阿里Sentinel核心源码解析-责任链模式最佳实践-阿里云开发者社区

本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！

🚀 魔都架构师 | 全网30W技术追随者
🔧 大厂分布式系统/数据中台实战专家
🏆 主导交易系统百万级流量调优 & 车联网平台架构
🧠 AIGC应用开发先行者 | 区块链落地实践者
🌍 以技术驱动创新，我们的征途是改变世界！
👉 实战干货：编程严选网

0 前言

本文基于 sentinel1.5.2。

graph LR
    NodeSelectorSlot --> ClusterBuilderSlot
    ClusterBuilderSlot --> LogSlot
    LogSlot --> StatisticSlot
    StatisticSlot --> AuthoritySlot
    AuthoritySlot --> SystemSlot
    SystemSlot --> FlowSlot
    FlowSlot --> DegradeSlot

1 NodeSelectorSlot

链中处理的第一个节点。

@Spi(isSingleton = false, order = Constants.ORDER_NODE_SELECTOR_SLOT)
public class NodeSelectorSlot extends AbstractLinkedProcessorSlot<Object> {
    /**
     * 相同资源的DefaultNode在不同的上下文
     * <context name, DefaultNode实例> 用上下文名称而非资源名称作为map的键
     */
    private volatile Map<String, DefaultNode> map = new HashMap<String, DefaultNode>(10);
    @Override
    public void entry(Context context, ResourceWrapper resourceWrapper, Object obj, int count, boolean prioritized, Object... args)
        throws Throwable {
        /*
         * 无论哪种上下文中，相同资源（ResourceWrapper#equals）全局共享相同的(ProcessorSlotChain)。
         * 因此，如果代码进入entry方法，则资源名称须相同，但上下文名称可能不同
         *
         * 若用{SphU#entry(String resource)}在不同上下文中进入相同资源，则用上下文名称作为map键可区分相同资源
         * 此时，将为每个不同上下文（不同的上下文名称）创建多个具有相同资源名称的{DefaultNode}
         *
         * 再想，Q：一个资源可能有多个{DefaultNode}，获取同一资源的统计信息的最好方法是？ 
         * A：所有具有相同资源名称的{DefaultNode}共享一个{ClusterNode}，详见{ClusterBuilderSlot}
         */
        DefaultNode node = map.get(context.getName());
        if (node == null) {
            synchronized (this) {
                node = map.get(context.getName());
                if (node == null) {
                    node = new DefaultNode(resourceWrapper, null);
                    HashMap<String, DefaultNode> cacheMap = new HashMap<String, DefaultNode>(map.size());
                    cacheMap.putAll(map);
                    cacheMap.put(context.getName(), node);
                    map = cacheMap;
                    // Build invocation tree
                    ((DefaultNode) context.getLastNode()).addChild(node);
                }
            }
        }
        context.setCurNode(node);
        fireEntry(context, resourceWrapper, node, count, prioritized, args);
    }
}

责任链实例和 resource name 相关，和线程无关，所以处理同一resource 时，会进入同一 NodeSelectorSlot 实例。

1.1 职责

不同context name，同一resource name的场景。

如下都处理同一 resource（"getUserInfo" resource），但入口 context 不一：

private void getUserInfoFromUserCenter() {
    ContextUtil.enter("user-center");
    try (Entry entry = SphU.entry("getUserInfo")) {
        // ...
    } catch (BlockException e) {
        throw new RuntimeException("系统忙");
    }
}
private void getUserInfoFromHomePage() {
    ContextUtil.enter("home-page");
    try (Entry entry = SphU.entry("getUserInfo")) {
        // ...
    } catch (BlockException e) {
        throw new RuntimeException("系统忙");
    }
}

