作者 | 于雨 apache/dubbo-go 项目负责人
本文作者系 apache/dubbo-go 项目负责人，目前在 dubbogo 项目中已内置可用 sentinel-go，如果想单独使用可参考 在 dubbo-go 中使用 sentinel 一文，若有其他疑问可进 dubbogo社区【钉钉群 23331795】进行沟通。
导读：本文主要分析阿里巴巴集团开源的流量控制中间件 Sentinel，其原生支持了 Java/Go/C++ 等多种语言，本文仅仅分析其 Go 语言实现。下文如无特殊说明，sentinel 指代 Sentinel-Go。
Resource(ResourceWrapper) 存储了应用场景 ResourceType，以及目标流控的方向 FlowType(TrafficType)。
Entry 实体 SentinelEntry 关联了 Resource(ResourceWrapper) 以及其流控规则集合 SlotChain。每个 Entry 实体有一个上下文环境 EntryContext，存储每个 Rule 检测时用到的一些流控参数和流控判定结果。
值得注意的是，SentinelEntry.sc 值来自于 EntryOptions.slotChain，EntryOptions.slotChain 存储了全局 SlotChain 对象 api/slot_chain.go:globalSlotChain。
至于何为 SlotChain，就是 sentinel 提供的所有的流控组件的集合，可以简单地认为每个流控组件就是一个 Slot，其详细分析见[3.5 SlotChain]。
sentinel 一些变量和函数命名的可读性较差，如 EntryOptions.acquireCount 实在无法让人望文生义，看过函数 core/api.go:WithAcquireCount() 的注释才明白：EntryOptions.acquireCount 是批量动作执行次数。如有的一次 RPC 请求中调用了服务端的一个服务接口，则取值 1【也是 EntryOptions.acquireCount 的默认取值】，如果调用了服务端的 3 个服务接口，则取值 3。所以建议改名为 EntryOptions.batchCount 比较好，考虑到最小改动原则，可以在保留 core/api.go:WithAcquireCount() 的同时增加一个同样功能的 core/api.go:WithBatchCount() 接口。相关改进已经提交到 pr 263。
Rule 记录了某 Resource 的限流判定阈值 Threshold、限流时间窗口计时长度 StatIntervalInMs 以及 触发限流后的判罚动作 ControlBehavior。
上面核心是 Rule 的接口 RuleCheckSlot，至于 StatSlot 则用于统计 sentinel 自身的运行 metrics。
当前章节主要分析流控中的限流（core/flow），根据流控的处理流程梳理 sentinel 整体骨架。
所谓 TrafficShapingController，顾名思义，就是 流量塑形控制器，是流控的具体实施者。
// core/flow/traffic_shaping.go // TrafficShapingCalculator calculates the actual traffic shaping threshold // based on the threshold of rule and the traffic shaping strategy. type TrafficShapingCalculator interface { CalculateAllowedTokens(acquireCount uint32, flag int32) float64 } type DirectTrafficShapingCalculator struct { threshold float64 } func (d *DirectTrafficShapingCalculator) CalculateAllowedTokens(uint32, int32) float64 { return d.threshold }TrafficShapingCalculator 接口用于计算限流的上限，如果不使用 warm-up 功能，可以不去深究其实现，其实体之一 DirectTrafficShapingCalculator 返回 Rule.Threshold【用户设定的限流上限】。
// TrafficShapingChecker performs checking according to current metrics and the traffic // shaping strategy, then yield the token result. type TrafficShapingChecker interface { DoCheck(resStat base.StatNode, acquireCount uint32, threshold float64) *base.TokenResult } type RejectTrafficShapingChecker struct { rule *Rule } func (d *RejectTrafficShapingChecker) DoCheck(resStat base.StatNode, acquireCount uint32, threshold float64) *base.TokenResult { metricReadonlyStat := d.BoundOwner().boundStat.readOnlyMetric if metricReadonlyStat == nil { return nil } curCount := float64(metricReadonlyStat.GetSum(base.MetricEventPass)) if curCount+float64(acquireCount) > threshold { return base.NewTokenResultBlockedWithCause(base.BlockTypeFlow, "", d.rule, curCount) } return nil }RejectTrafficShapingChecker 依据 Rule.Threshold 判定 Resource 在当前时间窗口是否超限，其限流结果 TokenResultStatus 只可能是 Pass 或者 Blocked。
