小編這次要給大家分享的是如何實(shí)現(xiàn)springboot+aop+Lua分布式限流,文章內(nèi)容豐富,感興趣的小伙伴可以來了解一下,希望大家閱讀完這篇文章之后能夠有所收獲。
曲沃網(wǎng)站制作公司哪家好,找成都創(chuàng)新互聯(lián)!從網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站開發(fā)等網(wǎng)站項(xiàng)目制作,到程序開發(fā),運(yùn)營(yíng)維護(hù)。成都創(chuàng)新互聯(lián)自2013年創(chuàng)立以來到現(xiàn)在10年的時(shí)間,我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn),來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選成都創(chuàng)新互聯(lián)。
一、什么是限流?為什么要限流?
不知道大家有沒有做過帝都的地鐵,就是進(jìn)地鐵站都要排隊(duì)的那種,為什么要這樣擺長(zhǎng)龍轉(zhuǎn)圈圈?答案就是為了限流
!因?yàn)橐惶说罔F的運(yùn)力是有限的,一下擠進(jìn)去太多人會(huì)造成站臺(tái)的擁擠、列車的超載,存在一定的安全隱患。同理,我們的程序也是一樣,它處理請(qǐng)求的能力也是有限的,一旦請(qǐng)求多到超出它的處理極限就會(huì)崩潰。為了不出現(xiàn)最壞的崩潰情況,只能耽誤一下大家進(jìn)站的時(shí)間。
限流是保證系統(tǒng)高可用的重要手段?。?!
由于互聯(lián)網(wǎng)公司的流量巨大,系統(tǒng)上線會(huì)做一個(gè)流量峰值的評(píng)估,尤其是像各種秒殺促銷活動(dòng),為了保證系統(tǒng)不被巨大的流量壓垮,會(huì)在系統(tǒng)流量到達(dá)一定閾值時(shí),拒絕掉一部分流量。
限流會(huì)導(dǎo)致用戶在短時(shí)間內(nèi)(這個(gè)時(shí)間段是毫秒級(jí)的)系統(tǒng)不可用,一般我們衡量系統(tǒng)處理能力的指標(biāo)是每秒的QPS
或者TPS
,假設(shè)系統(tǒng)每秒的流量閾值是1000,理論上一秒內(nèi)有第1001個(gè)請(qǐng)求進(jìn)來時(shí),那么這個(gè)請(qǐng)求就會(huì)被限流。
二、限流方案
1、計(jì)數(shù)器
Java內(nèi)部也可以通過原子類計(jì)數(shù)器AtomicInteger
、Semaphore
信號(hào)量來做簡(jiǎn)單的限流。
// 限流的個(gè)數(shù) private int maxCount = 10; // 指定的時(shí)間內(nèi) private long interval = 60; // 原子類計(jì)數(shù)器 private AtomicInteger atomicInteger = new AtomicInteger(0); // 起始時(shí)間 private long startTime = System.currentTimeMillis(); public boolean limit(int maxCount, int interval) { atomicInteger.addAndGet(1); if (atomicInteger.get() == 1) { startTime = System.currentTimeMillis(); atomicInteger.addAndGet(1); return true; } // 超過了間隔時(shí)間,直接重新開始計(jì)數(shù) if (System.currentTimeMillis() - startTime > interval * 1000) { startTime = System.currentTimeMillis(); atomicInteger.set(1); return true; } // 還在間隔時(shí)間內(nèi),check有沒有超過限流的個(gè)數(shù) if (atomicInteger.get() > maxCount) { return false; } return true; }
2、漏桶算法
漏桶算法思路很簡(jiǎn)單,我們把水比作是請(qǐng)求
,漏桶比作是系統(tǒng)處理能力極限
,水先進(jìn)入到漏桶里,漏桶里的水按一定速率流出,當(dāng)流出的速率小于流入的速率時(shí),由于漏桶容量有限,后續(xù)進(jìn)入的水直接溢出(拒絕請(qǐng)求),以此實(shí)現(xiàn)限流。
3、令牌桶算法
令牌桶算法的原理也比較簡(jiǎn)單,我們可以理解成醫(yī)院的掛號(hào)看病,只有拿到號(hào)以后才可以進(jìn)行診病。
系統(tǒng)會(huì)維護(hù)一個(gè)令牌(token
)桶,以一個(gè)恒定的速度往桶里放入令牌(token
),這時(shí)如果有請(qǐng)求進(jìn)來想要被處理,則需要先從桶里獲取一個(gè)令牌(token
),當(dāng)桶里沒有令牌(token
)可取時(shí),則該請(qǐng)求將被拒絕服務(wù)。令牌桶算法通過控制桶的容量、發(fā)放令牌的速率,來達(dá)到對(duì)請(qǐng)求的限制。
4、redis + Lua
很多同學(xué)不知道Lua
是啥?個(gè)人理解,Lua
腳本和 MySQL
數(shù)據(jù)庫(kù)的存儲(chǔ)過程比較相似,他們執(zhí)行一組命令,所有命令的執(zhí)行要么全部成功或者失敗,以此達(dá)到原子性。也可以把Lua
腳本理解為,一段具有業(yè)務(wù)邏輯的代碼塊。
而Lua
本身就是一種編程語(yǔ)言,雖然redis
官方?jīng)]有直接提供限流相應(yīng)的API
,但卻支持了 Lua
腳本的功能,可以使用它實(shí)現(xiàn)復(fù)雜的令牌桶或漏桶算法,也是分布式系統(tǒng)中實(shí)現(xiàn)限流的主要方式之一。
相比Redis
事務(wù),Lua腳本
的優(yōu)點(diǎn):
Lua
腳本大致邏輯如下:
-- 獲取調(diào)用腳本時(shí)傳入的第一個(gè)key值(用作限流的 key) local key = KEYS[1] -- 獲取調(diào)用腳本時(shí)傳入的第一個(gè)參數(shù)值(限流大?。? local limit = tonumber(ARGV[1]) -- 獲取當(dāng)前流量大小 local curentLimit = tonumber(redis.call('get', key) or "0") -- 是否超出限流 if curentLimit + 1 > limit then -- 返回(拒絕) return 0 else -- 沒有超出 value + 1 redis.call("INCRBY", key, 1) -- 設(shè)置過期時(shí)間 redis.call("EXPIRE", key, 2) -- 返回(放行) return 1 end
這種方式是本文推薦的方案,具體實(shí)現(xiàn)會(huì)在后邊做細(xì)說。
5、網(wǎng)關(guān)層限流
