API 接口限流
限流的常见几种算法
常见的限流算法有很多,但是最常用的算法无非以下四种。
固定窗口计数器
固定算法的概念如下
将时间划分为多个窗口
在每个窗口内每有一次请求就将计数器加一
如果计数器超过了限制数量,则本窗口内所有的请求都被丢弃当时间到达下一个窗口时,计数器重置。
固定窗口计数器是最为简单的算法,但这个算法有时会让通过请求量允许为限制的两倍。考虑如下情况:限制 1 秒内最多通过 5 个请求,在第一个窗口的最后半秒内通过了 5 个请求,第二个窗口的前半秒内又通过了 5 个请求。这样看来就是在 1 秒内通过了 10 个请求。
滑动窗口计数器
滑动窗口计数器算法概念如下:
将时间划分为多个区间;
在每个区间内每有一次请求就将计数器加一维持一个时间窗口,占据多个区间;
每经过一个区间的时间,则抛弃最老的一个区间,并纳入最新的一个区间;
如果当前窗口内区间的请求计数总和超过了限制数量,则本窗口内所有的请求都被丢弃。
滑动窗口计数器是通过将窗口再细分,并且按照时间 " 滑动 ",这种算法避免了固定窗口计数器带来的双倍突发请求,但时间区间的精度越高,算法所需的空间容量就越大。
漏桶算法
漏桶算法概念如下:
将每个请求视作 " 水滴 " 放入 " 漏桶 " 进行存储;
“漏桶 " 以固定速率向外 " 漏 " 出请求来执行如果 " 漏桶 " 空了则停止 " 漏水”;
如果 " 漏桶 " 满了则多余的 " 水滴 " 会被直接丢弃。
漏桶算法多使用队列实现,服务的请求会存到队列中,服务的提供方则按照固定的速率从队列中取出请求并执行,过多的请求则放在队列中排队或直接拒绝。
漏桶算法的缺陷也很明显,当短时间内有大量的突发请求时,即便此时服务器没有任何负载,每个请求也都得在队列中等待一段时间才能被响应。
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,如果令牌桶满了则多余的令牌会直接丢弃,当请求到达时,会尝试从令牌桶中取令牌,取到了令牌的请求可以执行。
如果桶空了,那么尝试取令牌的请求会被直接丢弃。
令牌桶算法既能够将所有的请求平均分布到时间区间内,又能接受服务器能够承受范围内的突发请求,因此是目前使用较为广泛的一种限流算法。
单体应用实现
在传统的单体应用中限流只需要考虑到多线程即可,使用Google开源工具类guava即可。其中有一个RateLimiter专门实现了单体应用的限流,使用的是令牌桶算法。
单体应用的限流不是本文的重点,官网上现成的API,读者自己去看看即可,这里不再详细解释。
分布式限流
分布式限流和熔断现在有很多的现成的工具,比如Hystrix,Sentinel 等,但是还是有些企业不引用外来类库,因此就需要自己实现。
Redis作为单线程多路复用的特性,很显然能够胜任这项任务。
Redis如何实现
使用令牌桶的算法实现,根据前面的介绍,我们了解到令牌桶算法的基础需要两个个变量,分别是桶容量,产生令牌的速率。
这里我们实现的就是每秒产生的速率加上一个桶容量。但是如何实现呢?这里有几个问题。
需要保存什么数据在redis中?
当前桶的容量,最新的请求时间
以什么数据结构存储?
因为是针对接口限流,每个接口的业务逻辑不同,对并发的处理也是不同,因此要细化到每个接口的限流,此时我们选用HashMap的结构,hashKey是接口的唯一id,可以是请求的uri,里面的分别存储当前桶的容量和最新的请求时间。
如何计算需要放令牌?
根据redis保存的上次的请求时间和当前时间比较,如果相差大于的**产生令牌的时间(陈某实现的是1秒)**则再次产生令牌,此时的桶容量为当前令牌+产生的令牌
如何保证redis的原子性?
保证redis的原子性,使用lua脚本即可解决。
有了上述的几个问题,便能很容易的实现。
1、lua脚本如下:
调用lua脚本出四个参数,分别是接口方法唯一id,桶容量,每秒产生令牌的数量,当前请求的时间戳。
2、 SpringBoot代码实现
采用Spring-data-redis实现lua脚本的执行。
Redis序列化配置:
限流工具类
采用拦截器+注解的方式实现,注解如下:
拦截器如下:
评论