关于java:微服务怎么限流算法＋框架＋实战

作者：lipengxs

起源：https://my.oschina.net/lipeng…

随着微服务的风行，服务和服务之间的稳定性变得越来越重要。缓存、降级和限流是爱护微服务零碎运行稳定性的三大利器。

缓存：晋升零碎访问速度和增大零碎能解决的容量
降级：当服务出问题或者影响到外围流程的性能则须要临时屏蔽掉
限流：解决服务雪崩，级联服务产生阻塞时，及时熔断，避免申请沉积耗费占用零碎的线程、IO 等资源，造成其余级联服务所在服务器的解体

这里咱们次要说一下限流，限流的目标该当是通过对并发拜访 / 申请进行限速或者一个工夫窗口内的的申请进行限速来爱护零碎，一旦达到限度速率就能够拒绝服务、期待、降级。首先，咱们须要去理解最根本的两种限流算法。

漏桶算法
令牌桶算法
计算器算法

上面说一下现有风行的限流工具

Google 的 Guava 工具包中就提供了一个限流工具类——RateLimiter。

RateLimiter 是基于“令牌通算法”来实现限流的。

hystrix 次要是通过资源池以及信号量来限流，临时能反对简略的限流

限流比拟支流的三种算法：漏桶，令牌桶，滑动窗口。而 Sentinel 采纳的是最初一种，滑动窗口来实现限流的。当然 sentinel 不仅仅局限于限流，它是一个面向分布式服务架构的高可用流量防护组件，次要以流量为切入点，从限流、流量整形、熔断降级、零碎负载爱护、热点防护等多个维度来帮忙开发者保障微服务的稳定性。

有很多利用都是能够间接在调用端、代理、网关等中间层进行限流，上面简略介绍下集中中间件限流形式

nginx 限流形式有三种

limit_conn_zone
limit_req_zone
ngx_http_upstream_module

然而 nginx 限流不够灵便，不好动静配置。

除了 zuul 引入限流相干依赖

<dependency>
     <groupid>com.marcosbarbero.cloud</groupid>
     <artifactid>spring-cloud-zuul-ratelimit</artifactid>
     <version>2.0.0.RELEASE</version>
</dependency>

相干配置如下：

zuul:

    ratelimit:

        key-prefix: your-prefix  #对利用来标识申请的 key 的前缀

        enabled: true

        repository: REDIS  #对应存储类型（用来存储统计信息）默认是 IN_MEMORY

        behind-proxy: true  #代理之后

        default-policy: #可选 - 针对所有的路由配置的策略，除非特地配置了 policies

             limit: 10 #可选 - 每个刷新工夫窗口对应的申请数量限度

             quota: 1000 #可选 -  每个刷新工夫窗口对应的申请工夫限度（秒）refresh-interval: 60 # 刷新工夫窗口的工夫，默认值 (秒)

               type: #可选 限流形式

                    - user

                    - origin

                    - url

          policies:

                myServiceId: #特定的路由

                      limit: 10 #可选 - 每个刷新工夫窗口对应的申请数量限度

                      quota: 1000 #可选 -  每个刷新工夫窗口对应的申请工夫限度（秒）refresh-interval: 60 # 刷新工夫窗口的工夫，默认值 (秒)

                      type: #可选 限流形式

                          - user

                          - origin

                          - url

留神这里的仓库如果是针对全局限流，那么能够思考存到 redis 中，这里的 zuul.ratelimit.repository 能够设置为 redis，然而如果扩容后则须要动静调整，不过灵便，所以这里我倡议还是抉择本地内存（INM_MOMERY）或者不设置，这样伸缩容后能够主动扩大，不必变更配置,

如果须要动静更新，能够集成 apollo 配置进行动静更新，

public class ZuulPropertiesRefresher implements ApplicationContextAware {


    private ApplicationContext applicationContext;

    @Autowired
    private RouteLocator routeLocator;

