上节中我们知道了 Sentinel-Go 大概能做什么事情，最简单的例子如何跑起来

其实我早就写好了本系列的第二篇，但迟迟没有发布，感觉光初始化流程显得有些单一，于是又补充了责任链模式，二合一，内容显得丰富一些。

初始化流程

初始化做了什么

Sentinel-Go 初始化时主要做了以下2件事情：

• 通过各种方式（文件、环境变量等）载入全局配置
• 启动异步的定时任务或服务，如机器 cpu、内存信息收集、metric log 写入等等

初始化流程详解

提供的 API

上节例子中，我们使用了最简单的初始化方式

func InitDefault() error

除此之外，它还提供了另外几种初始化方式

// 使用给定的 parser 方法解析配置的方式来初始化func InitWithParser(configBytes []byte, parser func([]byte) (*config.Entity, error)) (err error)// 使用已解析好的配置对象初始化func InitWithConfig(confEntity *config.Entity) (err error)// 从 yaml 文件加载配置初始化func InitWithConfigFile(configPath string) error

从命名能看出它们只是配置的获取方式不一样，其中

InitWithParser

有点意思，传入的

parser

是个函数指针，对于 Java 写惯了的我来说还是有点陌生，比如通过

json

解析可以写出如下

parser

parser := func(configBytes []byte) (*config.Entity, error) {conf := &config.Entity{}err := json.Unmarshal(configBytes, conf)return conf, err}conf := "{\\"Version\\":\\"v1\\",\\"Sentinel\\":{\\"App\\":{\\"Name\\":\\"roshi-app\\",\\"Type\\":0}}}"err := api.InitWithParser([]byte(conf), parser)

配置项

简单看一下 Sentinel-Go 的配置项，首先配置被包装在一个

Entity

中，包含了一个

Version

和 真正的配置信息

SentinelConfig

type Entity struct {Version stringSentinel SentinelConfig}

接着，

SentinelConfig

是这样：

type SentinelConfig struct {App struct {// 应用名Name string// 应用类型：普通应用，网关Type int32}// Exporter 配置Exporter ExporterConfig// 日志配置Log LogConfig// 统计配置Stat StatConfig// 是否缓存时间戳UseCacheTime bool `yaml:"useCacheTime"`}

• App 应用信息应用名
• 应用类型：如普通应用、网关应用等

type ExporterConfig struct {Metric MetricExporterConfig}type MetricExporterConfig struct {// http 服务地址，如 ":8080"HttpAddr string `yaml:"http_addr"`//  http 服务 path，如"/metrics".HttpPath string `yaml:"http_path"`}

• LogConfig：包括使用什么logger，日志目录，文件是否使用 pid（防止一台机器部署两个应用日志混合），以及 metric log 的单个文件大小、最多保留文件个数、刷新时间

type LogConfig struct {// logger，可自定义Logger logging.Logger// 日志目录Dir string// 是否在日志文件后加 PIDUsePid bool `yaml:"usePid"`// metric 日志配置Metric MetricLogConfig}type MetricLogConfig struct {// 单个文件最大占用空间SingleFileMaxSize uint64 `yaml:"singleFileMaxSize"`// 最多文件个数MaxFileCount      uint32 `yaml:"maxFileCount"`// 刷新间隔FlushIntervalSec  uint32 `yaml:"flushIntervalSec"`}

• StatConfig：统计配置包括资源采集窗口配置，metric 统计的窗口、系统信息收集间隔

type StatConfig struct {// 全局统计资源的窗口（后续文章再解释）GlobalStatisticSampleCountTotal uint32 `yaml:"globalStatisticSampleCountTotal"`GlobalStatisticIntervalMsTotal  uint32 `yaml:"globalStatisticIntervalMsTotal"`// metric 统计的窗口（后续文章再解释）MetricStatisticSampleCount uint32 `yaml:"metricStatisticSampleCount"`MetricStatisticIntervalMs  uint32 `yaml:"metricStatisticIntervalMs"`// 系统采集配置System SystemStatConfig `yaml:"system"`}type SystemStatConfig struct {// 采集默认间隔CollectIntervalMs uint32 `yaml:"collectIntervalMs"`// 采集 cpu load 间隔CollectLoadIntervalMs uint32 `yaml:"collectLoadIntervalMs"`// 采集 cpu 使用间隔CollectCpuIntervalMs uint32 `yaml:"collectCpuIntervalMs"`// 采集内存间隔使用CollectMemoryIntervalMs uint32 `yaml:"collectMemoryIntervalMs"`}

配置覆盖

从上文知道，参数可以通过自定义

parser

/

文件

/

默认

的方式来传入配置，但后面这个配置还可以用系统的

环境变量

覆盖，覆盖项目前只包括应用名、应用类型、日志文件使用使用

PID

结尾、日志目录

func OverrideConfigFromEnvAndInitLog() error {// 系统环境变量可覆盖传入的配置err := overrideItemsFromSystemEnv()if err != nil {return err}...return nil}

