微服务保护的概念

1.微服务的雪崩问题是如何发生的

微服务中，服务间调用关系错综复杂，一个微服务往往依赖于多个其它微服务。

如图，如果服务提供者I发生了故障，当前的应用的部分业务因为依赖于服务I，因此也会被阻塞。此时，其它不依赖于服务I的业务似乎不受影响。

但是，依赖服务I的业务请求被阻塞，用户不会得到响应，则tomcat的这个线程不会释放，于是越来越多的用户请求到来，越来越多的线程会阻塞：

服务器支持的线程和并发数有限，请求一直阻塞，会导致服务器资源耗尽，从而导致所有其它服务都不可用，那么当前服务也就不可用了。

最后，依赖于当前服务的其它服务随着时间的推移，最终也都会变的不可用，形成级联失败，雪崩就发生了：

什么是雪崩问题？

• 微服务之间相互调用，因为调用链中的一个服务故障，引起整个链路都无法访问的情况。

可以认为：

限流是对服务的保护，避免因瞬间高并发流量而导致服务故障，进而避免雪崩。是一种预防措施。

超时处理、线程隔离、降级熔断是在部分服务故障时，将故障控制在一定范围，避免雪崩。是一种补救措施。

2.微服务雪崩的四种解决方案

2.1超时处理

第一种：超时处理：设定超时时间，请求超过一定时间没有响应就返回错误信息，不会无休止等待

2.2仓壁模式

第二种：仓壁模式，仓壁模式来源于船舱的设计：船舱都会被隔板分离为多个独立空间，当船体破损时，只会导致部分空间进入，将故障控制在一定范围内，避免整个船体都被淹没

与此类似，我们可以限定每个业务能使用的线程数，避免耗尽整个tomcat的资源，因此也叫线程隔离。

2.3断路器模式

第三种：断路器模式：由断路器统计业务执行的异常比例，如果超出阈值则会熔断该业务，拦截访问该业务的一切请求。

断路器会统计访问某个服务的请求数量，异常比例：

当发现访问服务D的请求异常比例过高时，认为服务D有导致雪崩的风险，会拦截访问服务D的一切请求，形成熔断：

2.4 限流

流量控制：限制业务访问的QPS，避免服务因流量的突增而故障。

3.服务保护的技术对比

在SpringCloud当中支持多种服务保护技术：

• Netfix Hystrix
• Sentinel
• Resilience4J

早期比较流行的是Hystrix框架，但目前国内使用最广泛的还是阿里巴巴的Sentinel框架，这里我们做下对比：

Sentinel介绍和安装

1.Sentinel的优点以及我们为什么使用Sentinel

Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址：sentinelguard.io/zh-cn/index…

Sentinel 具有以下特征:

•丰富的应用场景：Sentinel 承接了阿里巴巴近 10 年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系统容量可以承受的范围）、消息削峰填谷、集群流量控制、实时熔断下游不可用应用等。

•完备的实时监控：Sentinel 同时提供实时的监控功能。您可以在控制台中看到接入应用的单台机器秒级数据，甚至 500 台以下规模的集群的汇总运行情况。

•广泛的开源生态：Sentinel 提供开箱即用的与其它开源框架/库的整合模块，例如与 Spring Cloud、Dubbo、gRPC 的整合。您只需要引入相应的依赖并进行简单的配置即可快速地接入 Sentinel。

•完善的 SPI 扩展点：Sentinel 提供简单易用、完善的 SPI 扩展接口。您可以通过实现扩展接口来快速地定制逻辑。例如定制规则管理、适配动态数据源等。

2.如何安装Sentinel

sentinel官方提供了UI控制台，方便我们对系统做限流设置。可以在Releases · alibaba/Sentinel (github.com)进行下载

3.如何运行Sentinel

将jar包放到任意非中文目录，执行命令：

java -jar sentinel-dashboard-1.8.1.jar

如果要修改Sentinel的默认端口、账户、密码，可以通过下列配置：

配置项	默认值	说明
server.port	8080	服务端口
sentinel.dashboard.auth.username	sentinel	默认用户名
sentinel.dashboard.auth.password	sentinel	默认密码