    @ApolloConfigChangeListener(interestedKeyPrefixes = "zuul.",value="zuul.yml")
    public void onChange(ConfigChangeEvent changeEvent) {refreshZuulProperties(changeEvent);
    }

    private void refreshZuulProperties(ConfigChangeEvent changeEvent) {log.info("Refreshing zuul properties!");

        /**
         * rebind configuration beans, e.g. ZuulProperties
         * @see org.springframework.cloud.context.properties.ConfigurationPropertiesRebinder#onApplicationEvent
         */
        this.applicationContext.publishEvent(new EnvironmentChangeEvent(changeEvent.changedKeys()));

        /**
         * refresh routes
         * @see org.springframework.cloud.netflix.zuul.ZuulServerAutoConfiguration.ZuulRefreshListener#onApplicationEvent
         */
        this.applicationContext.publishEvent(new RoutesRefreshedEvent(routeLocator));

        log.info("Zuul properties refreshed!");
    }

    @Override
    public void setApplicationContext(ApplicationContext applicationContext) throws BeansException {this.applicationContext = applicationContext;}
}

在 Spring Cloud Gateway 中，有 Filter 过滤器，因而能够在“pre”类型的 Filter 中自行实现上述三种过滤器。

然而限流作为网关最根本的性能，Spring Cloud Gateway 官网就提供了 RequestRateLimiterGatewayFilterFactory 这个类，实用 Redis 和 lua 脚本实现了令牌桶的形式。

具体实现逻辑在 RequestRateLimiterGatewayFilterFactory 类中，lua 脚本在如下图所示的文件夹中：

具体源码不打算在这里讲述，读者能够自行查看，代码量较少，先以案例的模式来解说如何在 Spring Cloud Gateway 中应用内置的限流过滤器工厂来实现限流。

首先在工程的 pom 文件中引入 gateway 的起步依赖和 redis 的 reactive 依赖，代码如下：

 <dependency>
    <groupid>org.springframework.cloud</groupid>
    <artifactid>spring-cloud-starter-gateway</artifactid>
</dependency>

<dependency>
    <groupid>org.springframework.boot</groupid>
    <artifatid>spring-boot-starter-data-redis-reactive
</artifatid></dependency>

复制代码在配置文件中做以下的配置：

spring:
  redis:
    host: 127.0.0.1
    port: 6379
  cloud:
    gateway:
      routes:
      - id: limit_route
        uri: http://httpbin.org:80/get
        predicates:
        - After=2017-01-20T17:42:47.789-07:00[America/Denver]
        filters:
        - name: RequestRateLimiter
          args:
            key-resolver: '#{@hostAddrKeyResolver}'
            redis-rate-limiter.replenishRate: 1
            redis-rate-limiter.burstCapacity: 3

配置了 redis 的信息，并配置了 RequestRateLimiter 的限流过滤器，该过滤器须要配置三个参数：

burstCapacity，令牌桶总容量。
replenishRate，令牌桶每秒填充均匀速率。
key-resolver，用于限流的键的解析器的 Bean 对象的名字。它应用 SpEL 表达式依据 #{@beanName} 从 Spring 容器中获取 Bean 对象。

能够通过 KeyResolver 来指定限流的 Key, 比方咱们须要依据用户来做限流，IP 来做限流等等。

1）IP 限流

@Bean
public KeyResolver ipKeyResolver() {return exchange -&gt; Mono.just(exchange.getRequest().getRemoteAddress().getHostName());
}

2）用户限流

@Bean
KeyResolver userKeyResolver() {return exchange -&gt; Mono.just(exchange.getRequest().getQueryParams().getFirst("userId"));
}

3）接口限流

@Bean
KeyResolver apiKeyResolver() {return exchange -&gt; Mono.just(exchange.getRequest().getPath().value());
}

