关于java:限流浅析

咱们每个零碎在做压测的时候，都有一个解决峰值，当靠近峰值持续承受申请的时候，会导致整个零碎响应迟缓；为了爱护零碎，须要回绝解决过载的申请，这就是咱们上面介绍的限流，通过设定一个峰值阈值，限度申请达到这个峰值，以此来爱护零碎；咱们常见的一些中间件比方 tomcat，mysql，redis 等等都有相似的限度。

做限流的时候咱们有一些罕用的限流算法包含：计数器限流，令牌桶限流，漏桶限流；

1. 令牌桶限流

令牌桶算法的原理是零碎以肯定速率向桶中放入令牌，填满了就抛弃令牌；申请来时会先从桶中取出令牌，如果能取到令牌，则能够持续实现申请，否则期待或者拒绝服务；令牌桶容许肯定水平突发流量，只有有令牌就能够解决，反对一次拿多个令牌；

2. 漏桶限流

漏桶算法的原理是依照固定常量速率流出申请，流入申请速率任意，当申请数超过桶的容量时，新的申请期待或者拒绝服务；能够看出漏桶算法能够强制限度数据的传输速度；

3. 计数器限流

计数器是一种比较简单粗犷的算法，次要用来限度总并发数，比方数据库连接池、线程池、秒杀的并发数；计数器限流只有肯定工夫内的总申请数超过设定的阀值则进行限流；

理解了限流算法之后，咱们须要晓得在什么中央限流，以及如何限流；对于一个零碎来说咱们经常能够在接入层进行限流，这个大部分状况下能够间接应用 nginx，OpenResty 等中间件间接解决；也能够在业务层进行限流，这个须要依据咱们不同的业务需要应用相干的限流算法来解决。

对于业务层咱们可能是单节点的，也可能是多节点用户绑定的，也可能是多节点无绑定的；这时候咱们就要辨别是过程内的限流还是须要分布式限流。

对于过程内限流相对来说还是比较简单的，guava 是咱们常常应用的利器，上面别离看看如何限度接口的总并发量，某个工夫窗口的申请数，以及应用令牌桶和漏桶算法更加平滑的限流；

限度接口的总并发量

只须要配置一个总并发量，而后应用一个计算器记录每次申请，而后和总并发量比拟即可：

private static int max = 10;
private static AtomicInteger limiter = new AtomicInteger();

if (limiter.incrementAndGet() > max){System.err.println("超过最大限度数");
    return;
}

限度工夫窗口申请数

限度某个接口在指定工夫之内的申请量，能够应用 guava 的 cache 来缓存计数器，而后再设置过期工夫；比方上面设置每分钟最大申请为 100：

LoadingCache<Long, AtomicLong> counter = CacheBuilder.newBuilder().expireAfterWrite(1, TimeUnit.MINUTES).build(new CacheLoader<Long, AtomicLong>() {
        @Override
        public AtomicLong load(Long key) throws Exception {return new AtomicLong(0);
        }
});

private static int max = 100;
long curMinutes = System.currentTimeMillis() / 1000 * 60;
if (counter.get(curMinutes).incrementAndGet() > max) {System.err.println("工夫窗口申请数超过下限");
    return;
}

过期工夫为一分钟，每分钟主动清零；这种解决形式可能会呈现超限的状况，比方前 59 秒都没有音讯，到 60 的时候一下子来了 200 条音讯，这时候先承受了 100 条音讯，刚好到期计数器清 0，而后又承受了 100 条音讯；这种状况能够参考 TCP 的滑动窗口思路来解决。

平滑限流申请

计数器的形式还是比拟粗犷的，令牌桶和漏桶限流这两种算法相对来说还是比拟平滑的，能够间接应用 guava 提供的 RateLimiter 类：

RateLimiter limiter = RateLimiter.create(2);
System.out.println(limiter.acquire(4));
System.out.println(limiter.acquire());
System.out.println(limiter.acquire());
System.out.println(limiter.acquire(2));
System.out.println(limiter.acquire());
System.out.println(limiter.acquire());

create(2) 示意桶容量为 2 并且每秒新增 2 个令牌，也就是 500 毫秒新增一个令牌，acquire() 示意从外面获取一个令牌，返回值为期待的工夫，输入后果如下：

能够看到此算法是容许肯定突发状况的，第一次获取 4 个令牌等待时间为 0，前面再获取须要期待 2 秒才能够，前面每次获取须要 500 毫秒。

当初大部分零碎都采纳了多节点部署，所以一个业务可能在多个过程内被解决，所以这时候分布式限流必不可少，比方常见的秒杀零碎，可能同时有 N 台业务逻辑节点；
惯例的做法是应用 Redis+lua 和 OpenResty+lua 来实现，将限流服务做成原子化，同时也要保障高性能；Redis 和 OpenResty 都已高性能著称，同时也提供了原子化计划，具体如下所示；