sentinel flow 还有一个匀速限流 ThrottlingChecker，它的目的是让请求匀速被执行，把一个时间窗口【譬如 1s】根据 threshold 再细分为更细的微时间窗口，在每个微时间窗口最多执行一次请求，其限流结果 TokenResultStatus 只可能是 Pass 或者 Blocked 或者 Wait，其相关意义分别为：
Pass：在微时间窗口内无超限，请求通过；Wait：在微时间窗口内超限，被滞后若干时间窗口执行，在这段时间内请求需要等待；Blocked：在微时间窗口内超限，且等待时间超过用户设定的最大愿意等待时间长度【Rule.MaxQueueingTimeMs】，请求被拒绝。 type TrafficShapingController struct { flowCalculator TrafficShapingCalculator flowChecker TrafficShapingChecker rule *Rule // boundStat is the statistic of current TrafficShapingController boundStat standaloneStatistic } func (t *TrafficShapingController) PerformChecking(acquireCount uint32, flag int32) *base.TokenResult { allowedTokens := t.flowCalculator.CalculateAllowedTokens(acquireCount, flag) return t.flowChecker.DoCheck(resStat, acquireCount, allowedTokens) }在 Direct + Reject 限流的场景下，这三个接口其实并无多大意义，其核心函数 TrafficShapingController.PerformChecking() 的主要流程是：
1 从 TrafficShapingController.boundStat 中获取当前 Resource 的 metrics 值【curCount】；2 如果 curCount + batchNum(acquireCount) > Rule.Threshold，则 pass，否则就 reject。在限流场景下， TrafficShapingController 四个成员的意义如下：
flowCalculator 计算限流上限；flowChecker 执行限流 Check 动作；rule 存储限流规则；boundStat 存储限流的 Check 结果和时间窗口参数，作为下次限流 Check 动作判定的依据。在执行限流判定时，需要根据 Resource 名称获取其对应的 TrafficShapingController。
// TrafficControllerMap represents the map storage for TrafficShapingController. type TrafficControllerMap map[string][]*TrafficShapingController // core/flow/rule_manager.go tcMap = make(TrafficControllerMap)package 级别全局私有变量 tcMap 存储了所有的 Rule，其 key 为 Resource 名称，value 则是与 Resource 对应的 TrafficShapingController。
用户级别接口函数 core/flow/rule_manager.go:LoadRules() 会根据用户定义的 Rule 构造其对应的 TrafficShapingController 存入 tcMap，这个接口调用函数 generateStatFor(*Rule) 构造 TrafficShapingController.boundStat。
限流场景下，函数 generateStatFor(*Rule) 的核心代码如下：
func generateStatFor(rule *Rule) (*standaloneStatistic, error) { resNode = stat.GetOrCreateResourceNode(rule.Resource, base.ResTypeCommon) // default case, use the resource's default statistic readStat := resNode.DefaultMetric() retStat.reuseResourceStat = true retStat.readOnlyMetric = readStat retStat.writeOnlyMetric = nil return &retStat, nil }Resource 的指标 Metrics 是进行 Rule 判定的基础。
Sentinel 库功能丰富，但无论是限流还是熔断，其存储基础都是滑动时间窗口。其间包含了众多优化：如无锁定长时间轮。
滑动窗口实现有很多种，时间轮算法是其中一种比较简单的实现，在时间轮算法之上可以实现多种限流方法。时间轮整体框图如下：
1 BucketWrap
时间轮的最基本单元是一个桶【时间窗口】。
// BucketWrap represent a slot to record metrics // In order to reduce the usage of memory, BucketWrap don't hold length of BucketWrap // The length of BucketWrap could be seen in LeapArray. // The scope of time is [startTime, startTime+bucketLength) // The size of BucketWrap is 24(8+16) bytes type BucketWrap struct { // The start timestamp of this statistic bucket wrapper. BucketStart uint64 // The actual data structure to record the metrics (e.g. MetricBucket). Value atomic.Value }补充：这里之所以用指针，是因为以 BucketWrap 为基础的 AtomicBucketWrapArray 会被多个 sentinel 流控组件使用，每个组件的流控参数不一，例如：
