接口限流看這一篇就夠了！！！

時間 2020-03-21

標籤接口限流看這一篇夠了简体版

原文原文鏈接

導讀

前幾天和一個朋友討論了他們公司的系統問題，傳統的單體應用，集羣部署，他說近期服務的併發量可能會出現瞬時增長的風險，雖然部署了集羣，可是經過壓測後發現請求延遲仍然是很大，想問問我有什麼改進的地方。我沉思了一會，如今去改架構顯然是不可能的，因而我給出了一個建議，讓他去作個接口限流，這樣可以保證瞬時併發量飆高也不會出現請求延遲的問題，用戶的體驗度也會上去。
至於什麼是接口限流？怎麼實現接口限流？如何實現單機應用的限流？如何實現分佈式應用的限流？本篇文章將會詳細闡述。

限流的常見幾種算法

常見的限流算法有不少，可是最經常使用的算法無非如下四種。

固定窗口計數器

固定算法的概念以下

將時間劃分爲多個窗口
在每一個窗口內每有一次請求就將計數器加一
若是計數器超過了限制數量，則本窗口內全部的請求都被丟棄當時間到達下一個窗口時，計數器重置。

固定窗口計數器是最爲簡單的算法，但這個算法有時會讓經過請求量容許爲限制的兩倍。考慮以下狀況：限制 1 秒內最多經過 5 個請求，在第一個窗口的最後半秒內經過了 5 個請求，第二個窗口的前半秒內又經過了 5 個請求。這樣看來就是在 1 秒內經過了 10 個請求。

滑動窗口計數器

滑動窗口計數器算法概念以下：

將時間劃分爲多個區間；
在每一個區間內每有一次請求就將計數器加一維持一個時間窗口，佔據多個區間；
每通過一個區間的時間，則拋棄最老的一個區間，並歸入最新的一個區間；
若是當前窗口內區間的請求計數總和超過了限制數量，則本窗口內全部的請求都被丟棄。

滑動窗口計數器是經過將窗口再細分，而且按照時間 " 滑動 "，這種算法避免了固定窗口計數器帶來的雙倍突發請求，但時間區間的精度越高，算法所需的空間容量就越大。

漏桶算法

漏桶算法概念以下：

將每一個請求視做 " 水滴 " 放入 " 漏桶 " 進行存儲；
「漏桶 " 以固定速率向外 " 漏 " 出請求來執行若是 " 漏桶 " 空了則中止 " 漏水」；
若是 " 漏桶 " 滿了則多餘的 " 水滴 " 會被直接丟棄。

漏桶算法多使用隊列實現，服務的請求會存到隊列中，服務的提供方則按照固定的速率從隊列中取出請求並執行，過多的請求則放在隊列中排隊或直接拒絕。
漏桶算法的缺陷也很明顯，當短期內有大量的突發請求時，即使此時服務器沒有任何負載，每一個請求也都得在隊列中等待一段時間才能被響應。

令牌桶算法

令牌桶算法概念以下：

令牌以固定速率生成。
生成的令牌放入令牌桶中存放，若是令牌桶滿了則多餘的令牌會直接丟棄，當請求到達時，會嘗試從令牌桶中取令牌，取到了令牌的請求能夠執行。
若是桶空了，那麼嘗試取令牌的請求會被直接丟棄。

令牌桶算法既可以將全部的請求平均分佈到時間區間內，又能接受服務器可以承受範圍內的突發請求，所以是目前使用較爲普遍的一種限流算法。

單體應用實現

在傳統的單體應用中限流只須要考慮到多線程便可，使用Google開源工具類guava便可。其中有一個RateLimiter專門實現了單體應用的限流，使用的是令牌桶算法。
單體應用的限流不是本文的重點，官網上現成的API，讀者本身去看看便可，這裏再也不詳細解釋。

分佈式限流

分佈式限流和熔斷如今有不少的現成的工具，好比Hystrix，Sentinel 等，可是仍是有些企業不引用外來類庫，所以就須要本身實現。
Redis做爲單線程多路複用的特性，很顯然可以勝任這項任務。

Redis如何實現

使用令牌桶的算法實現，根據前面的介紹，咱們瞭解到令牌桶算法的基礎須要兩個個變量，分別是桶容量，產生令牌的速率。
這裏咱們實現的就是每秒產生的速率加上一個桶容量。可是如何實現呢？這裏有幾個問題。
須要保存什麼數據在redis中？java
- 當前桶的容量，最新的請求時間
以什麼數據結構存儲？
- 由於是針對接口限流，每一個接口的業務邏輯不一樣，對併發的處理也是不一樣，所以要細化到每一個接口的限流，此時咱們選用HashMap的結構，hashKey是接口的惟一id，能夠是請求的uri，裏面的分別存儲當前桶的容量和最新的請求時間。
如何計算須要放令牌？
- 根據redis保存的上次的請求時間和當前時間比較，若是相差大於的產生令牌的時間（陳某實現的是1秒）則再次產生令牌，此時的桶容量爲當前令牌+產生的令牌
如何保證redis的原子性？
- 保證redis的原子性，使用lua腳本便可解決。
有了上述的幾個問題，便能很容易的實現。redis

開擼

一、lua腳本以下：算法

local ratelimit_info = redis.pcall('HMGET',KEYS[1],'last_time','current_token')
local last_time = ratelimit_info[1]
local current_token = tonumber(ratelimit_info[2])
local max_token = tonumber(ARGV[1])
local token_rate = tonumber(ARGV[2])
local current_time = tonumber(ARGV[3])
if current_token == nil then
  current_token = max_token
  last_time = current_time
else
  local past_time = current_time-last_time
  
  if past_time>1000 then
      current_token = current_token+token_rate
      last_time = current_time
  end