启动后台服务

• 启动 聚合 metric 定时任务，聚合后发送到 chan，聚合后的格式如下：

_, err := fmt.Fprintf(&b, "%d|%s|%s|%d|%d|%d|%d|%d|%d|%d|%d",m.Timestamp, timeStr, finalName, m.PassQps,m.BlockQps, m.CompleteQps, m.ErrorQps, m.AvgRt,m.OccupiedPassQps, m.Concurrency, m.Classification)

时间戳|时间字符串|名称|通过QPS|阻断QPS|完成QPS|出错QPS|平均RT|已经通过QPS|并发|类别

• 启动 metric 写入日志定时任务，可配置间隔时间（秒级），接受上个任务写入 chan 的数据

• 启动单独 goroutine 收集 cpu 使用率 / load、内存使用，收集间隔可配置，收集到的信息存放在

  system_metric

  下的私有变量

var (currentLoad        atomic.ValuecurrentCpuUsage    atomic.ValuecurrentMemoryUsage atomic.Value)

• 若开启，则启动单独 goroutine 缓存时间戳，间隔是 1ms，这个主要是为了高并发下提高获取时间戳的性能

func (t *RealClock) CurrentTimeMillis() uint64 {// 从缓存获取时间戳tickerNow := CurrentTimeMillsWithTicker()if tickerNow > uint64(0) {return tickerNow}return uint64(time.Now().UnixNano()) / UnixTimeUnitOffset}

获取时，如果拿到 0 则说明未开启缓存时间戳，取当前，如果拿到值说明已开启，可直接使用

• 若配置了 metric exporter，则启动服务，监听端口，暴露 prometheus 的 exporter

责任链模式

什么是责任链模式

可以用这样一张图形象地解释什么是责任链：

责任链模式为每次请求创建了一个

链

，链上有 N 多个处理者，处理者可在不同阶段处理不同的事情，就像这幅图上的小人，拿到一桶水（请求）后都可以完成各自的事情，比如往头上浇，然后再传递给下一个。

为什么叫责任？因为每个处理者只关心自己的

责任

，跟自己没关系就递交给链上的下一个处理者。

责任链在哪里有用到？很多开源产品都是用了责任链模式，如

Dubbo

、

Spring MVC

等等

这么设计有什么好处？

• 简化编码难度，抽象出处理模型，只需关注关心的点即可
• 扩展性好，如果需要自定义责任链中的一环或者插拔某一环，非常容易实现

关于扩展性除了大家理解的软件设计中的扩展性外，这里还想提两点，阿里开源的软件其实都有高扩展性这个特性，一是因为是开源，别人使用场景未必和自己一致，留出扩展接口，不符合要求的，用户可以自行实现，二是如果要追溯，阿里开源扩展性 Dubbo 可能算是祖师爷（未考证），Dubbo 作者（梁飞）的博客中说过为什么 Dubbo 要设计这么强的扩展性，他对代码有一定的追求，在他维护时期，代码能保证高质量，但如果项目交给别人，如何才能保持现在的水准呢？于是他设计出一套很强的扩展，后面开发基于这个扩展去做，代码就不会差到哪里去

• 可动态，可针对每个请求构造不同的责任链

Sentinel-Go 责任链设计

先看责任链的数据结构定义，Sentinel-Go 把处理者叫

Slot

（插槽），将 Slot 分为了前置统计、规则校验、统计三组，且每组是有有序的

type SlotChain struct {// 前置准备（有序）statPres []StatPrepareSlot// 规则校验（有序）ruleChecks []RuleCheckSlot// 统计（有序）stats []StatSlot// 上线文对象池（复用对象）ctxPool *sync.Pool}

在调用

Entry

开始进入 Sentinel 逻辑时，如果没有手动构造 SlotChain，则使用默认。

为什么这里要设计成三个 Slot组呢？因为每组 Slot 的行为稍有不同，比如前置准备的 Slot 不需要返回值，规则校验组需要返回值，如果校验当前流量不通过，还需要返回原因、类型等信息，统计 Slot 还会有一些入参，比如请求是否失败等等

type BaseSlot interface {Order() uint32}type StatPrepareSlot interface {BaseSlotPrepare(ctx *EntryContext)}type RuleCheckSlot interface {BaseSlotCheck(ctx *EntryContext) *TokenResult}type StatSlot interface {BaseSlotOnEntryPassed(ctx *EntryContext)OnEntryBlocked(ctx *EntryContext, blockError *BlockError)OnCompleted(ctx *EntryContext)}

总结

本文从源码角度分析了 Sentinel-Go 的初始化流程和责任链的设计，总体上来说还是比较简单，接下来的系列文章将会分析 Sentinel-Go 的限流熔断等的核心设计与实现。

搜索关注微信公众号"捉虫大师"，后端技术分享，架构设计、性能优化、源码阅读、问题排查、踩坑实践。