1 core/circuitbreaker/circuit_breaker.go:slowRtCircuitBreaker 使用的 slowRequestLeapArray 的底层参数 slowRequestCounter // core/circuitbreaker/circuit_breaker.go type slowRequestCounter struct { slowCount uint64 totalCount uint64 } 2 core/circuitbreaker/circuit_breaker.go:errorRatioCircuitBreaker 使用的 errorCounterLeapArray 的底层参数 errorCounter // core/circuitbreaker/circuit_breaker.go type errorCounter struct { errorCount uint64 totalCount uint64 }1.1 MetricBucket
BucketWrap 可以认作是一种 时间桶模板，具体的桶的实体是 MetricsBucket，其定义如下：
// MetricBucket represents the entity to record metrics per minimum time unit (i.e. the bucket time span). // Note that all operations of the MetricBucket are required to be thread-safe. type MetricBucket struct { // Value of statistic counter [base.MetricEventTotal]int64 minRt int64 }MetricBucket 存储了五种类型的 metric：
// There are five events to record // pass + block == Total const ( // sentinel rules check pass MetricEventPass MetricEvent = iota // sentinel rules check block MetricEventBlock MetricEventComplete // Biz error, used for circuit breaker MetricEventError // request execute rt, unit is millisecond MetricEventRt // hack for the number of event MetricEventTotal )2 AtomicBucketWrapArray
每个桶只记录了其起始时间和 metric 值，至于每个桶的时间窗口长度这种公共值则统一记录在 AtomicBucketWrapArray 内，AtomicBucketWrapArray 定义如下：
// atomic BucketWrap array to resolve race condition // AtomicBucketWrapArray can not append or delete element after initializing type AtomicBucketWrapArray struct { // The base address for real data array base unsafe.Pointer // The length of slice(array), it can not be modified. length int data []*BucketWrap }AtomicBucketWrapArray.base 的值是 AtomicBucketWrapArray.data slice 的 data 区域的首指针。因为 AtomicBucketWrapArray.data 是一个固定长度的 slice，所以 AtomicBucketWrapArray.base 直接存储数据内存区域的首地址，以加速访问速度。
其次，AtomicBucketWrapArray.data 中存储的是 BucketWrap 的指针，而不是 BucketWrap。
NewAtomicBucketWrapArrayWithTime() 函数会预热一下，把所有的时间桶都生成出来。
1 leapArray
// Give a diagram to illustrate // Suppose current time is 888, bucketLengthInMs is 200ms, // intervalInMs is 1000ms, LeapArray will build the below windows // B0 B1 B2 B3 B4 // |_______|_______|_______|_______|_______| // 1000 1200 1400 1600 800 (1000) // ^ // time=888 type LeapArray struct { bucketLengthInMs uint32 sampleCount uint32 intervalInMs uint32 array *AtomicBucketWrapArray // update lock updateLock mutex }LeapArray 各个成员解析：
bucketLengthInMs 是漏桶长度，以毫秒为单位；sampleCount 则是时间漏桶个数；intervalInMs 是时间窗口长度，以毫秒为单位。其注释中的 ASCII 图很好地解释了每个字段的含义。
LeapArray 核心函数是 LeapArray.currentBucketOfTime()，其作用是根据某个时间点获取其做对应的时间桶 BucketWrap，代码如下：
