一、限流的作用

專注于為中小企業(yè)提供做網(wǎng)站、網(wǎng)站制作服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)雨花免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了上1000家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

由于API接口無法控制調(diào)用方的行為，因此當(dāng)遇到瞬時(shí)請(qǐng)求量激增時(shí)，會(huì)導(dǎo)致接口占用過多服務(wù)器資源，使得其他請(qǐng)求響應(yīng)速度降低或是超時(shí)，更有甚者可能導(dǎo)致服務(wù)器宕機(jī)。

限流(Rate limiting)指對(duì)應(yīng)用服務(wù)的請(qǐng)求進(jìn)行限制，例如某一接口的請(qǐng)求限制為100個(gè)每秒,對(duì)超過限制的請(qǐng)求則進(jìn)行快速失敗或丟棄。

限流可以應(yīng)對(duì)：

• 熱點(diǎn)業(yè)務(wù)帶來的突發(fā)請(qǐng)求；

• 調(diào)用方bug導(dǎo)致的突發(fā)請(qǐng)求；

• 惡意gonji請(qǐng)求。

因此，對(duì)于公開的接口最好采取限流措施。

二、為什么要分布式限流

當(dāng)應(yīng)用為單點(diǎn)應(yīng)用時(shí)，只要應(yīng)用進(jìn)行了限流，那么應(yīng)用所依賴的各種服務(wù)也都得到了保護(hù)。

但線上業(yè)務(wù)出于各種原因考慮，多是分布式系統(tǒng)，單節(jié)點(diǎn)的限流僅能保護(hù)自身節(jié)點(diǎn)，但無法保護(hù)應(yīng)用依賴的各種服務(wù)，并且在進(jìn)行節(jié)點(diǎn)擴(kuò)容、縮容時(shí)也無法準(zhǔn)確控制整個(gè)服務(wù)的請(qǐng)求限制。

而如果實(shí)現(xiàn)了分布式限流，那么就可以方便地控制整個(gè)服務(wù)集群的請(qǐng)求限制，且由于整個(gè)集群的請(qǐng)求數(shù)量得到了限制，因此服務(wù)依賴的各種資源也得到了限流的保護(hù)。

三、限流的算法

實(shí)現(xiàn)限流有很多辦法，在程序中時(shí)通常是根據(jù)每秒處理的事務(wù)數(shù)(Transaction per second)來衡量接口的流量。

本文介紹幾種最常用的限流算法：

• 固定窗口計(jì)數(shù)器；

• 滑動(dòng)窗口計(jì)數(shù)器；

• 漏桶；

• 令牌桶。

1、固定窗口計(jì)數(shù)器算法

固定窗口計(jì)數(shù)器算法概念如下：

• 將時(shí)間劃分為多個(gè)窗口；

• 在每個(gè)窗口內(nèi)每有一次請(qǐng)求就將計(jì)數(shù)器加一；

• 如果計(jì)數(shù)器超過了限制數(shù)量，則本窗口內(nèi)所有的請(qǐng)求都被丟棄當(dāng)時(shí)間到達(dá)下一個(gè)窗口時(shí)，計(jì)數(shù)器重置。

固定窗口計(jì)數(shù)器是最為簡單的算法，但這個(gè)算法有時(shí)會(huì)讓通過請(qǐng)求量允許為限制的兩倍?？紤]如下情況：限制1秒內(nèi)最多通過5個(gè)請(qǐng)求，在第一個(gè)窗口的最后半秒內(nèi)通過了5個(gè)請(qǐng)求，第二個(gè)窗口的前半秒內(nèi)又通過了5個(gè)請(qǐng)求。這樣看來就是在1秒內(nèi)通過了10個(gè)請(qǐng)求。

2、滑動(dòng)窗口計(jì)數(shù)器算法

滑動(dòng)窗口計(jì)數(shù)器算法概念如下：

• 將時(shí)間劃分為多個(gè)區(qū)間；

• 在每個(gè)區(qū)間內(nèi)每有一次請(qǐng)求就將計(jì)數(shù)器加一維持一個(gè)時(shí)間窗口，占據(jù)多個(gè)區(qū)間；