限流常在網(wǎng)關(guān)這一層做,比如Nginx
、Openresty
、kong
、zuul
、Spring Cloud Gateway
等,而像spring cloud - gateway
網(wǎng)關(guān)限流底層實(shí)現(xiàn)原理,就是基于Redis + Lua
,通過內(nèi)置Lua
限流腳本的方式。
三、Redis + Lua 限流實(shí)現(xiàn)
下面我們通過自定義注解
、aop
、Redis + Lua
實(shí)現(xiàn)限流,步驟會(huì)比較詳細(xì),為了小白能讓快速上手這里啰嗦一點(diǎn),有經(jīng)驗(yàn)的老鳥們多擔(dān)待一下。
1、環(huán)境準(zhǔn)備
springboot
項(xiàng)目創(chuàng)建地址:https://start.spring.io,很方便實(shí)用的一個(gè)工具。
2、引入依賴包
pom文件中添加如下依賴包,比較關(guān)鍵的就是 spring-boot-starter-data-redis
和 spring-boot-starter-aop
。
org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-starter-data-redis org.springframework.boot spring-boot-starter-aop com.google.guava guava 21.0 org.springframework.boot spring-boot-starter-test org.apache.commons commons-lang3 org.springframework.boot spring-boot-starter-test test org.junit.vintage junit-vintage-engine
3、配置application.properties
在 application.properties
文件中配置提前搭建好的 redis
服務(wù)地址和端口。
spring.redis.host=127.0.0.1 spring.redis.port=6379
4、配置RedisTemplate實(shí)例
@Configuration public class RedisLimiterHelper { @Bean public RedisTemplatelimitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) { RedisTemplate template = new RedisTemplate<>(); template.setKeySerializer(new StringRedisSerializer()); template.setValueSerializer(new GenericJackson2JsonRedisSerializer()); template.setConnectionFactory(redisConnectionFactory); return template; } }
限流類型枚舉類
/** * @author fu * @description 限流類型 * @date 2020/4/8 13:47 */ public enum LimitType { /** * 自定義key */ CUSTOMER, /** * 請(qǐng)求者IP */ IP; }
5、自定義注解
我們自定義個(gè)@Limit
注解,注解類型為ElementType.METHOD
即作用于方法上。
period
表示請(qǐng)求限制時(shí)間段,count
表示在period
這個(gè)時(shí)間段內(nèi)允許放行請(qǐng)求的次數(shù)。limitType
代表限流的類型,可以根據(jù)請(qǐng)求的IP
、自定義key
,如果不傳limitType
屬性則默認(rèn)用方法名作為默認(rèn)key。
/** * @author fu * @description 自定義限流注解 * @date 2020/4/8 13:15 */ @Target({ElementType.METHOD, ElementType.TYPE}) @Retention(RetentionPolicy.RUNTIME) @Inherited @Documented public @interface Limit { /** * 名字 */ String name() default ""; /** * key */ String key() default ""; /** * Key的前綴 */ String prefix() default ""; /** * 給定的時(shí)間范圍 單位(秒) */ int period(); /** * 一定時(shí)間內(nèi)最多訪問次數(shù) */ int count(); /** * 限流的類型(用戶自定義key 或者 請(qǐng)求ip) */ LimitType limitType() default LimitType.CUSTOMER; }
6、切面代碼實(shí)現(xiàn)
/** * @author fu * @description 限流切面實(shí)現(xiàn) * @date 2020/4/8 13:04 */ @Aspect @Configuration public class LimitInterceptor { private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class); private static final String UNKNOWN = "unknown"; private final RedisTemplatelimitRedisTemplate; @Autowired public LimitInterceptor(RedisTemplate limitRedisTemplate) { this.limitRedisTemplate = limitRedisTemplate; } /** * @param pjp * @author fu * @description 切面 * @date 2020/4/8 13:04 */ @Around("execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)") public Object interceptor(ProceedingJoinPoint pjp) { MethodSignature signature = (MethodSignature) pjp.getSignature(); Method method = signature.getMethod(); Limit limitAnnotation = method.getAnnotation(Limit.class); LimitType limitType = limitAnnotation.limitType(); String name = limitAnnotation.name(); String key; int limitPeriod = limitAnnotation.period(); int limitCount = limitAnnotation.count(); /** * 