func (la *LeapArray) currentBucketOfTime(now uint64, bg BucketGenerator) (*BucketWrap, error) { if now <= 0 { return nil, errors.New("Current time is less than 0.") } idx := la.calculateTimeIdx(now) bucketStart := calculateStartTime(now, la.bucketLengthInMs) for { //spin to get the current BucketWrap old := la.array.get(idx) if old == nil { // because la.array.data had initiated when new la.array // theoretically, here is not reachable newWrap := &BucketWrap{ BucketStart: bucketStart, Value: atomic.Value{}, } newWrap.Value.Store(bg.NewEmptyBucket()) if la.array.compareAndSet(idx, nil, newWrap) { return newWrap, nil } else { runtime.Gosched() } } else if bucketStart == atomic.LoadUint64(&old.BucketStart) { return old, nil } else if bucketStart > atomic.LoadUint64(&old.BucketStart) { // current time has been next cycle of LeapArray and LeapArray dont't count in last cycle. // reset BucketWrap if la.updateLock.TryLock() { old = bg.ResetBucketTo(old, bucketStart) la.updateLock.Unlock() return old, nil } else { runtime.Gosched() } } else if bucketStart < atomic.LoadUint64(&old.BucketStart) { // TODO: reserve for some special case (e.g. when occupying "future" buckets). return nil, errors.New(fmt.Sprintf("Provided time timeMillis=%d is already behind old.BucketStart=%d.", bucketStart, old.BucketStart)) } } }其 for-loop 核心逻辑是：
1 获取时间点对应的时间桶 old；2 如果 old 为空，则新建一个时间桶，以原子操作的方式尝试存入时间窗口的时间轮中，存入失败则重新尝试；3 如果 old 就是当前时间点所在的时间桶，则返回；4 如果 old 的时间起点小于当前时间，则通过乐观锁尝试 reset 桶的起始时间等参数值，加锁更新成功则返回；5 如果 old 的时间起点大于当前时间，则系统发生了时间扭曲，返回错误。2 BucketLeapArray
leapArray 实现了滑动时间窗口的所有主体，其对外使用接口则是 BucketLeapArray：
// The implementation of sliding window based on LeapArray (as the sliding window infrastructure) // and MetricBucket (as the data type). The MetricBucket is used to record statistic // metrics per minimum time unit (i.e. the bucket time span). type BucketLeapArray struct { data LeapArray dataType string }从这个 struct 的注释可见，其时间窗口 BucketWrap 的实体是 MetricBucket。
SlidingWindowMetric
// SlidingWindowMetric represents the sliding window metric wrapper. // It does not store any data and is the wrapper of BucketLeapArray to adapt to different internal bucket // SlidingWindowMetric is used for SentinelRules and BucketLeapArray is used for monitor // BucketLeapArray is per resource, and SlidingWindowMetric support only read operation. type SlidingWindowMetric struct { bucketLengthInMs uint32 sampleCount uint32 intervalInMs uint32 real *BucketLeapArray }SlidingWindowMetric 是对 BucketLeapArray 的一个封装，只提供了只读接口。
ResourceNode
type BaseStatNode struct { sampleCount uint32 intervalMs uint32 goroutineNum int32 arr *sbase.BucketLeapArray metric *sbase.SlidingWindowMetric } type ResourceNode struct { BaseStatNode resourceName string resourceType base.ResourceType } // core/stat/node_storage.go type ResourceNodeMap map[string]*ResourceNode var ( inboundNode = NewResourceNode(base.TotalInBoundResourceName, base.ResTypeCommon) resNodeMap = make(ResourceNodeMap) rnsMux = new(sync.RWMutex) )BaseStatNode 对外提供了读写接口，其数据写入 BaseStatNode.arr，读取接口则依赖 BaseStatNode.metric。BaseStatNode.arr 是在 NewBaseStatNode() 中创建的，指针 SlidingWindowMetric.real 也指向它。
ResourceNode 则顾名思义，其代表了某资源和它的 Metrics 存储 ResourceNode.BaseStatNode。
全局变量 resNodeMap 存储了所有资源的 Metrics 指标数据。
本节只分析 Sentinel 库提供的最基础的流量整形功能 – 限流，限流算法多种多样，可以使用其内置的算法，用户自己也可以进行扩展。
限流过程有三步步骤：