这里只是针对单节点限流，如果须要能够自定义全局限流

sentinel 限流这里不做详细描述，大家想理解能够参考上面文档：https://mp.weixin.qq.com/s/4L…

这里 springboot 应用服务须要限流的话，这里给的计划是集成 google 的 guava 类库，大家在网上能搜寻到很多 demo，我这里不做详细描述，次要是上面 api 的应用：

 RateLimiter.create(callerRate);

当初容器比拟火，当初如果部署在容器或者虚拟机上，咱们须要动静调整资源数后，那么限流也会跟着变动，这里说一下如何实现动静限流。第一步必定是集成配置核心实现配置动静更新，至于说失效形式有几种计划一：减少监听器，当配置变动时从新创立限流对象

计划二：限流对象定时创立，这里引入了利用缓存框架，上面给个 demo

import com.ctrip.framework.apollo.Config;
import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import com.google.common.util.concurrent.RateLimiter;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.web.servlet.HandlerInterceptor;
import org.springframework.web.servlet.ModelAndView;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import java.util.concurrent.TimeUnit;


@Slf4j
public class RateLimitInterceptor implements HandlerInterceptor {

    private Config config;

    private static final String RATE_TYPE_GLOBAL = "global";
    private static final String RATE_TYPE_URL = "url";

    // 全局限流
    public RateLimitInterceptor(Config config) {this.config = config;}

    Cache<object, ratelimiter> rateLimiterCache = Caffeine.newBuilder()
            .initialCapacity20
            .expireAfterWrite(2, TimeUnit.MINUTES)
            .maximumSize100
            .softValues()
            .recordStats()
            .build();


    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {if (StringUtils.isBlank(request.getRequestURI()) || request.getRequestURI().startsWith("/actuator/")
                || request.getRequestURI().startsWith("/srch-recommend/fault-tolerant/health")||request.getRequestURI().startsWith("/health")) {return true;}
         try {boolean rateLimitEnabled=config.getBooleanProperty("ratelimit.enabled", false);
            if(!rateLimitEnabled){return true;}
            if (!do(RATE_TYPE_GLOBAL, StringUtils.EMPTY, "ratelimit.global")) {return false;}
            String url = request.getRequestURI();
            if (StringUtils.isNotBlank(url)) {return do(RATE_TYPE_URL, url, "ratelimit.url.");
            }
            return true;
        } catch (Exception e) {log.warn("RateLimitInterceptor error message:{}", e.getMessage(), e);
            return true;
        }
    }

    private boolean doRateLimiter(String rateType, String key, String configPrefix) {
        String cacheKey = rateType + "-" + key;
        RateLimiter rateLimiter = rateLimiterCache.getIfPresent(cacheKey);
        if (rateLimiter == null) {int callerRate = config.getIntProperty(configPrefix + uniqueKey, 0);
            if (callerRate &gt; 0) {rateLimiter = RateLimiter.create(callerRate);
                rateLimiterCache.put(cacheKey, rateLimiter);
            }
        }
        return rateLimiter == null || rateLimiter.tryAcquire();}


    @Override
    public void postHandle(HttpServletRequest request, HttpServletResponse response, Object handler,
                           ModelAndView modelAndView) { }

    @Override
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) {}}

当然这里如果有业务相干的限流能够依据参考下面的 demo 本人来实现限流。

近期热文举荐：

1.1,000+ 道 Java 面试题及答案整顿 (2021 最新版)

2. 别在再满屏的 if/ else 了，试试策略模式，真香！！

3. 卧槽！Java 中的 xx ≠ null 是什么新语法？

4.Spring Boot 2.5 重磅公布，光明模式太炸了！

5.《Java 开发手册（嵩山版）》最新公布，速速下载！

感觉不错，别忘了顺手点赞 + 转发哦！

关于java:微服务怎么限流算法＋框架＋实战

背景

限流算法

限流框架

guava

hystrix

sentinel

限流实战

nginx 限流

zuul 限流

springcloud gateway 限流

sentinel 限流

利用限流