如果你写一个 bug 管理系统，用了这个
PeriodLimit你就能够限度每个测试人员每天只能给你提一个 bug。工作是不是就轻松很多了？:P
现在微服务架构大行其道实质起因是因为要升高零碎的整体复杂度，将零碎危险均摊到子系统从而最大化保证系统的稳定性，通过畛域划分拆成不同的子系统后各个子系统能独立的开发、测试、公布，研发节奏和效率能明显提高。
但同时也带来了问题，比方：调用链路过长，部署架构复杂度晋升，各种中间件须要反对分布式场景。为了确保微服务的失常运行，服务治理就不可或缺了，通常包含：限流，降级，熔断。
其中限流指的是针对接口调用频率进行限度，免得超出承载下限拖垮零碎。比方：
- 电商秒杀场景
- API 针对不同商户限流
罕用的限流算法有：
- 固定工夫窗口限流
- 滑动工夫窗口限流
- 漏桶限流
- 令牌桶限流
本文次要解说固定工夫窗口限流算法，次要的应用场景比方：
- 每个手机号每天只能发5条验证码短信
- 每个用户每小时只能间断尝试3次明码
- 每个会员每天只能领3次福利
工作原理
从某个工夫点开始每次申请过去申请数+1，同时判断以后工夫窗口内申请数是否超过限度，超过限度则回绝该申请，而后下个工夫窗口开始时计数器清零期待申请。
优缺点
长处
实现简略高效，特地适宜用来限度比方一个用户一天只能发10篇文章、只能发送5次短信验证码、只能尝试登录5次等场景，理论业务中此类场景十分多见。
毛病
固定工夫窗口限流的毛病在于无奈解决临界区申请突发场景。
假如每 1s 限流 100 次申请，用户在两头 500ms 时开始 1s 内发动 200 次申请，此时 200 次申请是能够全副通过的。这就和咱们预期 1s 限流 100 次不合了，本源在于限流的细粒度太粗。
go-zero 代码实现
core/limit/periodlimit.go
go-zero 中应用 redis 过期工夫来模仿固定工夫窗口。
redis lua 脚本：
-- KYES[1]:限流器key
-- ARGV[1]:qos,单位工夫内最多申请次数
-- ARGV[2]:单位限流窗口工夫
-- 申请最大次数,等于p.quota
local limit = tonumber(ARGV[1])
-- 窗口即一个单位限流周期,这里用过期模仿窗口成果,等于p.permit
local window = tonumber(ARGV[2])
-- 申请次数+1,获取申请总数
local current = redis.call("INCRBY",KYES[1],1)
-- 如果是第一次申请,则设置过期工夫并返回 胜利
if current == 1 then
redis.call("expire",KYES[1],window)
return 1
-- 如果以后申请数量小于limit则返回 胜利
elseif current < limit then
return 1
-- 如果以后申请数量==limit则返回 最初一次申请
elseif current == limit then
return 2
-- 申请数量>limit则返回 失败
else
return 0
end固定工夫窗口限流器定义
type (
// PeriodOption defines the method to customize a PeriodLimit.
// go中常见的option参数模式
// 如果参数十分多，举荐应用此模式来设置参数
PeriodOption func(l *PeriodLimit)
// A PeriodLimit is used to limit requests during a period of time.
// 固定工夫窗口限流器
PeriodLimit struct {
// 窗口大小，单位s
period int
// 申请下限
quota int
// 存储
limitStore *redis.Redis
// key前缀
keyPrefix string
// 线性限流，开启此选项后能够实现周期性的限流
// 比方quota=5时，quota理论值可能会是5.4.3.2.1呈现出周期性变动
align bool
}
)留神一下 align 参数，align=true 时申请下限将会出现周期性的变动。
比方quota=5时理论quota可能是5.4.3.2.1呈现出周期性变动
限流逻辑
其实限流逻辑在下面的 lua 脚本实现了,须要留神的是返回值
- 0：示意谬误，比方可能是 redis 故障、过载
- 1：容许
- 2：容许然而以后窗口内已达到下限，如果是跑批业务的话此时能够休眠 sleep 一下期待下个窗口（作者思考的十分粗疏）
- 3：回绝
// Take requests a permit, it returns the permit state.
// 执行限流
// 留神一下返回值：
// 0：示意谬误，比方可能是redis故障、过载
// 1：容许
// 2：容许然而以后窗口内已达到下限
// 3：回绝
func (h *PeriodLimit) Take(key string) (int, error) {
// 执行lua脚本
resp, err := h.limitStore.Eval(periodScript, []string{h.keyPrefix + key}, []string{
strconv.Itoa(h.quota),
strconv.Itoa(h.calcExpireSeconds()),
})
if err != nil {
return Unknown, err
}
code, ok := resp.(int64)
if !ok {
return Unknown, ErrUnknownCode
}
switch code {
case internalOverQuota:
return OverQuota, nil
case internalAllowed:
return Allowed, nil
case internalHitQuota:
return HitQuota, nil
default:
return Unknown, ErrUnknownCode
}
}这个固定窗口限流可能用来限度比方一个用户一天只能发送5次验证码短信，此时咱们就须要跟中国时区对应(GMT+8)，并且其实限流工夫应该从零点开始，此时咱们须要额定对齐（设置 align 为 true）。
// 计算过期工夫也就是窗口工夫大小
// 如果align==true
// 线性限流，开启此选项后能够实现周期性的限流
// 比方quota=5时，quota理论值可能会是5.4.3.2.1呈现出周期性变动
func (h *PeriodLimit) calcExpireSeconds() int {
if h.align {
now := time.Now()
_, offset := now.Zone()
unix := now.Unix() + int64(offset)
return h.period - int(unix%int64(h.period))
}
return h.period
}我的项目地址
https://github.com/zeromicro/go-zero
欢送应用 go-zero 并 star 反对咱们！
微信交换群
关注『微服务实际』公众号并点击 交换群 获取社区群二维码。
发表回复