根據(jù)限流類型獲取不同的key ,如果不傳我們會(huì)以方法名作為key */ switch (limitType) { case IP: key = getIpAddress(); break; case CUSTOMER: key = limitAnnotation.key(); break; default: key = StringUtils.upperCase(method.getName()); } ImmutableList keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(), key)); try { String luaScript = buildLuaScript(); RedisScript redisScript = new DefaultRedisScript<>(luaScript, Number.class); Number count = limitRedisTemplate.execute(redisScript, keys, limitCount, limitPeriod); logger.info("Access try count is {} for name={} and key = {}", count, name, key); if (count != null && count.intValue() <= limitCount) { return pjp.proceed(); } else { throw new RuntimeException("You have been dragged into the blacklist"); } } catch (Throwable e) { if (e instanceof RuntimeException) { throw new RuntimeException(e.getLocalizedMessage()); } throw new RuntimeException("server exception"); } } /** * @author fu * @description 編寫 redis Lua 限流腳本 * @date 2020/4/8 13:24 */ public String buildLuaScript() { StringBuilder lua = new StringBuilder(); lua.append("local c"); lua.append("\nc = redis.call('get',KEYS[1])"); // 調(diào)用不超過最大值,則直接返回 lua.append("\nif c and tonumber(c) > tonumber(ARGV[1]) then"); lua.append("\nreturn c;"); lua.append("\nend"); // 執(zhí)行計(jì)算器自加 lua.append("\nc = redis.call('incr',KEYS[1])"); lua.append("\nif tonumber(c) == 1 then"); // 從第一次調(diào)用開始限流,設(shè)置對(duì)應(yīng)鍵值的過期 lua.append("\nredis.call('expire',KEYS[1],ARGV[2])"); lua.append("\nend"); lua.append("\nreturn c;"); return lua.toString(); } /** * @author fu * @description 獲取id地址 * @date 2020/4/8 13:24 */ public String getIpAddress() { HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); String ip = request.getHeader("x-forwarded-for"); if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader("Proxy-Client-IP"); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader("WL-Proxy-Client-IP"); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getRemoteAddr(); } return ip; } }
7、控制層實(shí)現(xiàn)
我們將@Limit
注解作用在需要進(jìn)行限流的接口方法上,下邊我們給方法設(shè)置@Limit
注解,在10秒
內(nèi)只允許放行3個(gè)
請(qǐng)求,這里為直觀一點(diǎn)用AtomicInteger
計(jì)數(shù)。
/** * @Author: fu * @Description: */ @RestController public class LimiterController { private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger(); /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "limitTest", period = 10, count = 3) @GetMapping("/limitTest1") public int testLimiter1() { return ATOMIC_INTEGER_1.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "customer_limit_test", period = 10, count = 3, limitType = LimitType.CUSTOMER) @GetMapping("/limitTest2") public int testLimiter2() { return ATOMIC_INTEGER_2.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "ip_limit_test", period = 10, count = 3, limitType = LimitType.IP) @GetMapping("/limitTest3") public int testLimiter3() { return ATOMIC_INTEGER_3.incrementAndGet(); } }
8、測(cè)試
測(cè)試預(yù)期:連續(xù)請(qǐng)求3次均可以成功,第4次請(qǐng)求被拒絕。接下來看一下是不是我們預(yù)期的效果,請(qǐng)求地址:http://127.0.0.1:8080/limitTest1
,用postman
進(jìn)行測(cè)試,有沒有postman
url直接貼瀏覽器也是一樣。
可以看到第四次請(qǐng)求時(shí),應(yīng)用直接拒絕了請(qǐng)求,說明我們的 Springboot + aop + lua 限流方案搭建成功。
看完這篇關(guān)于如何實(shí)現(xiàn)springboot+aop+Lua分布式限流的文章,如果覺得文章內(nèi)容寫得不錯(cuò)的話,可以把它分享出去給更多人看到。