Redis+lua

Redis 在服务端对音讯的解决是单线程的，同时反对 lua 脚本的执行，能够将限流的相干逻辑用 lua 脚本实现，来保障原子性，大体实现如下：

-- 限流 key
local key = KEYS[1]
-- 限流大小
local limit = tonumber(ARGV[1])
-- 过期工夫
local expire = tonumber(ARGV[2])

local current = tonumber(redis.call('get',key) or "0")

if current + 1 > limit then
    return 0;
else
    redis.call("INCRBY", key, 1)
    redis.call("EXPIRE", key, expire)
    return current + 1
end

以上应用计数器算法来实现限流，在调用 lua 的中央能够传入限流 key，限流大小以及 key 的有效期；返回后果如果为 0 示意超出限流大小，否则返回以后累计的值。

OpenResty+lua

OpenResty 外围就是 nginx，然而在这个根底之上加了很多第三方模块，ngx_lua 模块将 lua 嵌入到了 nginx 中，使得 nginx 能够作为一个 web 服务器来应用；还有其余罕用的开发模块如：lua-resty-lock，lua-resty-limit-traffic，lua-resty-memcached，lua-resty-mysql，lua-resty-redis 等等；
本大节咱们先应用 lua-resty-lock 模块来实现一个简略计数器限流，相干 lua 代码如下：

local locks = require "resty.lock";

local function acquire()
    local lock = locks:new("locks");
    local elapsed, err = lock:lock("limit_key");
    local limit_counter = ngx.shared.limit_counter;
    -- 获取客户端 ip
    local key = ngx.var.remote_addr;
    -- 限流大小
    local limit = 5; 
    local current = limit_counter:get(key);
    
    -- 打印 key 和以后值
    ngx.say("key="..key..",value="..tostring(current));
    
    if current ~= nil and current + 1 > limit then 
       lock:unlock();
       return 0;
    end
    
    if current == nil then 
       limit_counter:set(key,1,5); -- 设置过期工夫为 5 秒
    else 
       limit_counter:incr(key,1);
    end
    lock:unlock();
    return 1;
end

以上是一个对 ip 进行限流的实例，因为须要保障原子性，所以应用了 resty.lock 模块，同时也相似 redis 设置了过期工夫重置，另外一点须要留神对锁的开释；还须要设置两个共享字典

http {
    ...
    #lua_shared_dict <name> <size> 定义一块名为 name 的共享内存空间，内存大小为 size;  通过该命令定义的共享内存对象对于 Nginx 中所有 worker 过程都是可见的
    lua_shared_dict locks 10m;
    lua_shared_dict limit_counter 10m;
}

接入层通常就是流量入口处，Nginx 被很多零碎用作流量入口，当然 OpenResty 也不例外，而且 OpenResty 提供了更弱小的性能，比方这里将要介绍的 lua-resty-limit-traffic 模块，是一个功能强大的限流模块；在应用 lua-resty-limit-traffic 之前咱们先大抵看一下如何应用 OpenResty；

下载安装配置

间接去官网下载即可：http://openresty.org/en/download.html，启动，重载，进行命令如下：

nginx.exe
nginx.exe -s reload
nginx.exe -s stop

关上 ip+ 端口，能够看到：Welcome to OpenResty! 即示意启动胜利；

lua 脚本实例

首先须要在 nginx.conf 的 http 目录下做如下配置：

http {
    ...
    lua_package_path "/lualib/?.lua;;";  #lua 模块  
    lua_package_cpath "/lualib/?.so;;";  #c 模块   
    include lua.conf;   #导入自定义 lua 配置文件
}

这里自定义了一个 lua.conf，无关 lua 的申请都在这外面配置，放在和 nginx.conf 一个门路下即可；已一个 test.lua 为例，lua.conf 配置如下：

#lua.conf  
server {  
    charset utf-8; #设置编码
    listen       8081;  
    server_name  _;  
    location /test {  
        default_type 'text/html';  
        content_by_lua_file lua/api/test.lua;
    } 
}

这里把所有的 lua 文件都放在 lua/api 目录下，比方一个最简略的 hello world：

ngx.say("hello world");

lua-resty-limit-traffic 提供了限度最大并发连接数，工夫窗口申请数，以及平滑限度申请数三种形式，别离对应：resty.limit.conn，resty.limit.count，resty.limit.req；相干文档能够间接在 pod/lua-resty-limit-traffic 中找到，外面有残缺的实例；

以下会用到三个共享字典，当时在 http 下配置：

http {
    lua_shared_dict my_limit_conn_store 100m;
    lua_shared_dict my_limit_count_store 100m;
    lua_shared_dict my_limit_req_store 100m;
}

限度最大并发连接数

提供的 resty.limit.conn 限度最大连接数，具体脚本如下：

local limit_conn = require "resty.limit.conn"