结合前面那棵树，可得此树：

1.2 小结

NodeSelectorSlot 实例和 resource 一一对应！

2 ClusterBuilderSlot

主要创建ClusterNode：

/**
 * 此slot维护资源运行统计信息（响应时间, qps, 线程计数, 异常）
 * 以及由ContextUtil#enter(String origin)标记的调用者列表。
 * 一个资源只有一个cluster节点, 而一个资源可以有多个default节点
 */
@Spi(isSingleton = false, order = Constants.ORDER_CLUSTER_BUILDER_SLOT)
public class ClusterBuilderSlot extends AbstractLinkedProcessorSlot<DefaultNode> {
    /**
     * 任何上下文中, 相同的资源都将全局共享相同的ProcessorSlotChain。
     * 因此, 若代码走进entry方法，资源名称须相同，但上下文名称可能不同。
     *
     * 为获得在不同上下文中相同资源的总统计信息, 相同资源在全局范围内共享同一ClusterNode。所有ClusterNode都缓存在此map。
     */
    private static volatile Map<ResourceWrapper, ClusterNode> clusterNodeMap = new HashMap<>();
    
    private static final Object lock = new Object();
    
    private volatile ClusterNode clusterNode = null;
    @Override
    public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count, boolean prioritized, Object... args) {
        if (clusterNode == null) {
           // 应用程序运行时间越长，此map越稳定
            // 所以不用并发map而是锁。因为锁仅在初始时发生，而并发map将始终持有该锁
            synchronized (lock) {
                if (clusterNode == null) {
                    // 创建集群节点
                    clusterNode = new ClusterNode(resourceWrapper.getName(), resourceWrapper.getResourceType());
                    
                    HashMap<ResourceWrapper, ClusterNode> newMap = new HashMap<>(Math.max(clusterNodeMap.size(), 16));
                    newMap.putAll(clusterNodeMap);
                    newMap.put(node.getId(), clusterNode);
                    
                    clusterNodeMap = newMap;
                }
            }
        }
        
        node.setClusterNode(clusterNode);
    }
}

该类处理后：

小结

每个 resource 对应一个 ClusterNode 实例，若不存在，就创建一个新实例。

统计意义

数据统计。如 getUserInfo 接口，由于从不同 context name 开启调用链，它有多个 DefaultNode 实例，但只有一个 ClusterNode，通过该实例，即可知道该接口QPS。

此类还处理了 origin 不是默认值场景： origin代表调用方标识，如application-a、application-b：

/*
 * 若设置context origin，则应获取或创建一个特定 origin 的新 Node
 */
if (!"".equals(context.getOrigin())) {
    Node originNode = node.getClusterNode().getOrCreateOriginNode(context.getOrigin());
    context.getCurEntry().setOriginNode(originNode);
}

当设置了origin，会生成一个 StatisticsNode 实例，挂在 ClusterNode。改下案例代码：

private void getUserInfoFromUserCenter() {
    ContextUtil.enter("user-center", "application-a");
    try (Entry entry = SphU.entry("getUserInfo")) {
        // ...
    } catch (BlockException e) {
        throw new RuntimeException("系统忙");
    }
}
private void getUserInfoFromHomePage() {
    ContextUtil.enter("home-page", "application-b");
    try (Entry entry = SphU.entry("getUserInfo")) {
        // ...
    } catch (BlockException e) {
        throw new RuntimeException("系统忙");
    }
}

getUserInfo接收到来自application-a、application-b两个应用的请求：

作用

统计从 application-a 过来的访问 getUserInfo 这个接口的信息。该信息在 dashboard 不展示，毕竟没啥用。

3 LogSlot

直接 fire 出去了，即先处理责任链后面的节点，若它们抛 BlockException，才处理。

// 这是对日志块异常的响应，为故障排除提供具体日志，
@Spi(order = Constants.ORDER_LOG_SLOT)
public class LogSlot extends AbstractLinkedProcessorSlot<DefaultNode> {
    @Override
    public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode obj, int count, boolean prioritized, Object... args)
        throws Throwable {
        try {
            fireEntry(context, resourceWrapper, obj, count, prioritized, args);
        } catch (BlockException e) {
           // 将被设置的规则 block 的信息记录到日志文件 sentinel-block,log,即记录哪些接口被规则挡住
            EagleEyeLogUtil.log(resourceWrapper.getName(), e.getClass().getSimpleName(), e.getRuleLimitApp(),
                context.getOrigin(), e.getRule().getId(), count);
            throw e;
        } catch (Throwable e) {
            RecordLog.warn("Unexpected entry exception", e);
        }
    }