1 针对特定 Resource 构造其 EntryContext，存储其 Metrics、限流开始时间等，Sentinel 称之为 StatPrepareSlot；2 依据 Resource 的限流算法判定其是否应该进行限流，并给出限流判定结果，Sentinel 称之为 RuleCheckSlot； 补充：这个限流算法是一系列判断方法的合集（SlotChain）； 3 判定之后，除了用户自身根据判定结果执行相应的 action，Sentinel 也需要根据判定结果执行自身的 Action，以及把整个判定流程所使用的的时间 RT 等指标存储下来，Sentinel 称之为 StatSlot。整体流程如下图所示：
针对 Check 三个步骤，有三个对应的 Slot 分别定义如下：
// StatPrepareSlot is responsible for some preparation before statistic // For example: init structure and so on type StatPrepareSlot interface { // Prepare function do some initialization // Such as: init statistic structure、node and etc // The result of preparing would store in EntryContext // All StatPrepareSlots execute in sequence // Prepare function should not throw panic. Prepare(ctx *EntryContext) } // RuleCheckSlot is rule based checking strategy // All checking rule must implement this interface. type RuleCheckSlot interface { // Check function do some validation // It can break off the slot pipeline // Each TokenResult will return check result // The upper logic will control pipeline according to SlotResult. Check(ctx *EntryContext) *TokenResult } // StatSlot is responsible for counting all custom biz metrics. // StatSlot would not handle any panic, and pass up all panic to slot chain type StatSlot interface { // OnEntryPass function will be invoked when StatPrepareSlots and RuleCheckSlots execute pass // StatSlots will do some statistic logic, such as QPS、log、etc OnEntryPassed(ctx *EntryContext) // OnEntryBlocked function will be invoked when StatPrepareSlots and RuleCheckSlots fail to execute // It may be inbound flow control or outbound cir // StatSlots will do some statistic logic, such as QPS、log、etc // blockError introduce the block detail OnEntryBlocked(ctx *EntryContext, blockError *BlockError) // OnCompleted function will be invoked when chain exits. // The semantics of OnCompleted is the entry passed and completed // Note: blocked entry will not call this function OnCompleted(ctx *EntryContext) }抛却 Prepare 和 Stat，可以简单的认为：所谓的 slot，就是 sentinel 提供的某个流控组件。
值得注意的是，根据注释 StatSlot.OnCompleted 只有在 RuleCheckSlot.Check 通过才会执行，用于计算从请求开始到结束所使用的 RT 等 Metrics。
如前面解释，Prepare 主要是构造存储 Resource Metrics 所使用的 ResourceNode。所有 Resource 的 StatNode 都会存储在 package 级别的全局变量 core/stat/node_storage.go:resNodeMap [type: map[string]*ResourceNode] 中，函数 GetOrCreateResourceNode 用于根据 Resource Name 从 resNodeMap 中获取其对应的 StatNode，如果不存在则创建一个 StatNode 并存入 resNodeMap。
RuleCheckSlot.Check() 执行流程：
1 根据 Resource 名称获取其所有的 Rule 集合；2 遍历 Rule 集合，对 Resource 依次执行 Check，任何一个 Rule 判定 Resource 需要进行限流【Blocked】则返回，否则放行。 