--B<syntax:> C<obj, err = class.new(shdict_name, conn, burst, default_conn_delay)>
local lim, err = limit_conn.new("my_limit_conn_store", 1, 0, 0.5)
if not lim then
    ngx.log(ngx.ERR,
            "failed to instantiate a resty.limit.conn object:", err)
    return ngx.exit(500)
end

local key = ngx.var.binary_remote_addr
local delay, err = lim:incoming(key, true)
if not delay then
    if err == "rejected" then
        return ngx.exit(502)
    end
    ngx.log(ngx.ERR, "failed to limit req:", err)
    return ngx.exit(500)
end

if lim:is_committed() then
    local ctx = ngx.ctx
    ctx.limit_conn = lim
    ctx.limit_conn_key = key
    ctx.limit_conn_delay = delay
end

local conn = err

if delay >= 0.001 then
    ngx.sleep(delay)
end

new() 参数别离是：字典名称，容许的最大并发申请数，容许的突发连接数，连贯提早；
incoming() 中 commit 是一个布尔值，当为 true 时示意记录以后申请的数量，否则就间接运行；
返回值：如果申请不超过办法中指定的 conn 值，则此办法返回 0 作为提早以及以后工夫的并发申请（或连贯）数；

限度工夫窗口申请数

提供的 resty.limit.count 能够限度肯定申请数在一个工夫窗口内，具体脚本如下：

local limit_count = require "resty.limit.count"

--B<syntax:> C<obj, err = class.new(shdict_name, count, time_window)>
-- 速率限度在 20/10s
local lim, err = limit_count.new("my_limit_count_store", 20, 10)
if not lim then
    ngx.log(ngx.ERR, "failed to instantiate a resty.limit.count object:", err)
    return ngx.exit(500)
end

local local key = ngx.var.binary_remote_addr
--B<syntax:> C<delay, err = obj:incoming(key, commit)>
local delay, err = lim:incoming(key, true)

if not delay then
    if err == "rejected" then
        return ngx.exit(503)
    end
    ngx.log(ngx.ERR, "failed to limit count:", err)
    return ngx.exit(500)
end

new() 中指定的三个参数别离是：字典名称，指定的申请阈值，申请个数复位前的窗口工夫，以秒为单位；
incoming() 中 commit 是一个布尔值，当为 true 时示意记录以后申请的数量，否则就间接运行；
返回值：如果申请数在限度范畴内，则返回以后申请被解决的提早和将被解决的申请的残余数；

平滑限度申请数

提供的 resty.limit.req 能够已更加平滑的形式限度申请，具体脚本如下：

local limit_req = require "resty.limit.req"

--B<syntax:> C<obj, err = class.new(shdict_name, rate, burst)>
-- 限度在 200 个申请 / 秒以下，给与 100 个申请 / 秒的突发申请；也就说每秒申请最大能够 200-300 之间，超出 300 报错
local lim, err = limit_req.new("my_limit_req_store", 200, 100)
if not lim then
    ngx.log(ngx.ERR,
            "failed to instantiate a resty.limit.req object:", err)
    return ngx.exit(500)
end

local key = ngx.var.binary_remote_addr
local delay, err = lim:incoming(key, true)
if not delay then
    if err == "rejected" then
        return ngx.exit(503)
    end
    ngx.log(ngx.ERR, "failed to limit req:", err)
    return ngx.exit(500)
end

if delay >= 0.001 then
    local excess = err
    ngx.sleep(delay)
end

new() 三个参数别离是：字典名称，申请速率（每秒数）阈值，每秒容许提早的过多申请数；
incoming() 中 commit 是一个布尔值，当为 true 时示意记录以后申请的数量，否则就间接运行，能够了解为一个开关；
返回值：如果申请数在限度范畴内，则此办法返回 0 作为以后工夫的提早和每秒过多申请的（零）个数；

更多能够间接查看官网文档：pod/lua-resty-limit-traffic 目录下

本文首先介绍了常见的限流算法，而后介绍在业务层过程内和分布式应用别离是如何进行限流的，最初接入层通过 OpenResty 的 lua-resty-limit-traffic 模块进行限流。

能够关注微信公众号「 回滚吧代码 」，第一工夫浏览，文章继续更新；专一 Java 源码、架构、算法和面试。

关于java:限流浅析

前言

限流算法

如何限流

业务层限流

过程内限流

分布式限流

接入层限流

OpenResty 装置应用

lua-resty-limit-traffic 模块

总结

感激关注

Just My Socks（注册教程内含优惠码）

关于java:限流浅析

前言

限流算法

如何限流

业务层限流

过程内限流

分布式限流

接入层限流

OpenResty 装置应用

lua-resty-limit-traffic 模块

总结

感激关注

Just My Socks（注册教程 内含优惠码）

Just My Socks（注册教程内含优惠码）