帶你瞭解什麼是限流

時間 2019-11-06

標籤瞭解什麼限流简体版

原文原文鏈接

前言

只有光頭才能變強。java

文本已收錄至個人GitHub倉庫，歡迎Star：github.com/ZhongFuChen…git

以前在學習的時候也接觸不到高併發/大流量這種東西，因此限流固然是沒接觸過的了。在看公司項目的時候，發現有用到限流(RateLimiter)，順帶了解一波。github

1、限流基礎知識介紹

爲啥要限流，相信就不用我多說了。redis

好比，我週末去飯店吃飯，可是人太多了，我只能去前臺拿個號，等號碼到個人時候才能進飯店吃飯。若是飯店沒有限流怎麼辦？一到飯點，人都往裏衝，而飯店又處理不了這麼多人流，很容易就出事故（飯店塞滿了人，無路可走。飯店的工做人員崩潰了，處理不過來)
回到代碼世界上也是同樣的，服務器能處理的請求數有限，若是請求量特別大，咱們須要作限流（要麼就讓請求等待，要麼就把請求給扔了）

在代碼世界上，限流有兩種比較常見的算法：算法

令牌桶算法
漏桶算法

1.1 什麼是漏桶算法

好比，如今我有一個桶子，綠色那塊是我能裝水的容量，若是超過我能裝下的容量，再往桶子裏邊倒水，就會溢出來（限流）：segmentfault

咱們目前能夠知道的是：服務器

桶子的容量是固定的（是圖上綠色那塊）
超出了桶子的容量就會溢出（要麼等待，要麼直接丟棄）

OK，如今咱們在桶子裏挖個洞，讓水能夠從洞子裏邊流出來：網絡

桶子的洞口的大小是固定的，因此水從洞口流出來的速率也是固定的。併發

因此總結下來算法所需的參數就兩個：分佈式

桶子的容量
漏水的速率

漏桶算法有兩種實現：

不容許突發流量的狀況：若是進水的速率大於出水的速率，直接捨棄掉多餘的水。好比，個人桶子容量能裝100L，但個人桶子出水速率是10L/s。此時，若是如今有100L/s的水進來，我只讓10L的水進到桶子，其他的都限流。（限定了請求的速度）
容許必定的突發流量狀況：個人桶子能裝100L，若是如今個人桶子是空的，那麼這100L的水都能進個人桶子。我以10L/s的速率將這些水流出，若是還有100L的水進來，只能限流了。

通過上面的分析咱們就知道：

漏桶算法能夠平滑網絡上的突發流量(由於漏水的速率是固定的)

1.2 什麼是令牌桶算法

如今我有另一個桶子，這個桶子不用來裝水，用來裝令牌：

令牌會必定的速率扔進桶子裏邊，好比我1秒扔10個令牌進桶子：

桶子能裝令牌的個數有上限的，好比個人桶子最多隻能裝1000個令牌。

每一個請求進來，就會去桶子拿一個令牌

好比這秒我有1001個請求，我就去桶子裏邊拿1001個令牌，此時可能會出現兩種狀況：
- 桶子裏邊沒有1001個令牌，只有1000個，那沒拿到令牌的請求只能被阻塞了（等待）
- 桶子裏邊有1001個令牌，全部請求均可以執行。

令牌桶算法支持網絡上的突發流量

**漏桶和令牌桶的區別：**從上面的例子估計你們也能看出來了，漏桶只能以固定的速率去處理請求，而令牌桶能夠以桶子最大的令牌數去處理請求

2、RateLimiter使用

RateLimiter是Guava的一個限流組件，我這邊的系統就有用到這個限流組件，使用起來十分方便。

引入pom依賴：

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>20.0</version>
</dependency>
複製代碼

RateLimiter它是基於令牌桶算法的，API很是簡單，看如下的Demo:

public static void main(String[] args) {
        //線程池
        ExecutorService exec = Executors.newCachedThreadPool();
        //速率是每秒只有3個許可
        final RateLimiter rateLimiter = RateLimiter.create(3.0);

        for (int i = 0; i < 100; i++) {
            final int no = i;
            Runnable runnable = new Runnable() {
                @Override
                public void run() {
                    try {
                        //獲取許可
                        rateLimiter.acquire();
                        System.out.println("Accessing: " + no + ",time:"
                                + new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date()));

                    } catch (Exception e) {
                        e.printStackTrace();
                    }

                }
            };
            //執行線程
            exec.execute(runnable);
        }
        //退出線程池
        exec.shutdown();
    }
複製代碼

咱們能夠從結果看出，每秒只能執行三個：

3、分佈式限流

RateLimiter是一個單機的限流組件，若是是分佈式應用的話，該怎麼作？

可使用Redis+Lua的方式來實現，大體的lua腳本代碼以下：

local key = "rate.limit:" .. KEYS[1] --限流KEY
local limit = tonumber(ARGV[1])        --限流大小
local current = tonumber(redis.call('get', key) or "0")
if current + 1 > limit then --若是超出限流大小
  return 0
else  --請求數+1，並設置1秒過時
  redis.call("INCRBY", key,"1")
   redis.call("expire", key,"1")
   return current + 1
end
複製代碼

Java代碼以下：

public static boolean accquire() throws IOException, URISyntaxException {
    Jedis jedis = new Jedis("127.0.0.1");
    File luaFile = new File(RedisLimitRateWithLUA.class.getResource("/").toURI().getPath() + "limit.lua");
    String luaScript = FileUtils.readFileToString(luaFile);

    String key = "ip:" + System.currentTimeMillis()/1000; // 當前秒
    String limit = "5"; // 最大限制
    List<String> keys = new ArrayList<String>();
    keys.add(key);
    List<String> args = new ArrayList<String>();
    args.add(limit);
    Long result = (Long)(jedis.eval(luaScript, keys, args)); // 執行lua腳本，傳入參數
    return result == 1;
}
複製代碼