type Slot struct { } func (s *Slot) Check(ctx *base.EntryContext) *base.TokenResult { res := ctx.Resource.Name() tcs := getTrafficControllerListFor(res) result := ctx.RuleCheckResult // Check rules in order for _, tc := range tcs { r := canPassCheck(tc, ctx.StatNode, ctx.Input.AcquireCount) if r == nil { // nil means pass continue } if r.Status() == base.ResultStatusBlocked { return r } if r.Status() == base.ResultStatusShouldWait { if waitMs := r.WaitMs(); waitMs > 0 { // Handle waiting action. time.Sleep(time.Duration(waitMs) * time.Millisecond) } continue } } return result } func canPassCheck(tc *TrafficShapingController, node base.StatNode, acquireCount uint32) *base.TokenResult { return canPassCheckWithFlag(tc, node, acquireCount, 0) } func canPassCheckWithFlag(tc *TrafficShapingController, node base.StatNode, acquireCount uint32, flag int32) *base.TokenResult { return checkInLocal(tc, node, acquireCount, flag) } func checkInLocal(tc *TrafficShapingController, resStat base.StatNode, acquireCount uint32, flag int32) *base.TokenResult { return tc.PerformChecking(resStat, acquireCount, flag) }sentinel 对 Resource 进行 Check 后，其后续逻辑执行顺序是：
1 如果 RuleCheckSlot.Check() 判定 pass 通过则执行 StatSlot.OnEntryPassed()，否则 RuleCheckSlot.Check() 判定 reject 则执行 StatSlot.OnEntryBlocked()；2 如果 RuleCheckSlot.Check() 判定 pass 通过，则执行本次 Action；3 如果 RuleCheckSlot.Check() 判定 pass 通过，则执行 SentinelEntry.Exit() --> SlotChain.ext() --> StatSlot.OnCompleted() 。第三步骤的调用链路如下：
StatSlot.OnCompleted()
// core/flow/standalone_stat_slot.go type StandaloneStatSlot struct { } func (s StandaloneStatSlot) OnEntryPassed(ctx *base.EntryContext) { res := ctx.Resource.Name() for _, tc := range getTrafficControllerListFor(res) { if !tc.boundStat.reuseResourceStat { if tc.boundStat.writeOnlyMetric != nil { tc.boundStat.writeOnlyMetric.AddCount(base.MetricEventPass, int64(ctx.Input.AcquireCount)) } } } } func (s StandaloneStatSlot) OnEntryBlocked(ctx *base.EntryContext, blockError *base.BlockError) { // Do nothing } func (s StandaloneStatSlot) OnCompleted(ctx *base.EntryContext) { // Do nothing }SlotChain.exit()
// core/base/slot_chain.go type SlotChain struct { } func (sc *SlotChain) exit(ctx *EntryContext) { // The OnCompleted is called only when entry passed if ctx.IsBlocked() { return } for _, s := range sc.stats { s.OnCompleted(ctx) } }SentinelEntry.Exit()
// core/base/entry.go type SentinelEntry struct { sc *SlotChain exitCtl sync.Once } func (e *SentinelEntry) Exit() { e.exitCtl.Do(func() { if e.sc != nil { e.sc.exit(ctx) } }) }从上面执行可见，StatSlot.OnCompleted() 是在 Action 【如一次 RPC 的请求-响应 Invokation】完成之后调用的。如果有的组件需要计算一次 Action 的时间耗费 RT，就在其对应的 StatSlot.OnCompleted() 中依据 EntryContext.startTime 完成时间耗费计算。
Sentinel 本质是一个流控包，不仅提供了限流功能，还提供了众多其他诸如自适应流量保护、熔断降级、冷启动、全局流量 Metrics 结果等功能流控组件，Sentinel-Go 包定义了一个 SlotChain 实体存储其所有的流控组件。
// core/base/slot_chain.go // SlotChain hold all system slots and customized slot. // SlotChain support plug-in slots developed by developer. type SlotChain struct { statPres []StatPrepareSlot ruleChecks []RuleCheckSlot stats []StatSlot } // The entrance of slot chain // Return the TokenResult and nil if internal panic. func (sc *SlotChain) Entry(ctx *EntryContext) *TokenResult { // execute prepare slot sps := sc.statPres if len(sps) > 