• 每經(jīng)過一個(gè)區(qū)間的時(shí)間，則拋棄最老的一個(gè)區(qū)間，并納入最新的一個(gè)區(qū)間；

• 如果當(dāng)前窗口內(nèi)區(qū)間的請(qǐng)求計(jì)數(shù)總和超過了限制數(shù)量，則本窗口內(nèi)所有的請(qǐng)求都被丟棄。

滑動(dòng)窗口計(jì)數(shù)器是通過將窗口再細(xì)分，并且按照時(shí)間"滑動(dòng)"，這種算法避免了固定窗口計(jì)數(shù)器帶來的雙倍突發(fā)請(qǐng)求，但時(shí)間區(qū)間的精度越高，算法所需的空間容量就越大。

3、漏桶算法

漏桶算法概念如下：

• 將每個(gè)請(qǐng)求視作"水滴"放入"漏桶"進(jìn)行存儲(chǔ)；

• "漏桶"以固定速率向外"漏"出請(qǐng)求來執(zhí)行如果"漏桶"空了則停止"漏水"；

• 如果"漏桶"滿了則多余的"水滴"會(huì)被直接丟棄。

漏桶算法多使用隊(duì)列實(shí)現(xiàn)，服務(wù)的請(qǐng)求會(huì)存到隊(duì)列中，服務(wù)的提供方則按照固定的速率從隊(duì)列中取出請(qǐng)求并執(zhí)行，過多的請(qǐng)求則放在隊(duì)列中排隊(duì)或直接拒絕。

漏桶算法的缺陷也很明顯，當(dāng)短時(shí)間內(nèi)有大量的突發(fā)請(qǐng)求時(shí)，即便此時(shí)服務(wù)器沒有任何負(fù)載，每個(gè)請(qǐng)求也都得在隊(duì)列中等待一段時(shí)間才能被響應(yīng)。

4、令牌桶算法

令牌桶算法概念如下：

• 令牌以固定速率生成；

• 生成的令牌放入令牌桶中存放，如果令牌桶滿了則多余的令牌會(huì)直接丟棄，當(dāng)請(qǐng)求到達(dá)時(shí)，會(huì)嘗試從令牌桶中取令牌，取到了令牌的請(qǐng)求可以執(zhí)行；

• 如果桶空了，那么嘗試取令牌的請(qǐng)求會(huì)被直接丟棄。

令牌桶算法既能夠?qū)⑺械恼?qǐng)求平均分布到時(shí)間區(qū)間內(nèi)，又能接受服務(wù)器能夠承受范圍內(nèi)的突發(fā)請(qǐng)求，因此是目前使用較為廣泛的一種限流算法。

四、代碼實(shí)現(xiàn)

作為如此重要的功能，在Java中自然有很多實(shí)現(xiàn)限流的類庫，例如Google的開源項(xiàng)目guava提供了RateLimiter類，實(shí)現(xiàn)了單點(diǎn)的令牌桶限流。

而分布式限流常用的則有Hystrix、resilience4j、Sentinel等框架，但這些框架都需引入第三方的類庫，對(duì)于國企等一些保守的企業(yè)，引入外部類庫都需要經(jīng)過層層審批，較為麻煩。

分布式限流本質(zhì)上是一個(gè)集群并發(fā)問題，而redis作為一個(gè)應(yīng)用廣泛的中間件，又擁有單進(jìn)程單線程的特性，天然可以解決分布式集群的并發(fā)問題。本文簡單介紹一個(gè)通過Redis實(shí)現(xiàn)單次請(qǐng)求判斷限流的功能。

1、腳本編寫

經(jīng)過上面的對(duì)比，最適合的限流算法就是令牌桶算法。而為實(shí)現(xiàn)限流算法，需要反復(fù)調(diào)用Redis查詢與計(jì)算，一次限流判斷需要多次請(qǐng)求較為耗時(shí)。因此我們采用編寫Lua腳本運(yùn)行的方式，將運(yùn)算過程放在Redis端，使得對(duì)Redis進(jìn)行一次請(qǐng)求就能完成限流的判斷。

令牌桶算法需要在Redis中存儲(chǔ)桶的大小、當(dāng)前令牌數(shù)量，并且實(shí)現(xiàn)每隔一段時(shí)間添加新的令牌。最簡單的辦法當(dāng)然是每隔一段時(shí)間請(qǐng)求一次Redis，將存儲(chǔ)的令牌數(shù)量遞增。

