Sentinel 的限流原理基于 流量统计 和 流量控制策略，通过动态规则对系统资源进行保护。其核心设计包括以下几个关键点：
- 流量统计模型：滑动时间窗口
Sentinel 使用 滑动时间窗口算法 统计单位时间内的请求量，相比传统的固定时间窗口，能更精确地反映实时流量特征。
窗口划分：将时间划分为多个小的时间片段（如1秒划分为2个500ms的窗口），窗口之间部分重叠。
滑动统计：随着时间推移，窗口动态滑动，统计最近的请求量，避免固定窗口的临界突变问题。
示例：若设置 QPS=100，Sentinel 会实时统计最近1秒内的请求量，超过阈值时触发限流。
- 流量控制策略
根据不同的场景，Sentinel 提供多种流量控制策略：
(1) 直接拒绝（默认策略）
当请求量超过阈值时，立即拒绝请求（抛出 FlowException）。
适用场景：对实时性要求高，允许快速失败的系统。
(2) 匀速排队（Rate Limiter）
将突发的请求以固定间隔（如 QPS=100 → 间隔10ms）匀速放行，避免突发流量压垮系统。
实现原理：类似漏桶算法，通过排队平滑流量。
适用场景：需要处理突发流量但希望系统压力平稳的场景（如消息队列消费）。
(3) Warm Up（冷启动）
系统冷启动时逐步增加阈值，避免瞬时流量超过系统承载能力。
实现原理：结合令牌桶算法，初始阶段阈值较低，随时间逐步提升至预设值。
适用场景：长期低负载的系统突然面临流量激增（如秒杀活动预热）。
(4) 关联流量控制
根据关联资源的流量状态限流。例如，若资源A的流量激增，则限制资源B的访问。
适用场景：多个资源存在依赖关系，需优先保障核心资源。
- 规则动态配置
Sentinel 的限流规则支持动态调整，可通过以下方式管理：
硬编码规则：在代码中直接定义规则（不推荐）。
配置文件：通过 YAML 或 Properties 文件配置。
控制台动态推送：通过 Sentinel Dashboard 实时修改规则并生效，无需重启服务。
- 底层实现细节
(1) 统计数据结构
使用 数组 或 时间轮 存储时间窗口的统计数据，保证高性能（时间复杂度 O(1)）。
(2) 责任链模式
通过责任链模式串联流量控制、熔断降级、系统保护等逻辑，逐层校验请求合法性。
(3) 上下文传递
通过 Context 对象传递调用链信息（如入口资源、调用来源），支持更细粒度的控制。
- 与其他组件的对比
特性 Sentinel Hystrix
流量统计模型 滑动时间窗口 固定时间窗口
限流策略 直接拒绝、匀速排队、冷启动 线程池隔离、信号量隔离
动态规则配置 支持实时推送 需重启生效
系统自适应保护 支持（基于 Load、CPU 等） 不支持 - 典型应用场景
API 接口限流：防止高频调用导致服务崩溃。
微服务熔断：结合熔断降级规则，快速失败并恢复。
消息队列消费控速：匀速消费，避免下游系统过载。
秒杀系统：通过 Warm Up 和排队机制平滑流量。
总结
Sentinel 的限流通过 滑动时间窗口统计实时流量 和 多样化控制策略 实现精准流量控制，结合动态规则配置和系统自适应保护，能在高并发场景下有效保障系统稳定性。其设计核心是 实时性、灵活性 和 低开销，适合分布式系统的流量治理需求。