0 { for _, s := range sps { s.Prepare(ctx) } } // execute rule based checking slot rcs := sc.ruleChecks var ruleCheckRet *TokenResult if len(rcs) > 0 { for _, s := range rcs { sr := s.Check(ctx) if sr == nil { // nil equals to check pass continue } // check slot result if sr.IsBlocked() { ruleCheckRet = sr break } } } if ruleCheckRet == nil { ctx.RuleCheckResult.ResetToPass() } else { ctx.RuleCheckResult = ruleCheckRet } // execute statistic slot ss := sc.stats ruleCheckRet = ctx.RuleCheckResult if len(ss) > 0 { for _, s := range ss { // indicate the result of rule based checking slot. if !ruleCheckRet.IsBlocked() { s.OnEntryPassed(ctx) } else { // The block error should not be nil. s.OnEntryBlocked(ctx, ruleCheckRet.blockErr) } } } return ruleCheckRet } func (sc *SlotChain) exit(ctx *EntryContext) { if ctx == nil || ctx.Entry() == nil { logging.Error(errors.New("nil EntryContext or SentinelEntry"), "") return } // The OnCompleted is called only when entry passed if ctx.IsBlocked() { return } for _, s := range sc.stats { s.OnCompleted(ctx) } // relieve the context here }建议：Sentinel 包针对某个 Resource 无法确知其使用了那个组件，在运行时会针对某个 Resource 的 EntryContext 依次执行所有的组件的 Rule。Sentinel-golang 为何不给用户相关用户提供一个接口让其设置使用的流控组件集合，以减少下面函数 SlotChain.Entry() 中执行 RuleCheckSlot.Check() 执行次数？相关改进已经提交到 pr 264【补充，代码已合并，据负责人压测后回复 sentinel-go 效率整体提升 15%】。
globalSlotChain
Sentinel-Go 定义了一个 SlotChain 的 package 级别的全局私有变量 globalSlotChain 用于存储其所有的流控组件对象。相关代码示例如下。因本文只关注限流组件，所以下面只给出了限流组件的注册代码。
// api/slot_chain.go func BuildDefaultSlotChain() *base.SlotChain { sc := base.NewSlotChain() sc.AddStatPrepareSlotLast(&stat.ResourceNodePrepareSlot{}) sc.AddRuleCheckSlotLast(&flow.Slot{}) sc.AddStatSlotLast(&flow.StandaloneStatSlot{}) return sc } var globalSlotChain = BuildDefaultSlotChain()Entry
在 Sentinel-Go 对外的最重要的入口函数 api/api.go:Entry() 中，globalSlotChain 会作为 EntryOptions 的 SlotChain 参数被使用。
// api/api.go // Entry is the basic API of Sentinel. func Entry(resource string, opts ...EntryOption) (*base.SentinelEntry, *base.BlockError) { options := entryOptsPool.Get().(*EntryOptions) options.slotChain = globalSlotChain return entry(resource, options) }Sentinel 的演进离不开社区的贡献。Sentinel Go 1.0 GA 版本即将在近期发布，带来更多云原生相关的特性。我们非常欢迎感兴趣的开发者参与贡献，一起来主导未来版本的演进。我们鼓励任何形式的贡献，包括但不限于：
• bug fix • new features/improvements • dashboard • document/website • test cases
开发者可以在 GitHub 上面的 good first issue 列表上挑选感兴趣的 issue 来参与讨论和贡献。我们会重点关注积极参与贡献的开发者，核心贡献者会提名为 Committer，一起主导社区的发展。我们也欢迎大家有任何问题和建议，都可以通过 GitHub issue、Gitter 或钉钉群（群号：30150716）等渠道进行交流。Now start hacking!
• Sentinel Go repo: https://github.com/alibaba/sentinel-golang • 企业用户欢迎进行登记：https://github.com/alibaba/Sentinel/issues/18
于雨(github @AlexStocks)，apache/dubbo-go 项目负责人，一个有十多年服务端基础架构研发一线工作经验的程序员，目前在蚂蚁金服可信原生部从事容器编排和 service mesh 工作。热爱开源，从 2015 年给 Redis 贡献代码开始，陆续改进过 Muduo/Pika/Dubbo/Dubbo-go 等知名项目。
“阿里巴巴云原生关注微服务、Serverless、容器、Service Mesh 等技术领域、聚焦云原生流行技术趋势、云原生大规模的落地实践，做最懂云原生开发者的公众号。”
