前言
阿裡巴巴提供的控制台隻是用于示範 Sentinel 的基本能力和工作流程，并沒有依賴生産環境中所必需的元件，比如持久化的後端資料庫、可靠的配置中心等。目前 Sentinel 采用記憶體态的方式存儲監控和規則資料，監控最長存儲時間為 5 分鐘，控制台重新開機後資料丢失。
企業版
這裡推薦一下阿裡雲的官方版，AHAS Sentinel 控制台 是 Sentinel 控制台的阿裡雲上版本，提供企業級的控制台服務，包括：
- 實時請求鍊路檢視
- 還有各種酷炫的監控圖表
- 可靠的實時監控和曆史監控資料查詢，無需自行存儲、拉取
- 動态規則管理/推送，無需自行配置外部資料源
免費版，可以提供 5 個節點的免費額度。開通專業版即可享受不限量節點額度。
專業版沒有執行個體連接配接限制，開通後每天前5個限流降級節點不計費，超出部分按3元/天/執行個體收取相應的費用。
思路
官方文檔也提供了思路，若需要監控資料持久化的功能，可以自行擴充實作 MetricsRepository 接口（0.2.0 版本），然後注冊成 Spring Bean 并在相應位置通過 @Qualifier 注解指定對應的 bean name 即可。MetricsRepository 接口定義了以下功能：
- save 與 saveAll：存儲對應的監控資料
- queryByAppAndResourceBetween：查詢某段時間内的某個應用的某個資源的監控資料
- listResourcesOfApp：查詢某個應用下的所有資源
其中預設的監控資料類型為 MetricEntity，包含應用名稱、時間戳、資源名稱、異常數、請求通過數、請求拒絕數、平均響應時間等資訊。
對于監控資料的存儲，使用者需要根據自己的存儲精度，來考慮如何存儲這些監控資料。顯然我們要使用目前最流行的時序資料庫
InfluxDB
解決方案，不要問什麼？閉眼享受就可以了。
選型
InfluxDB
是一個開源分布式時序、事件和名額資料庫。使用 Go 語言編寫，無需外部依賴。
應用：性能監控，應用程式名額，物聯網傳感器資料和實時分析等的後端存儲。
- 強大的類SQL文法
- 内置http支援，使用http讀寫
- 基于事件：它支援任意的事件資料
- 無結構（無模式）：可以是任意數量的列
- 可度量性：你可以實時對大量資料進行計算
- 持續高并發寫入、無更新、資料壓縮存儲、低查詢延時
- 支援min, max, sum, count, mean, median 等一系列函數
- 基于時間序列，支援與時間有關的相關函數（如最大，最小，求和等）
改造
InfluxDB 安裝
首先你得先有個 Influxdb 資料庫，建議使用 Docker 方式安裝，更多可以參考文末連結。
需要注意的是，從1.1.0版開始不推薦使用管理者界面，并将在1.3.0版中删除。預設情況下禁用。如果需要，仍可以通過設定如下環境變量來啟用它。
以下端口很重要，并由
InfluxDB
使用。
- 8086 HTTP API端口
- 8083 管理者界面端口（如果已啟用，1.7.8貌似啟用也不好使），官方推薦使用
chronograf
通過該指令, 生成預設配置檔案:
docker run --rm influxdb influxd config > influxdb.conf 建立并運作容器：
docker run -d \
-p 8086:8086 \
-p 8083:8083 \
-e INFLUXDB_ADMIN_ENABLED=true \
-v $PWD/data:/var/lib/influxdb/ \
-v $PWD/config/influxdb.conf:/etc/influxdb/influxdb.conf:ro \
--name influx \
influxdb -config /etc/influxdb/influxdb.conf 生産環境一定要開啟權限驗證，修改 influxdb.conf 配置：
[http]
enabled = true
bind-address = ":8086"
auth-enabled = true # 鑒權 建立使用者：
# 進入容器
docker exec -it influx /bin/sh
# 連接配接
influx
# 建立使用者
CREATE USER admin with PASSWORD 'admin' WITH ALL PRIVILEGES 退出重新登入：
# 使用者密碼登入
influx -username admin -password admin
# 建立資料庫
CREATE DATABASE sentinel_log Sentinel 控制台改造
pom.xml引入 influxdb 官方開源工具包：
<dependency>
<groupId>org.influxdb</groupId>
<artifactId>influxdb-java</artifactId>
<version>2.15</version>
</dependency> 配置檔案引入：
# 自行替換 API 位址:端口
spring.influx.url=http://127.0.0.1:8086
spring.influx.user=admin
spring.influx.password=admin
spring.influx.database=sentinel_log 配置資料源：
/**
* InfluxDb 配置
* 建立者 爪哇筆記
* 網址 https://blog.52itstyle.vip
*/
@Configuration
public class InfluxDbConfig {
@Value("${spring.influx.url:''}")
private String influxDBUrl;
@Value("${spring.influx.user:''}")
private String userName;
@Value("${spring.influx.password:''}")
private String password;
@Value("${spring.influx.database:''}")
private String database;
@Bean
public InfluxDB influxDB(){
InfluxDB influxDB = InfluxDBFactory.connect(influxDBUrl, userName, password);
try {
/**
* 異步插入：
* enableBatch這裡第一個是point的個數，第二個是時間，機關毫秒
* point的個數和時間是聯合使用的，如果滿100條或者2000毫秒
* 滿足任何一個條件就會發送一次寫的請求。
*/