但實(shí)際上我們可以通過對(duì)限流兩次請(qǐng)求之間的時(shí)間和令牌添加速度來計(jì)算得出上次請(qǐng)求之后到本次請(qǐng)求時(shí)，令牌桶應(yīng)添加的令牌數(shù)量。因此我們?cè)赗edis中只需要存儲(chǔ)上次請(qǐng)求的時(shí)間和令牌桶中的令牌數(shù)量，而桶的大小和令牌的添加速度可以通過參數(shù)傳入實(shí)現(xiàn)動(dòng)態(tài)修改。

由于第一次運(yùn)行腳本時(shí)默認(rèn)令牌桶是滿的，因此可以將數(shù)據(jù)的過期時(shí)間設(shè)置為令牌桶恢復(fù)到滿所需的時(shí)間，及時(shí)釋放資源。

編寫完成的Lua腳本如下：

2、執(zhí)行限流

這里使用Spring Data Redis來進(jìn)行Redis腳本的調(diào)用。

編寫Redis腳本類:

通過RedisTemplate對(duì)象執(zhí)行腳本：

rateLimit方法傳入的key為限流接口的ID，max為令牌桶的最大大小，rate為每秒鐘恢復(fù)的令牌數(shù)量，返回的boolean即為此次請(qǐng)求是否通過了限流。為了測試Redis腳本限流是否可以正常工作，我們編寫一個(gè)單元測試進(jìn)行測試看看。

設(shè)置令牌桶大小為10，令牌桶每秒恢復(fù)10個(gè)，啟動(dòng)10個(gè)線程在短時(shí)間內(nèi)進(jìn)行30次請(qǐng)求，并輸出每次限流查詢的結(jié)果。日志輸出：

可以看到，在0.1秒內(nèi)請(qǐng)求的30次請(qǐng)求中，除了初始的10個(gè)令牌以及隨時(shí)間恢復(fù)的1個(gè)令牌外，剩下19個(gè)沒有取得令牌的請(qǐng)求均返回了false，限流腳本正確的將超過限制的請(qǐng)求給判斷出來了，業(yè)務(wù)中此時(shí)就可以直接返回系統(tǒng)繁忙或接口請(qǐng)求太過頻繁等提示。

3、開發(fā)中遇到的問題

1）Lua變量格式

Lua中的String和Number需要通過tonumber()和tostring()進(jìn)行轉(zhuǎn)換。

2）Redis入?yún)?/p>

Redis的pexpire等命令不支持小數(shù)，但Lua的Number類型可以存放小數(shù)，因此Number類型傳遞給 Redis時(shí)最好通過math.ceil()等方式轉(zhuǎn)換以避免存在小數(shù)導(dǎo)致命令失敗。

3）Time命令

由于Redis在集群下是通過復(fù)制腳本及參數(shù)到所有節(jié)點(diǎn)上，因此無法在具有不確定性的命令后面執(zhí)行寫入命令，因此只能請(qǐng)求時(shí)傳入時(shí)間而無法使用Redis的Time命令獲取時(shí)間。

3.2版本之后的Redis腳本支持redis.replicate_commands()，可以改為使用Time命令獲取當(dāng)前時(shí)間。

4）潛在的隱患

由于此Lua腳本是通過請(qǐng)求時(shí)傳入的時(shí)間做計(jì)算，因此務(wù)必保證分布式節(jié)點(diǎn)上獲取的時(shí)間同步，如果時(shí)間不同步會(huì)導(dǎo)致限流無法正常運(yùn)作。

歡迎工作一到五年的Java工程師朋友們加入我的個(gè)人粉絲群Java填坑之路：659655594群內(nèi)提供免費(fèi)的Java架構(gòu)學(xué)習(xí)資料（里面有高可用、高并發(fā)、高性能及分布式、Jvm性能調(diào)優(yōu)、Spring源碼，MyBatis，Netty,Redis,Kafka,MySQL,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多個(gè)知識(shí)點(diǎn)的架構(gòu)資料）

合理利用自己每一分每一秒的時(shí)間來學(xué)習(xí)提升自己，不要再用"沒有時(shí)間“來掩飾自己思想上的懶惰！趁年輕，使勁拼，給未來的自己一個(gè)交代！