例如，修改端口：

java -Dserver.port=8090 -jar sentinel-dashboard-1.8.1.jar

访问Sentinel

访问http://localhost:8080页面，就可以看到sentinel的控制台了：

需要输入账号和密码，默认都是：sentinel

登录后，发现一片空白，什么都没有：

这是因为我们还没有与微服务整合。

微服务整合Sentinel

我们在cjj-product中整合sentinel，并连接sentinel的控制台，步骤如下：

1.引入Sentinel依赖

<!--        Sentinel依赖-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
        </dependency>

2.配置控制台

2.1文件中加入以下配置

#配置控制台ip地址
spring.cloud.sentinel.transport.dashboard=localhost:8080

2.2访问相应的接口之后才会触发Sentinel的监控

访问接口

打开控制台查看效果

Sentinel的流量控制--限流

雪崩问题虽然有四种方案，但是限流是避免服务因突发的流量而发生故障，是对微服务雪崩问题的预防。

1. 簇点链路

当请求进入微服务时，首先会访问DispatcherServlet，然后进入Controller、Service、Mapper，这样的一个调用链就叫做簇点链路。簇点链路中被监控的每一个接口就是一个资源。

默认情况下sentinel会监控SpringMVC的每一个端点（Endpoint，也就是controller中的方法），因此SpringMVC的每一个端点（Endpoint）就是调用链路中的一个资源。

例如，我们刚才访问的cjj-product中的ProductController中的端点：product/findProductById/{id}

流控、熔断等都是针对簇点链路中的资源来设置的，因此我们可以点击对应资源后面的按钮来设置规则：

• 流控：流量控制
• 降级：降级熔断
• 热点：热点参数限流，是限流的一种
• 授权：请求的权限控制

1.1 简单练习

在Sentinel添加限流规则

1.22 利用jmeter进行测试

测试结果

测试可以看到，请求成功的每次只有5个

2.流控模式

在添加限流规则时，点击高级选项，可以选择三种流控模式：

• 直接：统计当前资源的请求，触发阈值时对当前资源直接限流，也是默认的模式
• 关联：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流
• 链路：统计从指定链路访问到本资源的请求，触发阈值时，对指定链路限流

简单练习使用的就是直接模式

2.1关联模式

关联模式：统计与当前资源相关的另一个资源，触发阈值时，对当前资源限流

配置规则

语法说明：当/write资源访问量触发阈值时，就会对/read资源限流，避免影响/write资源。

使用场景：比如用户支付时需要修改订单状态，同时用户要查询订单。查询和修改操作会争抢数据库锁，产生竞争。业务需求是优先支付和更新订单的业务，因此当修改订单业务触发阈值时，需要对查询订单业务限流。

如何实现关联模式

1.定义/product/read和/write接口，模拟查询和更改数据

@Autowired
@GetMapping("/read")
public String read(){
    return "进行查询数据";

}

@Autowired
@GetMapping("/write")
public String write(){

    return "进行更改数据";

}

2.重启服务，查看sentinel控制台的簇点链路

3.配置流控规则

对哪个端点限流，就点击哪个端点后面的按钮。我们是对订单查询/product/read限流，因此点击它后面的按钮：

在表单中填写流控规则：

4.使用jmeter测试

5.总结

2.链路模式

链路模式：只针对从指定链路访问到本资源的请求做统计，判断是否超过阈值。

配置示例：

例如有两条请求链路：

• /test1 --> /common

• /test2 --> /common

如果只希望统计从/test2进入到/common的请求，则可以这样配置：

实战案例

需求：有查询订单和创建订单业务，两者都需要查询商品。针对从查询订单进入到查询商品的请求统计，并设置限流。

步骤：

1. 在ProductService中添加一个queryGoods方法，不用实现业务
2. 在ProductController中，改造/product/read接口，调用ProductService中的queryGoods方法。
3. 在ProductController中添加一个/product/save接口，调用ProductService中的queryGoods方法。
4. 给queryGoods设置限流规则，从/product/read进入queryGoods的方法限制QPS必须小于2

1）添加查询商品方法

public void queryGoods() {
    System.out.println("查询商品业务");
}

2）查询订单时，查询商品

在cjj-producte的ProductController中，修改/product/read业务逻辑：

@GetMapping("/read")
public String read(){
    //查询商品
    productServer.queryGoods();
    //查询订单
    System.out.println("查询订单业务");
    return "查询订单成功";