4 StatisticSlot

4.1 作用

数据统计。

4.2 原理

先fire，等后面节点处理完毕后，再统计数据。

Q：为何这样设计？

A：因为后面节点是做控制，执行时可能正常通过，也可能抛 BlockException。

注意：

QPS统计用滑动窗口算法
线程并发的统计，用LongAdder

接下来几个 Slot 需：

通过 dashboard 开启，因为需配置规则
也可硬编码规则到代码。但要调整数值就麻烦，每次都要改代码重新发布

5 AuthoritySlot

5.1 作用

权限控制，根据 origin 做黑白名单的控制：

在 dashboard 中，是这么配置的：

这里的调用方就是 origin。

6 SystemSlot

6.1 作用

实现自适应限流。

// 一个专用于 systemRule 检查的 Processorslot
@Spi(order = Constants.ORDER_SYSTEM_SLOT)
public class SystemSlot extends AbstractLinkedProcessorSlot<DefaultNode> {
    @Override
    public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count,
                      boolean prioritized, Object... args) throws Throwable {
        SystemRuleManager.checkSystem(resourceWrapper, count);
        fireEntry(context, resourceWrapper, node, count, prioritized, args);
    }
    @Override
    public void exit(Context context, ResourceWrapper resourceWrapper, int count, Object... args) {
        fireExit(context, resourceWrapper, count, args);
    }
}

规则校验都在SystemRuleManager#checkSystem：

public static void checkSystem(ResourceWrapper resourceWrapper, int count) throws BlockException {
    if (resourceWrapper == null) {
        return;
    }
    // Ensure the checking switch is on.
    if (!checkSystemStatus.get()) {
        return;
    }
    // for inbound traffic only
    if (resourceWrapper.getEntryType() != EntryType.IN) {
        return;
    }
    // total qps
    double currentQps = Constants.ENTRY_NODE.passQps();
    if (currentQps + count > qps) {
        throw new SystemBlockException(resourceWrapper.getName(), "qps");
    }
    // total thread
    int currentThread = Constants.ENTRY_NODE.curThreadNum();
    if (currentThread > maxThread) {
        throw new SystemBlockException(resourceWrapper.getName(), "thread");
    }
    double rt = Constants.ENTRY_NODE.avgRt();
    if (rt > maxRt) {
        throw new SystemBlockException(resourceWrapper.getName(), "rt");
    }

先说说上面的代码中的 RT、线程数、入口 QPS 这三项系统保护规则。

dashboard配置界面：

StatisticSlot 类有下面一段：

if (resourceWrapper.getEntryType() == EntryType.IN) {
    // Add count for global inbound entry node for global statistics.
   // 为全局统计信息添加全局入站entry节点的计数
    Constants.ENTRY_NODE.increaseThreadNum();
    Constants.ENTRY_NODE.addPassRequest(count);
}

Sentinel针对所有入口流量，用一个全局的 ENTRY_NODE 统计，系统保护规则是全局的，和具体某资源无关。

由于系统的平均 RT、当前线程数、QPS 都可从 ENTRY_NODE 获得，所以限制代码非常简单，比较大小即可。超过阈值抛SystemBlockException。

ENTRY_NODE 是 ClusterNode 类型，而 ClusterNode 对 rt、qps 都是统计秒维度。

6.2 系统负载和 CPU 资源

Sentinel通过调用 MBean 中的方法获取当前的系统负载和 CPU 使用率，Sentinel 起了一个后台线程，每秒查询一次。

OperatingSystemMXBean osBean =  
ManagementFactory.getPlatformMXBean(OperatingSystemMXBean.class);  
currentLoad = osBean.getSystemLoadAverage();  
currentCpuUsage = osBean.getSystemCpuLoad();

dashboard 中对 CPU 使用率的规则配置：

7 FlowSlot

Sentinel本身定位流控工具，FlowSlot天生重要，涉及限流算法。

案例

设QPS=10，即每100ms允许通过一个，通过计算当前时间是否已过了上一个请求的通过时间 latestPassedTime 之后的100ms，来判断是否可通过。若才过50ms，则需当前线程再sleep 50ms，然后才可通过。若同时有另一请求？就需sleep 150ms。

8 DegradeSlot

三种策略，先看

8.1 根据RT降级

8.2 原理

若按上图配置：对 getUserInfo 资源，正常只需50ms，若其RT超过100ms，则进入半降级状态，接下来的5次访问，若都超过100ms，则接下来的10s内，所有请求都会被拒绝。

