一、什么是限流？為什么要限流？

不知道大家有沒有做過帝都的地鐵，就是進(jìn)地鐵站都要排隊(duì)的那種，為什么要這樣擺長龍轉(zhuǎn)圈圈？答案就是為了限流！因?yàn)橐惶说罔F的運(yùn)力是有限的，一下擠進(jìn)去太多人會(huì)造成站臺(tái)的擁擠、列車的超載，存在一定的安全隱患。同理，我們的程序也是一樣，它處理請求的能力也是有限的，一旦請求多到超出它的處理極限就會(huì)崩潰。為了不出現(xiàn)最壞的崩潰情況，只能耽誤一下大家進(jìn)站的時(shí)間。

限流是保證系統(tǒng)高可用的重要手段！！！

由于互聯(lián)網(wǎng)公司的流量巨大，系統(tǒng)上線會(huì)做一個(gè)流量峰值的評(píng)估，尤其是像各種秒殺促銷活動(dòng)，為了保證系統(tǒng)不被巨大的流量壓垮，會(huì)在系統(tǒng)流量到達(dá)一定閾值時(shí)，拒絕掉一部分流量。

限流會(huì)導(dǎo)致用戶在短時(shí)間內(nèi)（這個(gè)時(shí)間段是毫秒級(jí)的）系統(tǒng)不可用，一般我們衡量系統(tǒng)處理能力的指標(biāo)是每秒的QPS或者TPS，假設(shè)系統(tǒng)每秒的流量閾值是1000，理論上一秒內(nèi)有第1001個(gè)請求進(jìn)來時(shí)，那么這個(gè)請求就會(huì)被限流。

二、限流方案

1、計(jì)數(shù)器

Java內(nèi)部也可以通過原子類計(jì)數(shù)器AtomicInteger、Semaphore信號(hào)量來做簡單的限流。

// 限流的個(gè)數(shù) private int maxCount = 10; // 指定的時(shí)間內(nèi) private long interval = 60; // 原子類計(jì)數(shù)器 private AtomicInteger atomicInteger = new AtomicInteger(0); // 起始時(shí)間 private long startTime = System.currentTimeMillis(); public boolean limit(int maxCount, int interval) { atomicInteger.addAndGet(1); if (atomicInteger.get() == 1) { startTime = System.currentTimeMillis(); atomicInteger.addAndGet(1); return true; } // 超過了間隔時(shí)間，直接重新開始計(jì)數(shù) if (System.currentTimeMillis() - startTime > interval * 1000) { startTime = System.currentTimeMillis(); atomicInteger.set(1); return true; } // 還在間隔時(shí)間內(nèi),check有沒有超過限流的個(gè)數(shù) if (atomicInteger.get() > maxCount) { return false; } return true; }

2、漏桶算法

漏桶算法思路很簡單，我們把水比作是請求，漏桶比作是系統(tǒng)處理能力極限，水先進(jìn)入到漏桶里，漏桶里的水按一定速率流出，當(dāng)流出的速率小于流入的速率時(shí)，由于漏桶容量有限，后續(xù)進(jìn)入的水直接溢出（拒絕請求），以此實(shí)現(xiàn)限流。

3、令牌桶算法

令牌桶算法的原理也比較簡單，我們可以理解成醫(yī)院的掛號(hào)看病，只有拿到號(hào)以后才可以進(jìn)行診病。

系統(tǒng)會(huì)維護(hù)一個(gè)令牌（token）桶，以一個(gè)恒定的速度往桶里放入令牌（token），這時(shí)如果有請求進(jìn)來想要被處理，則需要先從桶里獲取一個(gè)令牌（token），當(dāng)桶里沒有令牌（token）可取時(shí)，則該請求將被拒絕服務(wù)。令牌桶算法通過控制桶的容量、發(fā)放令牌的速率，來達(dá)到對請求的限制。

4、Redis + Lua

很多同學(xué)不知道Lua是啥？個(gè)人理解，Lua腳本和 MySQL數(shù)據(jù)庫的存儲(chǔ)過程比較相似，他們執(zhí)行一組命令，所有命令的執(zhí)行要么全部成功或者失敗，以此達(dá)到原子性。也可以把Lua腳本理解為，一段具有業(yè)務(wù)邏輯的代碼塊。

而Lua本身就是一種編程語言，雖然redis 官方?jīng)]有直接提供限流相應(yīng)的API，但卻支持了 Lua 腳本的功能，可以使用它實(shí)現(xiàn)復(fù)雜的令牌桶或漏桶算法，也是分布式系統(tǒng)中實(shí)現(xiàn)限流的主要方式之一。

相比Redis事務(wù)，Lua腳本的優(yōu)點(diǎn)：

減少網(wǎng)絡(luò)開銷： 使用Lua腳本，無需向Redis 發(fā)送多次請求，執(zhí)行一次即可，減少網(wǎng)絡(luò)傳輸 原子操作：Redis 將整個(gè)Lua腳本作為一個(gè)命令執(zhí)行，原子，無需擔(dān)心并發(fā) 復(fù)用：Lua腳本一旦執(zhí)行，會(huì)永久保存 Redis 中,，其他客戶端可復(fù)用