}

3）新增订单，查询商品

在cjj-prodcut的Product中，修改/product/save端点，模拟新增订单：

@GetMapping("/save")
public String save(){
    //查询商品
    productServer.queryGoods();
    //新增订单
    System.out.println("新增订单");
    return "新增订单成功";
}

4）给查询商品添加资源标记

默认情况下，ProductService中的方法是不被Sentinel监控的，需要我们自己通过注解来标记要监控的方法。 给ProductService的queryGoods方法添加@SentinelResource注解：

@SentinelResource("goods")
public void queryGoods() {
    System.out.println("查询商品业务");
}

5)修改配置文件

链路模式中，是对不同来源的两个链路做监控。但是sentinel默认会给进入SpringMVC的所有请求设置同一个root资源，会导致链路模式失效。

我们需要关闭这种对SpringMVC的资源聚合，修改cjj-procudt的配置文件

#关闭SpringMVC的资源聚合,关闭context整合
spring.cloud.sentinel.web-context-unify=false

重启服务，访问/product/save和/product/read，可以查看到sentinel的簇点链路规则中，出现了新的资源：

5）添加流控规则

点击goods资源后面的流控按钮，在弹出的表单中填写下面信息：

只统计从/product/save进入/goods的资源，QPS阈值为2，超出则被限流。

6)jmeter测试

可以看到这里200个用户，50秒内发完，QPS为4，超过了我们设定的阈值2，测试的接口为/product/save

每次只有两个通过

另一个没有设置阈值的接口/product/read，可以发现完全不受影响

总结：

流控模式有哪些？

•直接：对当前资源限流

•关联：高优先级资源触发阈值，对低优先级资源限流。

•链路：阈值统计时，只统计从指定资源进入当前资源的请求，是对请求来源的限流

流控效果

在流控的高级选项中，还有一个流控效果选项：

流控效果是指请求达到流控阈值时应该采取的措施，包括三种：

• 快速失败：达到阈值后，新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
• warm up：预热模式，对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化，从一个较小值逐渐增加到最大阈值。
• 排队等待：让所有的请求按照先后次序排队执行，两个请求的间隔不能小于指定时长

warm up流控效果

阈值一般是一个微服务能承担的最大QPS，但是一个服务刚刚启动时，一切资源尚未初始化（冷启动），如果直接将QPS跑到最大值，可能导致服务瞬间宕机。

warm up也叫预热模式，是应对服务冷启动的一种方案。请求阈值初始值是 maxThreshold / coldFactor，持续指定时长后，逐渐提高到maxThreshold值。而coldFactor的默认值是3.

例如，我设置QPS的maxThreshold为10，预热时间为5秒，那么初始阈值就是 10 / 3 ，也就是3，然后在5秒后逐渐增长到10.

