最近学到的限流知识
前言
只有光头才能变强。
文本已收录至我的GitHub仓库,欢迎Star:https://github.com/ZhongFuCheng3y/3y
之前在学习的时候也接触不到高并发/大流量这种东西,所以限流当然是没接触过的了。在看公司项目的时候,发现有用到限流(RateLimiter),顺带了解一波。
一、限流基础知识介绍
为啥要限流,相信就不用我多说了。
- 比如,我周末去饭店吃饭,但是人太多了,我只能去前台拿个号,等号码到我的时候才能进饭店吃饭。如果饭店没有限流怎么办?一到饭点,人都往里冲,而饭店又处理不了这么多人流,很容易就出事故(饭店塞满了人,无路可走。饭店的工作人员崩溃了,处理不过来)
-
回到代码世界上也是一样的,服务器能处理的请求数有限,如果请求量特别大,我们需要做限流(要么就让请求等待,要么就把请求给扔了)
限流
在代码世界上,限流有两种比较常见的算法: - 令牌桶算法
- 漏桶算法
1.1 什么是漏桶算法
比如,现在我有一个桶子,绿色那块是我能装水的容量,如果超过我能装下的容量,再往桶子里边倒水,就会溢出来(限流):
桶子
我们目前可以知道的是:
- 桶子的容量是固定的(是图上绿色那块)
- 超出了桶子的容量就会溢出(要么等待,要么直接丢弃)
OK,现在我们在桶子里挖个洞,让水可以从洞子里边流出来:
挖了个洞,水从洞口流出来
桶子的洞口的大小是固定的,所以水从洞口流出来的速率也是固定的。
所以总结下来算法所需的参数就两个:
- 桶子的容量
- 漏水的速率
漏桶算法有两种实现:
- 不允许突发流量的情况:如果进水的速率大于出水的速率,直接舍弃掉多余的水。比如,我的桶子容量能装100L,但我的桶子出水速率是10L/s。此时,如果现在有100L/s的水进来,我只让10L的水进到桶子,其余的都限流。(限定了请求的速度)
- 允许一定的突发流量情况:我的桶子能装100L,如果现在我的桶子是空的,那么这100L的水都能瞬间进我的桶子。我以10L/s的速率将这些水流出,如果还有100L的水进来,只能限流了。
经过上面的分析我们就知道:
漏桶算法可以平滑网络上的突发流量(因为漏水的速率是固定的)
1.2 什么是令牌桶算法
现在我有另外一个桶子,这个桶子不用来装水,用来装令牌:
桶子装着令牌
令牌会一定的速率扔进桶子里边,比如我1秒扔10个令牌进桶子:
以一定的速率扔令牌进桶子
桶子能装令牌的个数有上限的,比如我的桶子最多只能装1000个令牌。
每个请求进来,就会去桶子拿一个令牌
- 比如这秒我有1001个请求,我就去桶子里边拿1001个令牌,此时可能会出现两种情况:
- 桶子里边没有1001个令牌,只有1000个,那没拿到令牌的请求只能被阻塞了(等待)
- 桶子里边有1001个令牌,所有请求都可以执行。
令牌桶算法支持网络上的突发流量
漏桶和令牌桶的区别:从上面的例子估计大家也能看出来了,漏桶只能以固定的速率去处理请求,而令牌桶可以以桶子最大的令牌数去处理请求
二、RateLimiter使用
RateLimiter是Guava的一个限流组件,我这边的系统就有用到这个限流组件,使用起来十分方便。
引入pom依赖:
<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非常简单,看以下的Demo:
public static void main(String[] args) { //线程池 ExecutorService exec = Executors.newCachedThreadPool(); //速率是每秒只有3个许可 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 { //获取许可 rateLimiter.acquire(); System.out.println("Accessing: " + no + ",time:" + new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date())); } catch (Exception e) { e.printStackTrace(); } } }; //执行线程 exec.execute(runnable); } //退出线程池 exec.shutdown(); }
我们可以从结果看出,每秒只能执行三个:
每秒执行三个
三、分布式限流
RateLimiter是一个单机的限流组件,如果是分布式应用的话,该怎么做?
可以使用Redis+Lua的方式来实现,大致的lua脚本代码如下:
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 --请求数+1,并设置1秒过期 redis.call("INCRBY", key,"1") redis.call("expire", key,"1") return current + 1 end
Java代码如下:
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; // 当前秒 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)); // 执行lua脚本,传入参数 return result == 1; }
解释:
- Java代码传入key和最大的限制limit参数进lua脚本
- 执行lua脚本(lua脚本判断当前key是否超过了最大限制limit)
- 如果超过,则返回0(限流)
-
如果没超过,返回1(程序继续执行)
参考来源: - https://segmentfault.com/a/1190000016042927
- http://wuwenliang.net/2018/10/27/%E8%87%AA%E5%B7%B1%E5%86%99%E5%88%86%E5%B8%83%E5%BC%8F%E9%99%90%E6%B5%81%E7%BB%84%E4%BB%B6-%E5%9F%BA%E4%BA%8ERedis%E7%9A%84RateLimter/
公众号文章导航:两年呕心沥血的文章!
200多篇原创技术文章
海量视频资源
精美脑图
面试题
长按扫码可关注获取
在看和分享对我非常重要!
- 最近学到的Git知识,大厂的Git机制还是很方便的
- 最近学到一些新知识
- 最近学到的Git知识,大厂的Git机制还是很方便的
- 最近学到的前后端分离知识
- 最近学到的Lambda表达式基础知识
- 最近学到的前后端分离知识
- 05-最近学到的一些知识的总结
- 最近学到的前后端分离知识
- 最近学到的一些知识
- 总结最近学习的C++知识
- 最近有兴趣看一下批处理.bat的一些知识 网上看到,转进来给有兴趣的相互学习
- 怎样判断自己掌握了学到的新知识
- 最近学习了限流与RateLimiter
- 最近需要学习有关shell的知识,搜集的资料
- 最近在测FREEBSD平台下ISP邮件系统前的准备知识摘录
- 8_14 日学到的新知识(简单的工厂模式的实现, MVC 模式的基本概念,软件工程中的四种开发模型, 以及软件工程中的一些小知识点)
- 从csdn学到的c的基础之外的知识
- iPhone7发布!苹果发布会上可以学到哪些运营知识?
- MYSQL 最近知识总结(3)
- 学到的知识不能随着时间而渐渐被遗忘