Lua腳本大致邏輯如下：

-- 獲取調(diào)用腳本時(shí)傳入的第一個(gè)key值（用作限流的 key）local key = KEYS[1]-- 獲取調(diào)用腳本時(shí)傳入的第一個(gè)參數(shù)值（限流大小）local limit = tonumber(ARGV[1])-- 獲取當(dāng)前流量大小local curentLimit = tonumber(redis.call(’get’, key) or '0')-- 是否超出限流if curentLimit + 1 > limit then -- 返回(拒絕) return 0else -- 沒有超出 value + 1 redis.call('INCRBY', key, 1) -- 設(shè)置過期時(shí)間 redis.call('EXPIRE', key, 2) -- 返回(放行) return 1end 通過KEYS[1] 獲取傳入的key參數(shù) 通過ARGV[1]獲取傳入的limit參數(shù) redis.call方法，從緩存中g(shù)et和key相關(guān)的值，如果為null那么就返回0 接著判斷緩存中記錄的數(shù)值是否會(huì)大于限制大小，如果超出表示該被限流，返回0 如果未超過，那么該key的緩存值+1，并設(shè)置過期時(shí)間為1秒鐘以后，并返回緩存值+1

這種方式是本文推薦的方案，具體實(shí)現(xiàn)會(huì)在后邊做細(xì)說。

5、網(wǎng)關(guān)層限流

限流常在網(wǎng)關(guān)這一層做，比如Nginx、Openresty、kong、zuul、Spring Cloud Gateway等，而像spring cloud - gateway網(wǎng)關(guān)限流底層實(shí)現(xiàn)原理，就是基于Redis + Lua，通過內(nèi)置Lua限流腳本的方式。

三、Redis + Lua 限流實(shí)現(xiàn)

下面我們通過自定義注解、aop、Redis + Lua 實(shí)現(xiàn)限流，步驟會(huì)比較詳細(xì)，為了小白能讓快速上手這里??亂壞悖?芯?櫚睦夏衩嵌嗟４?幌隆?/p>

1、環(huán)境準(zhǔn)備

springboot 項(xiàng)目創(chuàng)建地址：https://start.spring.io，很方便實(shí)用的一個(gè)工具。

2、引入依賴包

pom文件中添加如下依賴包，比較關(guān)鍵的就是 spring-boot-starter-data-redis 和 spring-boot-starter-aop。

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-aop</artifactId> </dependency> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>21.0</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-lang3</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> <exclusions><exclusion> <groupId>org.junit.vintage</groupId> <artifactId>junit-vintage-engine</artifactId></exclusion> </exclusions> </dependency> </dependencies>

3、配置application.properties

在 application.properties 文件中配置提前搭建好的 redis 服務(wù)地址和端口。

spring.redis.host=127.0.0.1spring.redis.port=6379

4、配置RedisTemplate實(shí)例

@Configurationpublic class RedisLimiterHelper { @Bean public RedisTemplate<String, Serializable> limitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) { RedisTemplate<String, Serializable> template = new RedisTemplate<>(); template.setKeySerializer(new StringRedisSerializer()); template.setValueSerializer(new GenericJackson2JsonRedisSerializer()); template.setConnectionFactory(redisConnectionFactory); return template; }}

限流類型枚舉類

/** * @author fu * @description 限流類型 * @date 2020/4/8 13:47 */public enum LimitType { /** * 自定義key */ CUSTOMER, /** * 請求者IP */ IP;}

5、自定義注解

我們自定義個(gè)@Limit注解，注解類型為ElementType.METHOD即作用于方法上。

period表示請求限制時(shí)間段，count表示在period這個(gè)時(shí)間段內(nèi)允許放行請求的次數(shù)。limitType代表限流的類型，可以根據(jù)請求的IP、自定義key，如果不傳limitType屬性則默認(rèn)用方法名作為默認(rèn)key。

/** * @author fu * @description 自定義限流注解 * @date 2020/4/8 13:15 */@Target({ElementType.METHOD, ElementType.TYPE})@Retention(RetentionPolicy.RUNTIME)@Inherited@Documentedpublic @interface Limit { /** * 名字 */ String name() default ''; /** * key */ String key() default ''; /** * Key的前綴 */ String prefix() default ''; /** * 給定的時(shí)間范圍 單位(秒) */ int period(); /** * 一定時(shí)間內(nèi)最多訪問次數(shù) */ int count(); /** * 限流的類型(用戶自定義key 或者 請求ip) */ LimitType limitType() default LimitType.CUSTOMER;}

6、切面代碼實(shí)現(xiàn)