1.给/product/read这个资源设置限流，最大QPS为10，利用warm up效果，预热时长为5秒

刚刚启动时，大部分请求失败，成功的只有3个，说明QPS被限定在3：

随着时间推移，成功比例越来越高：

到Sentinel控制台查看实时监控：

一段时间后：

排队等待--流控效果

当请求超过QPS阈值时，快速失败和warm up 会拒绝新的请求并抛出异常。

而排队等待则是让所有请求进入一个队列中，然后按照阈值允许的时间间隔依次执行。后来的请求必须等待前面执行完成，如果请求预期的等待时间超出最大时长，则会被拒绝。

工作原理

例如：QPS = 5，意味着每200ms处理一个队列中的请求；timeout = 2000，意味着预期等待时长超过2000ms的请求会被拒绝并抛出异常。

那什么叫做预期等待时长呢？

比如现在一下子来了12 个请求，因为每200ms执行一个请求，那么：

• 第6个请求的预期等待时长 = 200 * （6 - 1） = 1000ms
• 第12个请求的预期等待时长 = 200 * （12-1） = 2200ms

现在，第1秒同时接收到10个请求，但第2秒只有1个请求，此时QPS的曲线这样的：

如果使用队列模式做流控，所有进入的请求都要排队，以固定的200ms的间隔执行，QPS会变的很平滑：

平滑的QPS曲线，对于服务器来说是更友好的。

1.给/product/write这个资源设置限流，最大QPS为10，利用排队的流控效果，超时时长设置为5s

1）添加流控规则

2）Jmeter测试

QPS为15，已经超过了我们设定的10。

如果是之前的 快速失败、warmup模式，超出的请求应该会直接报错。

但是我们看看队列模式的运行结果： 但是我们看看队列模式的运行结果：

全部都通过了。

再去sentinel查看实时监控的QPS曲线：

QPS非常平滑，一致保持在10，但是超出的请求没有被拒绝，而是放入队列。因此响应时间（等待时间）会越来越长。

当队列满了以后，才会有部分请求失败：

总结

流控效果有哪些？

• 快速失败：QPS超过阈值时，拒绝新的请求
• warm up： QPS超过阈值时，拒绝新的请求；QPS阈值是逐渐提升的，可以避免冷启动时高并发导致服务宕机。
• 排队等待：请求会进入队列，按照阈值允许的时间间隔依次执行请求；如果请求预期等待时长大于超时时间，直接拒绝

热点参数限流

之前的限流是统计访问某个资源的所有请求，判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求，判断是否超过QPS阈值。

全局参数限流

例如，一个根据id查询商品的接口：

访问/goods/{id}的请求中，id参数值会有变化，热点参数限流会根据参数值分别统计QPS，统计结果：

当id=1的请求触发阈值被限流时，id值不为1的请求不受影响。

配置示例：

代表的含义是：对hot这个资源的0号参数（第一个参数）做统计，每1秒相同参数值的请求数不能超过5

热点参数限流

注意事项：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源

刚才的配置中，对查询商品这个接口的所有商品一视同仁，QPS都限定为5.

而在实际开发中，可能部分商品是热点商品，例如秒杀商品，我们希望这部分商品的QPS限制与其它商品不一样，高一些。那就需要配置热点参数限流的高级选项了：

结合上一个配置，这里的含义是对0号的long类型参数限流，每1秒相同参数的QPS不能超过5，有两个例外：

•如果参数值是100，则每1秒允许的QPS为10

•如果参数值是101，则每1秒允许的QPS为15

练习案例

案例需求：给/product/findProductById/{pid}这个资源添加热点参数限流，规则如下：

•默认的热点参数规则是每1秒请求量不超过2

•给2这个参数设置例外：每1秒请求量不超过4

•给3这个参数设置例外：每1秒请求量不超过10

注意事项：热点参数限流对默认的SpringMVC资源无效，需要利用@SentinelResource注解标记资源

1）标记资源

给cjj-product中的ProductController中的/product/findProductById/{pid}资源添加注解：

@RequestMapping("product")
public class ProductController {

    @Autowired
    private ProductServer productServer;


    //地址栏传参，需要使用@PathVariable接收
    @GetMapping("/findProductById/{pid}")
    @SentinelResource("hot")
    public Product findProductById(@PathVariable Integer pid){
        Product productById = productServer.findProductById(pid);
        return productById;

    }
    }

2）热点参数限流规则

访问该接口，可以看到我们标记的hot资源出现了：

这里不要点击hot后面的按钮，页面有BUG

点击左侧菜单中热点规则菜单：

3）Jmeter测试

这里发起请求的QPS为5.

普通参数，QPS阈值为2

例外项，QPS阈值为4

例外项，QPS阈值为10

隔离和降级

限流是一种预防措施，虽然限流可以尽量避免因高并发而引起的服务故障，但服务还会因为其它原因而故障。

而要将这些故障控制在一定范围，避免雪崩，就要靠线程隔离（舱壁模式）和熔断降级手段了。

线程隔离之前讲到过：调用者在调用服务提供者时，给每个调用的请求分配独立线程池，出现故障时，最多消耗这个线程池内资源，避免把调用者的所有资源耗尽。

熔断降级：是在调用方这边加入断路器，统计对服务提供者的调用，如果调用的失败比例过高，则熔断该业务，不允许访问该服务的提供者了。

可以看到，不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。需要在调用方 发起远程调用时做线程隔离、或者服务熔断。

