[[277344]]

一、限流基礎(chǔ)知識介紹

為啥要限流，相信就不用我多說了。

• 比如，我周末去飯店吃飯，但是人太多了，我只能去前臺拿個號，等號碼到我的時候才能進飯店吃飯。如果飯店沒有限流怎么辦?一到飯點，人都往里沖，而飯店又處理不了這么多人流，很容易就出事故(飯店塞滿了人，無路可走。飯店的工作人員崩潰了，處理不過來)
• 回到代碼世界上也是一樣的，服務(wù)器能處理的請求數(shù)有限，如果請求量特別大，我們需要做限流(要么就讓請求等待，要么就把請求給扔了)

在代碼世界上，限流有兩種比較常見的算法：

• 令牌桶算法
• 漏桶算法

1.1 什么是漏桶算法

比如，現(xiàn)在我有一個桶子，綠色那塊是我能裝水的容量，如果超過我能裝下的容量，再往桶子里邊倒水，就會溢出來(限流)：

我們目前可以知道的是：

• 桶子的容量是固定的(是圖上綠色那塊)
• 超出了桶子的容量就會溢出(要么等待，要么直接丟棄)

OK，現(xiàn)在我們在桶子里挖個洞，讓水可以從洞子里邊流出來：

桶子的洞口的大小是固定的，所以水從洞口流出來的速率也是固定的。

所以總結(jié)下來算法所需的參數(shù)就兩個：

• 桶子的容量
• 漏水的速率

漏桶算法有兩種實現(xiàn)：

• 不允許突發(fā)流量的情況：如果進水的速率大于出水的速率，直接舍棄掉多余的水。比如，我的桶子容量能裝100L，但我的桶子出水速率是10L/s。此時，如果現(xiàn)在有100L/s的水進來，我只讓10L的水進到桶子，其余的都限流。(限定了請求的速度)
• 允許一定的突發(fā)流量情況：我的桶子能裝100L，如果現(xiàn)在我的桶子是空的，那么這100L的水都能進我的桶子。我以10L/s的速率將這些水流出，如果還有100L的水進來，只能限流了。

經(jīng)過上面的分析我們就知道：

漏桶算法可以平滑網(wǎng)絡(luò)上的突發(fā)流量(因為漏水的速率是固定的)

1.2 什么是令牌桶算法

現(xiàn)在我有另外一個桶子，這個桶子不用來裝水，用來裝令牌：

令牌會一定的速率扔進桶子里邊，比如我1秒扔10個令牌進桶子：

桶子能裝令牌的個數(shù)有上限的，比如我的桶子最多只能裝1000個令牌。

每個請求進來，就會去桶子拿一個令牌

• 比如這秒我有1001個請求，我就去桶子里邊拿1001個令牌，此時可能會出現(xiàn)兩種情況：
• 桶子里邊沒有1001個令牌，只有1000個，那沒拿到令牌的請求只能被阻塞了(等待)
• 桶子里邊有1001個令牌，所有請求都可以執(zhí)行。

令牌桶算法支持網(wǎng)絡(luò)上的突發(fā)流量

**漏桶和令牌桶的區(qū)別：**從上面的例子估計大家也能看出來了，漏桶只能以固定的速率去處理請求，而令牌桶可以以桶子最大的令牌數(shù)去處理請求

二、RateLimiter使用

RateLimiter是Guava的一個限流組件，我這邊的系統(tǒng)就有用到這個限流組件，使用起來十分方便。

引入pom依賴：

<dependency> 
 <groupId>com.google.guava</groupId> 
 <artifactId>guava</artifactId> 
 <version>20.0</version> 
</dependency> 

RateLimiter它是基于令牌桶算法的，API非常簡單，看以下的Demo:

public static void main(String[] args) { 
 //線程池 
 ExecutorService exec = Executors.newCachedThreadPool(); 
 //速率是每秒只有3個許可 
 final RateLimiter rateLimiter = RateLimiter.create(3.0); 
 for (int i = 0; i < 100; i++) { 
 final int no = i; 
 Runnable runnable = new Runnable() { 
 @Override 
 public void run() { 
 try { 
 //獲取許可 
 rateLimiter.acquire(); 
 System.out.println("Accessing: " + no + ",time:" 
 + new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date())); 
 } catch (Exception e) { 
 e.printStackTrace(); 
 } 
 } 
 }; 
 //執(zhí)行線程 
 exec.execute(runnable); 
 } 
 //退出線程池 
 exec.shutdown(); 
 } 

我們可以從結(jié)果看出，每秒只能執(zhí)行三個：

三、分布式限流

RateLimiter是一個單機的限流組件，如果是分布式應(yīng)用的話，該怎么做?

可以使用Redis+Lua的方式來實現(xiàn)，大致的lua腳本代碼如下：

local key = "rate.limit:" .. KEYS[1] --限流KEY 
local limit = tonumber(ARGV[1]) --限流大小 
local current = tonumber(redis.call('get', key) or "0") 
if current + 1 > limit then --如果超出限流大小 
 return 0 
else --請求數(shù)+1，并設(shè)置1秒過期 
 redis.call("INCRBY", key,"1") 
 redis.call("expire", key,"1") 
 return current + 1 

Java代碼如下：

public static boolean accquire() throws IOException, URISyntaxException { 
 Jedis jedis = new Jedis("127.0.0.1"); 
 File luaFile = new File(RedisLimitRateWithLUA.class.getResource("/").toURI().getPath() + "limit.lua"); 
 String luaScript = FileUtils.readFileToString(luaFile); 
 String key = "ip:" + System.currentTimeMillis()/1000; // 當(dāng)前秒 
 String limit = "5"; // 最大限制 
 List<String> keys = new ArrayList<String>(); 
 keys.add(key); 
 List<String> args = new ArrayList<String>(); 
 args.add(limit); 
 Long result = (Long)(jedis.eval(luaScript, keys, args)); // 執(zhí)行l(wèi)ua腳本，傳入?yún)?shù) 
 return result == 1; 
} 

解釋：

• Java代碼傳入key和最大的限制limit參數(shù)進lua腳本
• 執(zhí)行l(wèi)ua腳本(lua腳本判斷當(dāng)前key是否超過了最大限制limit)
• 如果超過，則返回0(限流)
• 如果沒超過，返回1(程序繼續(xù)執(zhí)行)