8.3 DegradeRule#passCheck

Sentinel用cut作开关，开启后，会启动一个定时任务，过了 10s 后关闭：

if (cut.compareAndSet(false, true)) {
    ResetTask resetTask = new ResetTask(this);
    pool.schedule(resetTask, timeWindow, TimeUnit.SECONDS);
}

达到阈值，开启断路器，之后由定时任务关闭。

★
后续优化：Refactor degrade hierarchy with new circuit breaker mechanism and improve strategy

Add CircuitBreaker abstraction (with half-open state) and add circuit breaker state change event observer support.

Improve circuit breaking strategy (avg RT → slow request ratio) and make statistics of each rule dependent (to support arbitrary statistic interval).

Add simple "trial" mechanism (aka. half-open).

Refactor mechanism of metric recording and state change handling for circuit breakers: record RT and error when requests have completed (i.e. onExit, based on #1420).

”

9 和dashboard交互

sentinel-transport子工程的common是基础包和接口定义：

若客户端要接入dashboard，可用 netty-http/simple-http/spring-mvc 中的一个。

Q：为啥不直接用Netty，而同时提供http选项？

A：你不一定用 Java 实现 dashboard。若用其他语言，用 http 协议较容易适配。

9.1 http使用

先添加 simple-http 依赖：

<dependency>
    <groupId>com.alibaba.csp</groupId>
    <artifactId>sentinel-transport-simple-http</artifactId>
    <version>1.8.6</version>
</dependency>

应用启动参数添加 dashboard 服务器地址，同时指定当前应用名称：

-Dcsp.sentinel.dashboard.server=127.0.0.1:8080 
 -Dproject.name=sentinel-learning

这时打开 dashboard 看不到该应用的，因为还没注册。第一次用 Sentinel 后，Sentinel 会自动注册。

用到 Sentinel 时，先调用 SphU#entry：

public class SphU {
    private static final Object[] OBJECTS0 = new Object[0];
    private SphU() {}
    /**
     * 记录统计信息并执行给定资源的规则校验
     */
    public static Entry entry(String name) throws BlockException {
        return Env.sph.entry(name, EntryType.OUT, 1, OBJECTS0);
    }

用到Env类：

/**
 * Sentinel 环境，此类将触发Sentinel的所有初始化
 * 注意:为避免死锁，其他类的静态代码块或静态字段永远不要引用此类
 */
public class Env {
    public static final Sph sph = new CtSph();
    static {
        // If init fails, the process will exit.
        InitExecutor.doInit();
    }
}

进到 InitExecutor.doInit 方法：

public static void doInit() {
    if (!initialized.compareAndSet(false, true)) {
        return;
    }
    try {
        List<InitFunc> initFuncs = SpiLoader.of(InitFunc.class).loadInstanceListSorted();
        List<OrderWrapper> initList = new ArrayList<OrderWrapper>();
        for (InitFunc initFunc : initFuncs) {
            insertSorted(initList, initFunc);
        }
        for (OrderWrapper w : initList) {
            w.func.init();
        }

用 SPI 加载 InitFunc 的实现，加载了：

CommandCenterInitFunc 类：客户端启动的接口服务，提供给 dashboard 查询数据和规则设置使用
HeartbeatSenderInitFunc 类：用于客户端主动发送心跳信息给 dashboard

9.2 HeartbeatSenderInitFunc#init

@Override
public void init() {
   // 使用 SPI 机制加载 HeartbeatSender 的实现类
   // 如果添加了 sentinel-transport-simple-http 依赖，那么 SimpleHttpHeartbeatSender 就会被加载
    HeartbeatSender sender = HeartbeatSenderProvider.getHeartbeatSender();
    if (sender == null) {
        RecordLog.warn("[HeartbeatSenderInitFunc] WARN: No HeartbeatSender loaded");
        return;
    }
    initSchedulerIfNeeded();
    long interval = retrieveInterval(sender);
    setIntervalIfNotExists(interval);
   // 启动一个定时器，发送心跳信息
    scheduleHeartbeatTask(sender, interval);
}

private void scheduleHeartbeatTask(/*@NonNull*/ final HeartbeatSender sender, /*@Valid*/ long interval) {
    pool.scheduleAtFixedRate(new Runnable() {
        @Override
        public void run() {
            try {
                sender.sendHeartbeat();
            } catch (Throwable e) {
                RecordLog.warn("[HeartbeatSender] Send heartbeat error", e);
            }
        }
    }, 5000, interval, TimeUnit.MILLISECONDS);
    RecordLog.info("[HeartbeatSenderInit] HeartbeatSender started: "
        + sender.getClass().getCanonicalName());
}