而我们的微服务远程调用都是基于Feign来完成的，因此我们需要将Feign与Sentinel整合，在Feign里面实现线程隔离和服务熔断。

FeignClient整合Sentinel

SpringCloud中，微服务调用都是通过Feign来实现的，因此做客户端保护必须整合Feign和Sentinel。

1.修改配置，开启sentinel功能

修改cjj-product的配置文件，开启Feign的Sentinel功能：

#开启feign对sentinel的支持
feign.sentinel.enabled=true

2.编写失败降级逻辑

业务失败后，不能直接报错，而应该返回用户一个友好提示或者默认结果，这个就是失败降级逻辑。

给FeignClient编写失败后的降级逻辑

①方式一：FallbackClass，无法对远程调用的异常做处理

②方式二：FallbackFactory，可以对远程调用的异常做处理，我们选择这种

这里我们演示方式二的失败降级处理。

步骤一：

注意，一定要交给容器管理

在同时拥有openfeign和Sentinel依赖的项目中定义类，实现FallbackFactory接口

//对哪个接口进行熔断降级，泛型就使用哪个
//将该类交给容器管理
@Component
public class MyFallbackFactory implements FallbackFactory<ProductFeign> {

    @Override
    public ProductFeign create(Throwable throwable) {


        return new ProductFeign() {
            @Override
            public Product findProductById(Integer pid) {
                final Product product = new Product();
                product.setPid(-1);
                product.setPname("被调用的服务器出现故障，请稍后再试");
                return product;
            }
        };
    }
}

步骤二：在项目中的ProductFeign接口中使用UserClientFallbackFactory：

//供给端的服务名
@FeignClient(value = "cjj-product",fallbackFactory = MyFallbackFactory.class)
public interface ProductFeign {

    //接口的方法，必须和被调用者的接口参数完全一致
    @GetMapping("/product/findProductById/{pid}")
    public Product findProductById(@PathVariable Integer pid);
}

重启后，访问一次订单查询业务，然后查看sentinel控制台，可以看到新的簇点链路：

总结

Sentinel支持的雪崩解决方案：

• 线程隔离（仓壁模式）
• 降级熔断

Feign整合Sentinel的步骤：

• 在application.yml中配置：feign.sentienl.enable=true
• 给FeignClient编写FallbackFactory并注册为Bean
• 将FallbackFactory配置到FeignClient

线程隔离（舱壁模式）

线程隔离的实现方式

线程隔离有两种方式实现：

• 线程池隔离
• 信号量隔离（Sentinel默认采用）

如图：

线程池隔离：给每个服务调用业务分配一个线程池，利用线程池本身实现隔离效果

信号量隔离：不创建线程池，而是计数器模式，记录业务使用的线程数量，达到信号量上限时，禁止新的请求。

两者的优缺点：

sentinel的线程隔离

用法说明：

在添加限流规则时，可以选择两种阈值类型：

• QPS：就是每秒的请求数，在快速入门中已经演示过
• 线程数：是该资源能使用用的tomcat线程数的最大值。也就是通过限制线程数量，实现线程隔离（舱壁模式）。

案例需求：给 cjj-product服务中的/product/save的查询用户接口设置流控规则，线程数不能超过 2。然后利用jemeter测试。

练习：给cjj-order服务中的/order/insertOrder接口设置流控规则，线程数不能超过2，然后利用jemeter测试

1）配置隔离规则

选择feign接口后面的流控按钮：

填写表单

2）Jmeter测试

一次发生10个请求，有较大概率并发线程数超过2，而超出的请求会走之前定义的失败降级逻辑。

查看运行结果：

发现虽然结果都是通过了，不过部分请求得到的响应是之前降级定义的信息。

总结

线程隔离的两种手段是？

• 信号量隔离
• 线程池隔离

信号量隔离的特点是？

• 基于计数器模式，简单，开销小

线程池隔离的特点是？

• 基于线程池模式，有额外开销，但隔离控制更强

熔断降级

熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例、慢请求比例，如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求；而当服务恢复时，断路器会放行访问该服务的请求。