/** * @author fu * @description 限流切面實(shí)現(xiàn) * @date 2020/4/8 13:04 */@Aspect@Configurationpublic class LimitInterceptor { private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class); private static final String UNKNOWN = 'unknown'; private final RedisTemplate<String, Serializable> limitRedisTemplate; @Autowired public LimitInterceptor(RedisTemplate<String, Serializable> limitRedisTemplate) { this.limitRedisTemplate = limitRedisTemplate; } /** * @param pjp * @author fu * @description 切面 * @date 2020/4/8 13:04 */ @Around('execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)') public Object interceptor(ProceedingJoinPoint pjp) { MethodSignature signature = (MethodSignature) pjp.getSignature(); Method method = signature.getMethod(); Limit limitAnnotation = method.getAnnotation(Limit.class); LimitType limitType = limitAnnotation.limitType(); String name = limitAnnotation.name(); String key; int limitPeriod = limitAnnotation.period(); int limitCount = limitAnnotation.count(); /** * 根據(jù)限流類型獲取不同的key ,如果不傳我們會(huì)以方法名作為key */ switch (limitType) { case IP:key = getIpAddress();break; case CUSTOMER:key = limitAnnotation.key();break; default:key = StringUtils.upperCase(method.getName()); } ImmutableList<String> keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(), key)); try { String luaScript = buildLuaScript(); RedisScript<Number> redisScript = new DefaultRedisScript<>(luaScript, Number.class); Number count = limitRedisTemplate.execute(redisScript, keys, limitCount, limitPeriod); logger.info('Access try count is {} for name={} and key = {}', count, name, key); if (count != null && count.intValue() <= limitCount) {return pjp.proceed(); } else {throw new RuntimeException('You have been dragged into the blacklist'); } } catch (Throwable e) { if (e instanceof RuntimeException) {throw new RuntimeException(e.getLocalizedMessage()); } throw new RuntimeException('server exception'); } } /** * @author fu * @description 編寫 redis Lua 限流腳本 * @date 2020/4/8 13:24 */ public String buildLuaScript() { StringBuilder lua = new StringBuilder(); lua.append('local c'); lua.append('nc = redis.call(’get’,KEYS[1])'); // 調(diào)用不超過最大值，則直接返回 lua.append('nif c and tonumber(c) > tonumber(ARGV[1]) then'); lua.append('nreturn c;'); lua.append('nend'); // 執(zhí)行計(jì)算器自加 lua.append('nc = redis.call(’incr’,KEYS[1])'); lua.append('nif tonumber(c) == 1 then'); // 從第一次調(diào)用開始限流，設(shè)置對應(yīng)鍵值的過期 lua.append('nredis.call(’expire’,KEYS[1],ARGV[2])'); lua.append('nend'); lua.append('nreturn c;'); return lua.toString(); } /** * @author fu * @description 獲取id地址 * @date 2020/4/8 13:24 */ public String getIpAddress() { HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); String ip = request.getHeader('x-forwarded-for'); if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader('Proxy-Client-IP'); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader('WL-Proxy-Client-IP'); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getRemoteAddr(); } return ip; }}

7、控制層實(shí)現(xiàn)

我們將@Limit注解作用在需要進(jìn)行限流的接口方法上，下邊我們給方法設(shè)置@Limit注解，在10秒內(nèi)只允許放行3個(gè)請求，這里為直觀一點(diǎn)用AtomicInteger計(jì)數(shù)。

/** * @Author: fu * @Description: */@RestControllerpublic class LimiterController { private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger(); /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'limitTest', period = 10, count = 3) @GetMapping('/limitTest1') public int testLimiter1() { return ATOMIC_INTEGER_1.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'customer_limit_test', period = 10, count = 3, limitType = LimitType.CUSTOMER) @GetMapping('/limitTest2') public int testLimiter2() { return ATOMIC_INTEGER_2.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'ip_limit_test', period = 10, count = 3, limitType = LimitType.IP) @GetMapping('/limitTest3') public int testLimiter3() { return ATOMIC_INTEGER_3.incrementAndGet(); }}

8、測試

測試預(yù)期：連續(xù)請求3次均可以成功，第4次請求被拒絕。接下來看一下是不是我們預(yù)期的效果，請求地址：http://127.0.0.1:8080/limitTest1，用postman進(jìn)行測試，有沒有postman url直接貼瀏覽器也是一樣。

可以看到第四次請求時(shí)，應(yīng)用直接拒絕了請求，說明我們的 Springboot + aop + lua 限流方案搭建成功。

總結(jié)

以上 springboot + aop + Lua 限流實(shí)現(xiàn)是比較簡單的，旨在讓大家認(rèn)識(shí)下什么是限流？如何做一個(gè)簡單的限流功能，面試要知道這是個(gè)什么東西。上面雖然說了幾種實(shí)現(xiàn)限流的方案，但選哪種還要結(jié)合具體的業(yè)務(wù)場景，不能為了用而用。

到此這篇關(guān)于詳解springboot+aop+Lua分布式限流的最佳實(shí)踐的文章就介紹到這了,更多相關(guān)springboot+aop+Lua分布式限流內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！