前言

在實(shí)際項(xiàng)目中，曾經(jīng)遭遇過線上5W+QPS的峰值，也在壓測狀態(tài)下經(jīng)歷過10W+QPS的大流量請求，本篇博客的話題主要就是自己對高并發(fā)流量控制的一點(diǎn)思考。

應(yīng)對大流量的一些思路

“
首先，我們來說一下什么是大流量？
大流量，我們很可能會冒出：TPS（每秒事務(wù)量），QPS（每秒請求量），1W+，5W+，10W+，100W+...。其實(shí)并沒有一個絕對的數(shù)字，如果這個量造成了系統(tǒng)的壓力，影響了系統(tǒng)的性能，那么這個量就可以稱之為大流量了。
其次，應(yīng)對大流量的一些常見手段是什么？
緩存：說白了，就是讓數(shù)據(jù)盡早進(jìn)入緩存，離程序近一點(diǎn)，不要大量頻繁的訪問DB。
降級：如果不是核心鏈路，那么就把這個服務(wù)降級掉。打個比喻，現(xiàn)在的APP都講究千人千面，拿到數(shù)據(jù)后，做個性化排序展示，如果在大流量下，這個排序就可以降級掉！
限流：大家都知道，北京地鐵早高峰，地鐵站都會做一件事情，就是限流了！想法很直接，就是想在一定時(shí)間內(nèi)把請求限制在一定范圍內(nèi)，保證系統(tǒng)不被沖垮，同時(shí)盡可能提升系統(tǒng)的吞吐量。
注意到，有些時(shí)候，緩存和降級是解決不了問題的，比如，電商的雙十一，用戶的購買，下單等行為，是涉及到大量寫操作，而且是核心鏈路，無法降級的，這個時(shí)候，限流就比較重要了。
那么接下來，我們重點(diǎn)說一下，限流。

限流的常用方式

“
限流的常用處理手段有：計(jì)數(shù)器、滑動窗口、漏桶、令牌。

計(jì)數(shù)器

“
計(jì)數(shù)器是一種比較簡單的限流算法，用途比較廣泛，在接口層面，很多地方使用這種方式限流。在一段時(shí)間內(nèi)，進(jìn)行計(jì)數(shù)，與閥值進(jìn)行比較，到了時(shí)間臨界點(diǎn)，將計(jì)數(shù)器清0。

代碼實(shí)例

“
這里需要注意的是，存在一個時(shí)間臨界點(diǎn)的問題。舉個栗子，在12:01:00到12:01:58這段時(shí)間內(nèi)沒有用戶請求，然后在12:01:59這一瞬時(shí)發(fā)出100個請求，OK，然后在12:02:00這一瞬時(shí)又發(fā)出了100個請求。這里你應(yīng)該能感受到，在這個臨界點(diǎn)可能會承受惡意用戶的大量請求，甚至超出系統(tǒng)預(yù)期的承受。

滑動窗口

“
**由于計(jì)數(shù)器存在臨界點(diǎn)缺陷，后來出現(xiàn)了滑動窗口算法來解決。
**

“
滑動窗口的意思是說把固定時(shí)間片，進(jìn)行劃分，并且隨著時(shí)間的流逝，進(jìn)行移動，這樣就巧妙的避開了計(jì)數(shù)器的臨界點(diǎn)問題。也就是說這些固定數(shù)量的可以移動的格子，將會進(jìn)行計(jì)數(shù)判斷閥值，因此格子的數(shù)量影響著滑動窗口算法的精度。

漏桶

“
雖然滑動窗口有效避免了時(shí)間臨界點(diǎn)的問題，但是依然有時(shí)間片的概念，而漏桶算法在這方面比滑動窗口而言，更加先進(jìn)。
有一個固定的桶，進(jìn)水的速率是不確定的，但是出水的速率是恒定的，當(dāng)水滿的時(shí)候是會溢出的。

代碼實(shí)現(xiàn)

令牌桶

“
注意到，漏桶的出水速度是恒定的，那么意味著如果瞬時(shí)大流量的話，將有大部分請求被丟棄掉（也就是所謂的溢出）。為了解決這個問題，令牌桶進(jìn)行了算法改進(jìn)。

“
生成令牌的速度是恒定的，而請求去拿令牌是沒有速度限制的。這意味，面對瞬時(shí)大流量，該算法可以在短時(shí)間內(nèi)請求拿到大量令牌，而且拿令牌的過程并不是消耗很大的事情。（有一點(diǎn)生產(chǎn)令牌，消費(fèi)令牌的意味）
不論是對于令牌桶拿不到令牌被拒絕，還是漏桶的水滿了溢出，都是為了保證大部分流量的正常使用，而犧牲掉了少部分流量，這是合理的，如果因?yàn)闃O少部分流量需要保證的話，那么就可能導(dǎo)致系統(tǒng)達(dá)到極限而掛掉，得不償失。

代碼實(shí)現(xiàn)

限流神器：Guava RateLimiter

“
Guava不僅僅在集合、緩存、異步回調(diào)等方面功能強(qiáng)大（可以參考博主的《使用Google Guava快樂編程》），而且還給我們封裝好了限流的API！
Guava RateLimiter基于令牌桶算法，我們只需要告訴RateLimiter系統(tǒng)限制的QPS是多少，那么RateLimiter將以這個速度往桶里面放入令牌，然后請求的時(shí)候，通過tryAcquire()方法向RateLimiter獲取許可（令牌）。

代碼示例

分布式場景下的限流

“
上面所說的限流的一些方式，都是針對單機(jī)而言的，其實(shí)大部分的場景，單機(jī)的限流已經(jīng)足夠了。分布式下限流的手段常常需要多種技術(shù)相結(jié)合，比如Nginx+Lua，Redis+Lua等去做。本文主要討論的是單機(jī)的限流，這里就不在詳細(xì)介紹分布式場景下的限流了。
一句話，讓系統(tǒng)的流量，先到隊(duì)列中排隊(duì)、限流，不要讓流量直接打到系統(tǒng)上。

好了，到這里，本文就結(jié)束了！

早安！

美好的一天開始了，上班咯！

END