定时器，以一定的间隔不断发送心跳信息到 dashboard 应用

@Spi(order = Spi.ORDER_LOWEST - 100)
public class HttpHeartbeatSender implements HeartbeatSender {
  
  @Override
  public boolean sendHeartbeat() throws Exception {
      if (StringUtil.isEmpty(consoleHost)) {
          return false;
      }
      URIBuilder uriBuilder = new URIBuilder();
      uriBuilder.setScheme(consoleProtocol.getProtocol()).setHost(consoleHost).setPort(consolePort)
          .setPath(TransportConfig.getHeartbeatApiPath())
          .setParameter("app", AppNameUtil.getAppName())
          .setParameter("app_type", String.valueOf(SentinelConfig.getAppType()))
          .setParameter("v", Constants.SENTINEL_VERSION)
          .setParameter("version", String.valueOf(System.currentTimeMillis()))
          .setParameter("hostname", HostNameUtil.getHostName())
          .setParameter("ip", TransportConfig.getHeartbeatClientIp())
          .setParameter("port", TransportConfig.getPort())
          .setParameter("pid", String.valueOf(PidUtil.getPid()));
      HttpGet request = new HttpGet(uriBuilder.build());
      request.setConfig(requestConfig);
      // Send heartbeat request.
      CloseableHttpResponse response = client.execute(request);
      response.close();
      int statusCode = response.getStatusLine().getStatusCode();
      if (statusCode == OK_STATUS) {
          return true;
      } else if (clientErrorCode(statusCode) || serverErrorCode(statusCode)) {
          RecordLog.warn("[HttpHeartbeatSender] Failed to send heartbeat to "
              + consoleHost + ":" + consolePort + ", http status code: " + statusCode);
      }
      return false;
  }

dashboard 有了这些信息，就可以对应用进行规则设置、到应用拉取数据用于页面展示等。

Sentinel 在客户端并未使用第三方 http 包，而是自己基于 JDK 的 Socket 和 ServerSocket 接口实现了简单的客户端和服务端，主要也是为了不增加依赖。

10 Sentinel秒级QPS统计问题

Sentinel 统计分、秒两维数据： 1、对于分来说，一轮是 60 秒，分为 60 个时间窗口，每个时间窗口是 1 秒 2、对于秒来说，一轮是 1 秒，分为 2 个时间窗口，每个时间窗口是 0.5 秒如果我们用上面介绍的统计分维度的 BucketLeapArray 来统计秒维度数据可以吗？不行，因为会不准确。

设想一个场景，我们的一个资源，访问的 QPS 稳定是 10，假设请求是均匀分布的，在相对时间 0.0 - 1.0 秒区间，通过了 10 个请求，我们在 1.1 秒的时候，观察到的 QPS 可能只有 5，因为此时第一个时间窗口被重置了，只有第二个时间窗口有值。

所以，我们可以知道，如果用 BucketLeapArray 来实现，会有 0~50% 的数据误差，这肯定是不能接受的。那能不能增加窗口的数量来降低误差到一个合理的范围内呢？这个大家可以思考一下，考虑一下它对于性能是否有较大的损失。

StatisticNode 源码，对于秒维度数据统计，Sentinel 使用下面的构造方法：

// 2 个时间窗口，每个窗口长度 0.5秒
public ArrayMetric(int sampleCount, int intervalInMs) {
    this.data = new OccupiableBucketLeapArray(sampleCount, intervalInMs);
}

OccupiableBucketLeapArray 的 newEmptyBucket 和 resetWindowTo 这两个方法和 BucketLeapArray 有点不一样，也就是在重置的时候，它不是直接重置成 0。

该类的 borrowArray 做了一些事，它是 FutureBucketLeapArray 的实例，该类类似BucketLeapArray，多个Future，唯一区别是重写了如下方法：

