba/sentinel-golang/core/config"
"github.com/alibaba/sentinel-golang/logging"
)
func main() {
// 1. 初始化 Sentinel
err := sentinel.InitDefault()
if err != nil {
log.Fatalf("Unexpected error: %+v", err)
}
// 2. 动态规则数据源配置 (连接 Dashboard)
// 注意：Sentinel Go 客户端目前主要通过文件数据源或自定义数据源同步规则
// 如果要实现推模式，通常需要自己写一个 DataStore 监听 Nacos/Etcd/Zookeeper
// 或者使用 Dashboard 推送功能（Dashboard 端需改造或使用 Nacos 持久化）
// 这里演示最简单的本地限流逻辑
entry, b := sentinel.Entry("HelloWorld", sentinel.WithTrafficShaping(
sentinel.NewQpsRule(10), // 限制 QPS 为 10
))
if b != nil {
// 被限流了
fmt.Println("Blocked!")
} else {
defer entry.Exit()
fmt.Println("Passed!")
}
}
关于持久化与规则同步的重要说明：
原生的 Sentinel Dashboard 是无状态的，重启后规则会丢失。在生产环境 K8s 中，通常的做法是：
- Dashboard + Nacos/Etcd：将 Sentinel 的规则持久化到 Nacos 或 Etcd 中。
- 流程：你在 Dashboard 配置规则 -> Dashboard 推送到 Nacos -> Go 应用监听 Nacos 变化 -> 实时更新限流规则。
除了代码层面的限流，你还可以在 K8s 的网络入口层使用 Sentinel。
在 K8s 中使用 Sentinel 的最佳实践路径：
sentinel.Entry() 和 entry.Exit() 进行埋点。此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。