流控对于构建高可靠弹性系统至关重要，本文介绍了 Golang 内置的流控组件，通过该组件就可以打造适合各种业务场景的流控系统。原文: Rate Limiting in Go: Controlling Traffic with Efficiency
Jon Cellier @Unsplash
导言
流控(Rate limiting)是构建可扩展弹性系统的重要技术之一，目的是通过限制指定时间内允许通过的请求数量来控制流量。在 Go 中实施流控可以确保最佳的资源利用率，并保护应用不被过多的流量或滥用行为所冲垮。本文将探讨 Go 中的流控技术，并提供代码示例，帮助感兴趣的读者有效实施这些技术。
了解流控
流控包括定义一套规则，确定客户端在给定时间窗口内可以发出多少请求，从而确保系统能够处理负载，防止滥用或拒绝服务攻击。两种常见的流控方法是：
固定窗口流控(Fixed Window Rate Limiting)：在这种方法中，在一个固定时间窗口内执行流控。例如，如果流控设置为每分钟 100 个请求，则系统在任何给定的 60 秒窗口内最多允许 100 个请求，超过此限制的请求将被拒绝或延迟到下一个时间窗口。
令牌桶流控(Token Bucket Rate Limiting)：令牌桶流控基于令牌从桶中消耗的概念。令牌桶最初装满固定数量的令牌，每个令牌代表一个请求。当客户端要发出请求时，必须从桶中获取一个令牌。如果桶是空的，客户端必须等待，直到有令牌可用。
在 Go 中实施流控
Go 提供了一个名为 golang.org/x/time/rate 的内置软件包，实现了流控功能。接下来我们看看如何使用固定窗口和令牌桶两种方法来实现流控。
固定窗口流控
package main
import ( "fmt" "golang.org/x/time/rate" "time")
func main() { limiter := rate.NewLimiter(rate.Limit(100), 1) // Allow 100 requests per second
for i := 0; i < 200; i++ { if !limiter.Allow() { fmt.Println("Rate limit exceeded. Request rejected.") continue } // Process the request fmt.Println("Request processed successfully.") time.Sleep(time.Millisecond * 100) // Simulate request processing time }}
复制代码
在上面的代码片段中，我们用 rate.NewLimiter 创建了一个限制器，其速率限制为每秒 100 个请求。每个请求都会调用 limiter.Allow() 方法，如果允许请求，则返回 true，如果超过速率限制，则返回 false，超过速率限制的请求将被拒绝。
令牌桶流控
package main
import ( "fmt" "golang.org/x/time/rate" "time")
func main() { limiter := rate.NewLimiter(rate.Limit(10), 5) // Allow 10 requests per second with a burst of 5
for i := 0; i < 15; i++ { if err := limiter.Wait(context.TODO()); err != nil { fmt.Println("Rate limit exceeded. Request rejected.") continue } // Process the request fmt.Println("Request processed successfully.") time.Sleep(time.Millisecond * 100) // Simulate request processing time }}
复制代码
在上述代码中，我们用 rate.NewLimiter 创建了一个限制器，其速率限制为每秒 10 个请求，允许 5 个并发请求。每个请求都会调用 limiter.Wait() 方法，该方法会阻塞直到有令牌可用。如果令牌桶是空的，没有可用令牌，请求就会被拒绝。
动态流控
动态流控是指根据客户端行为、系统负载或业务规则等动态因素调整速率限制。这种技术允许我们实时调整流控，以优化资源利用率并提供更好的用户体验。让我们看看 Go 中动态流控的示例：
package main
import ( "fmt" "golang.org/x/time/rate" "time")
func main() { limiter := rate.NewLimiter(rate.Limit(100), 1) // Initial rate limit of 100 requests per second
// Dynamic rate adjustment go func() { time.Sleep(time.Minute) // Adjust rate every minute limiter.SetLimit(rate.Limit(200)) // Increase rate limit to 200 requests per second }()
for i := 0; i < 300; i++ { if !limiter.Allow() { fmt.Println("Rate limit exceeded. Request rejected.") continue } // Process the request fmt.Println("Request processed successfully.") time.Sleep(time.Millisecond * 100) // Simulate request processing time }}
复制代码
在上面的代码片段中，我们创建了一个限制器，初始速率限制为每秒 100 个请求。然后，启动一个 goroutine，在一分钟后将速率限制调整为每秒 200 个请求。这样，我们就能根据不断变化的情况动态调整流控。
自适应流控
自适应流控可根据之前请求的响应时间或错误率动态调整速率限制，从而允许系统自动适应不同的流量条件，确保获得最佳性能和资源利用率。让我们看看 Go 中自适应流控示例：
package main
import ( "fmt" "golang.org/x/time/rate" "time")
func main() { limiter := rate.NewLimiter(rate.Limit(100), 1) // Initial rate limit of 100 requests per second
// Adaptive rate adjustment go func() { for { responseTime := measureResponseTime() // Measure the response time of previous requests if responseTime > 500*time.Millisecond { limiter.SetLimit(rate.Limit(50)) // Decrease rate limit to 50 requests per second } else { limiter.SetLimit(rate.Limit(100)) // Increase rate limit to 100 requests per second } time.Sleep(time.Minute) // Adjust rate every minute } }()
for i := 0; i < 200; i++ { if !limiter.Allow() { fmt.Println("Rate limit exceeded. Request rejected.") continue } // Process the request fmt.Println("Request processed successfully.") time.Sleep(time.Millisecond * 100) // Simulate request processing time }}
func measureResponseTime() time.Duration { // Measure the response time of previous requests // Implement your own logic to measure the response time return time.Millisecond * 200}
复制代码
在上述代码片段中，我们用 measureResponseTime 函数模拟测量之前请求的响应时间。根据测量到的响应时间，通过 limiter.SetLimit 设置不同的值来动态调整速率限制。这样，系统就能根据观察到的响应时间调整其流控策略。
结论
Jo Jo @Unsplash
流控是保障 Go 应用程序稳定性和安全性的基本技术。通过有效控制传入请求的流量，可以防止资源耗尽并确保资源的公平分配。本文探讨了固定窗口和令牌桶流控的概念，并提供了代码片段，演示了如何基于 golang.org/x/time/rate 包实现流控策略，帮助读者将流控纳入应用程序，以构建能够高效处理不同流量水平的弹性系统。
你好，我是俞凡，在 Motorola 做过研发，现在在 Mavenir 做技术工作，对通信、网络、后端架构、云原生、DevOps、CICD、区块链、AI 等技术始终保持着浓厚的兴趣，平时喜欢阅读、思考，相信持续学习、终身成长，欢迎一起交流学习。为了方便大家以后能第一时间看到文章，请朋友们关注公众号"DeepNoMind"，并设个星标吧，如果能一键三连(转发、点赞、在看)，则能给我带来更多的支持和动力，激励我持续写下去，和大家共同成长进步！
评论