@Override
public boolean isWindowDeprecated(long time, WindowWrap<MetricBucket> windowWrap) {
    // Tricky: will only calculate for future.
    return time >= windowWrap.windowStart();
}

按此定义，调用values()时，所有的 2 个窗口都是过期的，得不到任何值。可以判断，给这数组添加值时，使用时间应该不是当前时间，而是一个未来时间点。

回到 OccupiableBucketLeapArray 类，重置使用了 borrowArray 的值：当主线到达某时间窗口，如发现当前时间窗口过期，会重置这窗口

@Override
protected WindowWrap<MetricBucket> resetWindowTo(WindowWrap<MetricBucket> w, long time) {
    // Update the start time and reset value.
    w.resetTo(time);
    MetricBucket borrowBucket = borrowArray.getWindowValue(time);
   // 检查 borrowArray 是否有值
    if (borrowBucket != null) {
        w.value().reset();
       // 如果有，将其作为这个窗口的初始值填充进来，而不是简单重置为0
        w.value().addPass((int)borrowBucket.pass());
    } else {
        w.value().reset();
    }
    return w;
}

再看 borrowArray 中的值是怎么进来的。只可能通过addWaiting设置：

@Override
public void addWaiting(long time, int acquireCount) {
    WindowWrap<MetricBucket> window = borrowArray.currentWindow(time);
    window.value().add(MetricEvent.PASS, acquireCount);
}

那就找这方法被谁调用，发现仅DefaultController类，流控中的 “快速失败” 规则控制器：

@Override
public boolean canPass(Node node, int acquireCount, boolean prioritized) {
    int curCount = avgUsedTokens(node);
    if (curCount + acquireCount > count) {
        // 只有设置了 prioritized 才会进入到下面的 if 分支，
        // 即对于一般场景，被限流就快速失败
        if (prioritized && grade == RuleConstant.FLOW_GRADE_QPS) {
            long currentTime;
            long waitInMs;
            currentTime = TimeUtil.currentTimeMillis();
            // 占有"未来的"令牌
            waitInMs = node.tryOccupyNext(currentTime, acquireCount, count);
            if (waitInMs < OccupyTimeoutProperty.getOccupyTimeout()) {
                // 设置了 borrowArray 值
                node.addWaitingRequest(currentTime + waitInMs, acquireCount);
                node.addOccupiedPass(acquireCount);
                // sleep避免 QPS 因预占而撑大
                sleep(waitInMs);
                // PriorityWaitException 代表请求将在等待waitInMs后通过
                throw new PriorityWaitException(waitInMs);
            }
        }
        return false;
    }
    return true;
}

OccupiableBucketLeapArray

Occupiable代表可被预占，结合 DefaultController 源码，可知它原来是用来满足 prioritized 类型的资源的，可认为这类请求有较高优先级。若 QPS 达到阈值，这类资源通常不能用快速失败返回，而是让它去预占未来的 QPS 容量。但这里根本没解答 QPS 咋准确计算的。

证明Sentinel秒维度QPS统计不准确

public static void main(String[] args) {
    // 下面几行代码设置了 QPS 阈值是 100
    FlowRule rule = new FlowRule("test");
    rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
    rule.setCount(100);
    rule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_DEFAULT);
    List<FlowRule> list = new ArrayList<>();
    list.add(rule);
    FlowRuleManager.loadRules(list);
    // 先通过一个请求，让 clusterNode 先建立起来
    try (Entry entry = SphU.entry("test")) {
    } catch (BlockException e) {
    }
    // 起一个线程一直打印 qps 数据
    new Thread(new Runnable() {
        @Override
        public void run() {
            while (true) {
                System.out.println(ClusterBuilderSlot.getClusterNode("test").passQps());
            }
        }
    }).start();
    while (true) {
        try (Entry entry = SphU.entry("test")) {
            Thread.sleep(5);
        } catch (BlockException e) {
            // ignore
        } catch (InterruptedException e) {
            // ignore
        }
    }
}

然后观察下输出，QPS 数据在 50~100 这个区间一直变化，印证秒级 QPS 统计极度不准确。

阿里Sentinel核心源码解析-责任链模式最佳实践