Go 分布式令牌桶限流 + 兜底策略
作者:万俊峰Kevin
- 2022 年 1 月 12 日
本文字数:3009 字
阅读完需:约 10 分钟

上篇文章提到固定时间窗口限流无法处理突然请求洪峰情况,本文讲述的令牌桶线路算法则可以比较好的处理此场景。
工作原理
单位时间按照一定速率匀速的生产 token 放入桶内,直到达到桶容量上限。
处理请求,每次尝试获取一个或多个令牌,如果拿到则处理请求,失败则拒绝请求。
优缺点
优点
可以有效处理瞬间的突发流量,桶内存量 token 即可作为流量缓冲区平滑处理突发流量。
缺点
实现较为复杂。
代码实现
core/limit/tokenlimit.go
分布式环境下考虑使用 redis 作为桶和令牌的存储容器,采用 lua 脚本实现整个算法流程。
redis lua 脚本
-- 每秒生成token数量即token生成速度local rate = tonumber(ARGV[1])-- 桶容量local capacity = tonumber(ARGV[2])-- 当前时间戳local now = tonumber(ARGV[3])-- 当前请求token数量local requested = tonumber(ARGV[4])-- 需要多少秒才能填满桶local fill_time = capacity/rate-- 向下取整,ttl为填满时间的2倍local ttl = math.floor(fill_time*2)-- 当前时间桶容量local last_tokens = tonumber(redis.call("get", KEYS[1]))-- 如果当前桶容量为0,说明是第一次进入,则默认容量为桶的最大容量if last_tokens == nil thenlast_tokens = capacityend-- 上一次刷新的时间local last_refreshed = tonumber(redis.call("get", KEYS[2]))-- 第一次进入则设置刷新时间为0if last_refreshed == nil thenlast_refreshed = 0end-- 距离上次请求的时间跨度local delta = math.max(0, now-last_refreshed)-- 距离上次请求的时间跨度,总共能生产token的数量,如果超多最大容量则丢弃多余的tokenlocal filled_tokens = math.min(capacity, last_tokens+(delta*rate))-- 本次请求token数量是否足够local allowed = filled_tokens >= requested-- 桶剩余数量local new_tokens = filled_tokens-- 允许本次token申请,计算剩余数量if allowed thennew_tokens = filled_tokens - requestedend-- 设置剩余token数量redis.call("setex", KEYS[1], ttl, new_tokens)-- 设置刷新时间redis.call("setex", KEYS[2], ttl, now)
return allowed复制代码
令牌桶限流器定义
type TokenLimiter struct { // 每秒生产速率 rate int // 桶容量 burst int // 存储容器 store *redis.Redis // redis key tokenKey string // 桶刷新时间key timestampKey string // lock rescueLock sync.Mutex // redis健康标识 redisAlive uint32 // redis故障时采用进程内 令牌桶限流器 rescueLimiter *xrate.Limiter // redis监控探测任务标识 monitorStarted bool}
func NewTokenLimiter(rate, burst int, store *redis.Redis, key string) *TokenLimiter { tokenKey := fmt.Sprintf(tokenFormat, key) timestampKey := fmt.Sprintf(timestampFormat, key)
return &TokenLimiter{ rate: rate, burst: burst, store: store, tokenKey: tokenKey, timestampKey: timestampKey, redisAlive: 1, rescueLimiter: xrate.NewLimiter(xrate.Every(time.Second/time.Duration(rate)), burst), }}复制代码
获取令牌
func (lim *TokenLimiter) reserveN(now time.Time, n int) bool { // 判断redis是否健康 // redis故障时采用进程内限流器 // 兜底保障 if atomic.LoadUint32(&lim.redisAlive) == 0 { return lim.rescueLimiter.AllowN(now, n) } // 执行脚本获取令牌 resp, err := lim.store.Eval( script, []string{ lim.tokenKey, lim.timestampKey, }, []string{ strconv.Itoa(lim.rate), strconv.Itoa(lim.burst), strconv.FormatInt(now.Unix(), 10), strconv.Itoa(n), }) // redis allowed == false // Lua boolean false -> r Nil bulk reply // 特殊处理key不存在的情况 if err == redis.Nil { return false } else if err != nil { logx.Errorf("fail to use rate limiter: %s, use in-process limiter for rescue", err) // 执行异常,开启redis健康探测任务 // 同时采用进程内限流器作为兜底 lim.startMonitor() return lim.rescueLimiter.AllowN(now, n) }
code, ok := resp.(int64) if !ok { logx.Errorf("fail to eval redis script: %v, use in-process limiter for rescue", resp) lim.startMonitor() return lim.rescueLimiter.AllowN(now, n) }
// redis allowed == true // Lua boolean true -> r integer reply with value of 1 return code == 1}复制代码
redis 故障时兜底策略
兜底策略的设计考虑得非常细节,当 redis 不可用的时候,启动单机版的 ratelimit 做备用限流,确保基本的限流可用,服务不会被冲垮。
// 开启redis健康探测func (lim *TokenLimiter) startMonitor() { lim.rescueLock.Lock() defer lim.rescueLock.Unlock() // 防止重复开启 if lim.monitorStarted { return }
// 设置任务和健康标识 lim.monitorStarted = true atomic.StoreUint32(&lim.redisAlive, 0) // 健康探测 go lim.waitForRedis()}
// redis健康探测定时任务func (lim *TokenLimiter) waitForRedis() { ticker := time.NewTicker(pingInterval) // 健康探测成功时回调此函数 defer func() { ticker.Stop() lim.rescueLock.Lock() lim.monitorStarted = false lim.rescueLock.Unlock() }()
for range ticker.C { // ping属于redis内置健康探测命令 if lim.store.Ping() { // 健康探测成功,设置健康标识 atomic.StoreUint32(&lim.redisAlive, 1) return } }}复制代码
项目地址
https://github.com/zeromicro/go-zero
欢迎使用 go-zero 并 star 支持我们!
划线
评论
复制
发布于: 刚刚阅读数: 2
版权声明: 本文为 InfoQ 作者【万俊峰Kevin】的原创文章。
原文链接:【http://xie.infoq.cn/article/1bec15c2214f24aac02b286cc】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
万俊峰Kevin
关注
保持简单 2017.10.24 加入
go-zero作者











评论