influxDB.setDatabase(database)
.enableBatch(100,2000, TimeUnit.MILLISECONDS);
} catch (Exception e) {
e.printStackTrace();
} finally {
influxDB.setRetentionPolicy("autogen");
}
influxDB.setLogLevel(InfluxDB.LogLevel.BASIC);
return influxDB;
}
} 實作 MetricsRepository 接口，重寫實作：
/**
* 資料 CURD
* 建立者 爪哇筆記
* 網址 https://blog.52itstyle.vip
*/
@Component("inInfluxdbMetricsRepository")
public class InInfluxdbMetricsRepository implements MetricsRepository<MetricEntity> {
@Autowired
public InfluxDB influxDB;
@Override
public synchronized void save(MetricEntity metric) {
//省略代碼，太長了，參考記憶體寫法，參考 saveAll 這裡是單條插入
}
@Override
public synchronized void saveAll(Iterable<MetricEntity> metrics) {
if (metrics == null) {
return;
}
BatchPoints batchPoints = BatchPoints.builder()
.tag("async", "true")
.consistency(InfluxDB.ConsistencyLevel.ALL)
.build();
metrics.forEach(metric->{
Point point = Point
.measurement("sentinelInfo")
//這裡使用微妙、如果還有覆寫資料就使用納秒，保證 time 和 tag 唯一就可以
.time(System.currentTimeMillis(), TimeUnit.MICROSECONDS)
.tag("app",metric.getApp())//tag 資料走索引
.addField("gmtCreate", metric.getGmtCreate().getTime())
.addField("gmtModified", metric.getGmtModified().getTime())
.addField("timestamp", metric.getTimestamp().getTime())
.addField("resource", metric.getResource())
.addField("passQps", metric.getPassQps())
.addField("successQps", metric.getSuccessQps())
.addField("blockQps", metric.getBlockQps())
.addField("exceptionQps", metric.getExceptionQps())
.addField("rt", metric.getRt())
.addField("count", metric.getCount())
.addField("resourceCode", metric.getResourceCode())
.build();
batchPoints.point(point);
});
//批量插入
influxDB.write(batchPoints);
}
@Override
public synchronized List<MetricEntity> queryByAppAndResourceBetween(String app, String resource, long startTime, long endTime) {
//省略代碼，太長了，參考記憶體寫法
}
@Override
public synchronized List<String> listResourcesOfApp(String app) {
//省略代碼，太長了，參考記憶體寫法
}
} 分别修改
MetricFetcher
和
MetricController
中
metricStore
的注入方式，使用
Influxdb
實作：
/**
* 注入
* 建立者 爪哇筆記
* 網址 https://blog.52itstyle.vip
*/
@Autowired
@Qualifier("inInfluxdbMetricsRepository")
private MetricsRepository<MetricEntity> metricStore; 配置完成後，我們重新開機控制台，然後通路用戶端項目，如果控制台列印以下資料，說明配置成功：
2019-09-21 19:47:25 [sentinel-dashboard-metrics-fetchWorker-thread-2] INFO okhttp3.OkHttpClient - --> POST http://118.190.247.102:8086/write?db=sentinel_log&precision=n&consistency=all (486-byte body)
2019-09-21 19:47:25 [sentinel-dashboard-metrics-fetchWorker-thread-2] INFO okhttp3.OkHttpClient - <-- 204 No Content http://118.190.247.102:8086/write?db=sentinel_log&precision=n&consistency=all (46ms, 0-byte body)
多通路幾次用戶端項目，然後登陸控制台檢視，出現以下效果，說明改造成功：
注意事項：
- 官方前端并沒有實作按照時間範圍的查詢搜尋，需要自行實作
- 官方控制台實時監控預設查詢的是最近一分鐘的熱點資源排行，見方法
listResourcesOfApp
- 官方控制台實時監控右側 Table 預設查詢的是最近五分鐘的熱點通路詳情，見方法
queryTopResourceMetric
小結
對于官方五分鐘的閹割版，時序資料庫實作的流控資料存儲，對于生産環境還是很有幫助的，比如實時資料分析，熱點資源、監控預警等等。小夥伴們還可以根據實際生産需求結合
Chronograf
、
Grafana
做出更炫酷的大屏監控。