  ## 防止溢出
  if current_token>max_token then
    current_token = max_token
    last_time = current_time
  end
end

local result = 0
if(current_token>0) then
  result = 1
  current_token = current_token-1
  last_time = current_time
end
redis.call('HMSET',KEYS[1],'last_time',last_time,'current_token',current_token)
return result

調用lua腳本出四個參數，分別是接口方法惟一id，桶容量，每秒產生令牌的數量，當前請求的時間戳。

二、 SpringBoot代碼實現json

採用Spring-data-redis實現lua腳本的執行。
Redis序列化配置：

/**
     * 從新注入模板
     */
    @Bean(value = "redisTemplate")
    @Primary
    public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory){
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(redisConnectionFactory);
        ObjectMapper objectMapper = new ObjectMapper();
        objectMapper.setSerializationInclusion(JsonInclude.Include.NON_NULL);
        objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        //設置序列化方式，key設置string 方式，value設置成json
        StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        jsonRedisSerializer.setObjectMapper(objectMapper);
        template.setEnableDefaultSerializer(false);
        template.setKeySerializer(stringRedisSerializer);
        template.setHashKeySerializer(stringRedisSerializer);
        template.setValueSerializer(jsonRedisSerializer);
        template.setHashValueSerializer(jsonRedisSerializer);
        return template;
    }

限流工具類

/**
 * @Description 限流工具類
 * @Author CJB
 * @Date 2020/3/19 17:21
 */
public class RedisLimiterUtils {

    private static StringRedisTemplate stringRedisTemplate=ApplicationContextUtils.applicationContext.getBean(StringRedisTemplate.class);

    /**
     * lua腳本，限流
     */
    private final static String TEXT="local ratelimit_info = redis.pcall('HMGET',KEYS[1],'last_time','current_token')\n" +
            "local last_time = ratelimit_info[1]\n" +
            "local current_token = tonumber(ratelimit_info[2])\n" +
            "local max_token = tonumber(ARGV[1])\n" +
            "local token_rate = tonumber(ARGV[2])\n" +
            "local current_time = tonumber(ARGV[3])\n" +
            "if current_token == nil then\n" +
            "  current_token = max_token\n" +
            "  last_time = current_time\n" +
            "else\n" +
            "  local past_time = current_time-last_time\n" +
            "  \n" +
            "  if past_time>1000 then\n" +
            "\t  current_token = current_token+token_rate\n" +
            "\t  last_time = current_time\n" +
            "  end\n" +
            "\n" +
            "  if current_token>max_token then\n" +
            "    current_token = max_token\n" +
            "\tlast_time = current_time\n" +
            "  end\n" +
            "end\n" +
            "\n" +
            "local result = 0\n" +
            "if(current_token>0) then\n" +
            "  result = 1\n" +
            "  current_token = current_token-1\n" +
            "  last_time = current_time\n" +
            "end\n" +
            "redis.call('HMSET',KEYS[1],'last_time',last_time,'current_token',current_token)\n" +
            "return result";


    /**
     * 獲取令牌
     * @param key 請求id
     * @param max 最大能同時承受多少的併發（桶容量）
     * @param rate  每秒生成多少的令牌
     * @return 獲取令牌返回true，沒有獲取返回false
     */
    public static boolean tryAcquire(String key, int max,int rate) {
        List<String> keyList = new ArrayList<>(1);
        keyList.add(key);
        DefaultRedisScript<Long> script = new DefaultRedisScript<>();
        script.setResultType(Long.class);
        script.setScriptText(TEXT);
        return Long.valueOf(1).equals(stringRedisTemplate.execute(script,keyList,Integer.toString(max), Integer.toString(rate),
                Long.toString(System.currentTimeMillis())));
    }
}

採用攔截器+註解的方式實現，註解以下：

/**
 * @Description 限流的註解，標註在類上或者方法上。在方法上的註解會覆蓋類上的註解，同@Transactional
 * @Author CJB
 * @Date 2020/3/20 13:36
 */
@Inherited
@Target({ElementType.TYPE, ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
public @interface RateLimit {
    /**
     * 令牌桶的容量，默認100
     * @return
     */
    int capacity() default 100;

    /**
     * 每秒鐘默認產生令牌數量，默認10個
     * @return
     */
    int rate() default 10;
}

攔截器以下：

/**
 * @Description 限流的攔器
 * @Author CJB
 * @Date 2020/3/19 14:34
 */
@Component
public class RateLimiterIntercept implements HandlerInterceptor {
    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        if (handler instanceof HandlerMethod){
            HandlerMethod handlerMethod=(HandlerMethod)handler;
            Method method = handlerMethod.getMethod();
            /**
             * 首先獲取方法上的註解
             */
            RateLimit rateLimit = AnnotationUtils.findAnnotation(method, RateLimit.class);
            //方法上沒有標註該註解，嘗試獲取類上的註解
            if (Objects.isNull(rateLimit)){
                //獲取類上的註解
                rateLimit = AnnotationUtils.findAnnotation(handlerMethod.getBean().getClass(), RateLimit.class);
            }

            //沒有標註註解，放行
            if (Objects.isNull(rateLimit))
                return true;

            //嘗試獲取令牌，若是沒有令牌了
            if (!RedisLimiterUtils.tryAcquire(request.getRequestURI(),rateLimit.capacity(),rateLimit.rate())){
                //拋出請求超時的異常
                throw new  TimeOutException();
            }
        }
        return true;
    }
}

SpringBoot配置攔截器的代碼就不貼了，以上就是完整的代碼，至此分佈式限流就完成了。服務器
若是以爲做者寫的好，有所收穫的話，點個關注推薦一下喲！！！
數據結構

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。