断路器控制熔断和放行是通过状态机来完成的：

状态机包括三个状态：

• closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态

• open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态5秒后会进入half-open状态

• half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。

• 请求成功：则切换到closed状态

• 请求失败：则切换到open状态

断路器熔断策略有三种：慢调用、异常比例、异常数

1.慢调用

慢调用：业务的响应时长（RT）大于指定时长的请求认定为慢调用请求。在指定时间内，如果请求数量超过设定的最小数量，慢调用比例大于设定的阈值，则触发熔断。

例如：

解读：RT超过500ms的调用是慢调用，统计最近1000ms内的请求，如果请求量超过5次，并且慢调用比例不低于0.3，则触发熔断，熔断时长为20秒。然后进入half-open状态，放行一次请求做测试。

1）设置慢调用

修改cjj-order中的/order/insertOrde这个接口的业务。通过休眠模拟一个延迟时间：

此时，pid=2的订单，关联的是id为3的用户，调用时长为60ms：

pid=1的订单，关联的是id为3的用户，调用时长为非常短；

2）设置熔断规则

下面，给接口设置降级规则：

规则：

超过50ms的请求都会被认为是慢请求

3）测试

在浏览器访问：http://localhost:9002/order/insertOrder?pid=2&number=5，快速刷新5次，可以发现：

触发了熔断，请求时长缩短至5ms，快速失败了，并且走降级逻辑，返回的报错信息Blocked by Sentinel (flow limiting)被Sentinel阻塞（限流）

在浏览器访问：http://localhost:9002/order/insertOrder?pid=1&number=5 竟然也熔断了

5秒钟之后访问http://localhost:9002/order/insertOrder?pid=1&number=5 没有慢请求的接口，发现之后的一切正常。

如果5秒钟之后继续访问慢请求接口，他会成功一次，然后继续报错，因为它这个时候是半开状态，会根据接下来的一个请求来判断是否继续开启。具体原因看上面的流程图。

异常比例、异常数

异常比例或异常数：统计指定时间内的调用，如果调用次数超过指定请求数，并且出现异常的比例达到设定的比例阈值（或超过指定异常数），则触发熔断。

例如，一个异常比例设置：

解读：统计最近1000ms内的请求，如果请求量超过5次，并且异常比例不低于0.4，则触发熔断。

另一个异常数设置：

解读：统计最近1000ms内的请求，如果请求量超过5次，并且异常比例不低于2次，则触发熔断。

1）设置异常请求

修改cjj-order中的/order/insertOrde这个接口的业务。手动抛出异常，以触发异常比例的熔断：

也就是说pid为1的时候，会触发异常

2）设置熔断规则

下面，给feign接口设置降级规则：

规则：

在5次请求中，只要异常比例超过0.4，也就是有2次以上的异常，就会触发熔断。

3）测试

在浏览器快速访问：http://localhost:9002/order/insertOrder?pid=1&number=5 ，快速刷新5次，触发熔断：

此时，我们访问本该正常的pid=2

自定义异常结果

默认情况下，发生限流、降级、授权拦截时，都会抛出异常到调用方。异常结果都是flow limmiting（限流）。这样不够友好，无法得知是限流还是降级还是授权拦截。

异常类型

如果要自定义异常时的返回结果，需要实现BlockExceptionHandler接口：

这个方法有三个参数：

• HttpServletRequest request：request对象
• HttpServletResponse response：response对象
• BlockException e：被sentinel拦截时抛出的异常

这里的BlockException包含多个不同的子类：

异常	说明
FlowException	限流异常
ParamFlowException	热点参数限流的异常
DegradeException	降级异常
AuthorityException	授权规则异常
SystemBlockException	系统规则异常

//交给容器管理
@Component
public class SentinelException implements BlockExceptionHandler {


    @Override
    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {
        String msg = "未知异常";
        int status = 429;

        if (e instanceof FlowException) {
            msg = "请求被限流了";
        } else if (e instanceof ParamFlowException) {
            msg = "请求被热点参数限流";
        } else if (e instanceof DegradeException) {
            msg = "请求被降级了";
        } else if (e instanceof AuthorityException) {
            msg = "没有权限访问";
            status = 401;
        }

        response.setContentType("application/json;charset=utf-8");
        response.setStatus(status);
        response.getWriter().println("{"msg": " + msg + ", "status": " + status + "}");

    }
}

重启测试，在不同场景下，会返回不同的异常消息.

记得设置对应的限流以及降级规则