億級(jí)流量架構(gòu)服務(wù)限流，寫得真流弊！

點(diǎn)擊上方藍(lán)色字體，選擇“標(biāo)星公眾號(hào)”

優(yōu)質(zhì)文章，第一時(shí)間送達(dá)

為什么要限流

日常生活中,有哪些需要限流的地方?

像我旁邊有一個(gè)國家景區(qū),平時(shí)可能根本沒什么人前往,但是一到五一或者春節(jié)就人滿為患,這時(shí)候景區(qū)管理人員就會(huì)實(shí)行一系列的政策來限制進(jìn)入人流量,
為什么要限流呢?假如景區(qū)能容納一萬人,現(xiàn)在進(jìn)去了三萬人,勢(shì)必摩肩接踵,整不好還會(huì)有事故發(fā)生,這樣的結(jié)果就是所有人的體驗(yàn)都不好,如果發(fā)生了事故景區(qū)可能還要關(guān)閉,導(dǎo)致對(duì)外不可用,這樣的后果就是所有人都覺得體驗(yàn)糟糕透了。

限流的思想就是,在保證可用的情況下盡可能多增加進(jìn)入的人數(shù),其余的人在外面排隊(duì)等待,保證里面的一萬人可以正常游玩。

回到網(wǎng)絡(luò)上,同樣也是這個(gè)道理,例如某某明星公布了戀情,訪問從平時(shí)的50萬增加到了500萬,系統(tǒng)最多可以支撐200萬訪問,那么就要執(zhí)行限流規(guī)則,保證是一個(gè)可用的狀態(tài),不至于服務(wù)器崩潰導(dǎo)致所有請(qǐng)求不可用。

限流思路

對(duì)系統(tǒng)服務(wù)進(jìn)行限流，一般有如下幾個(gè)模式：

熔斷

系統(tǒng)在設(shè)計(jì)之初就把熔斷措施考慮進(jìn)去。當(dāng)系統(tǒng)出現(xiàn)問題時(shí)，如果短時(shí)間內(nèi)無法修復(fù)，系統(tǒng)要自動(dòng)做出判斷，開啟熔斷開關(guān)，拒絕流量訪問，避免大流量對(duì)后端的過載請(qǐng)求。

系統(tǒng)也應(yīng)該能夠動(dòng)態(tài)監(jiān)測(cè)后端程序的修復(fù)情況，當(dāng)程序已恢復(fù)穩(wěn)定時(shí)，可以關(guān)閉熔斷開關(guān)，恢復(fù)正常服務(wù)。常見的熔斷組件有Hystrix以及阿里的Sentinel，兩種互有優(yōu)缺點(diǎn)，可以根據(jù)業(yè)務(wù)的實(shí)際情況進(jìn)行選擇。

服務(wù)降級(jí)

將系統(tǒng)的所有功能服務(wù)進(jìn)行一個(gè)分級(jí)，當(dāng)系統(tǒng)出現(xiàn)問題需要緊急限流時(shí)，可將不是那么重要的功能進(jìn)行降級(jí)處理，停止服務(wù)，這樣可以釋放出更多的資源供給核心功能的去用。

例如在電商平臺(tái)中，如果突發(fā)流量激增，可臨時(shí)將商品評(píng)論、積分等非核心功能進(jìn)行降級(jí)，停止這些服務(wù)，釋放出機(jī)器和CPU等資源來保障用戶正常下單，而這些降級(jí)的功能服務(wù)可以等整個(gè)系統(tǒng)恢復(fù)正常后，再來啟動(dòng)，進(jìn)行補(bǔ)單/補(bǔ)償處理。除了功能降級(jí)以外，還可以采用不直接操作數(shù)據(jù)庫，而全部讀緩存、寫緩存的方式作為臨時(shí)降級(jí)方案。

延遲處理

這個(gè)模式需要在系統(tǒng)的前端設(shè)置一個(gè)流量緩沖池，將所有的請(qǐng)求全部緩沖進(jìn)這個(gè)池子，不立即處理。然后后端真正的業(yè)務(wù)處理程序從這個(gè)池子中取出請(qǐng)求依次處理，常見的可以用隊(duì)列模式來實(shí)現(xiàn)。這就相當(dāng)于用異步的方式去減少了后端的處理壓力，但是當(dāng)流量較大時(shí)，后端的處理能力有限，緩沖池里的請(qǐng)求可能處理不及時(shí)，會(huì)有一定程度延遲。后面具體的漏桶算法以及令牌桶算法就是這個(gè)思路。

特權(quán)處理

這個(gè)模式需要將用戶進(jìn)行分類，通過預(yù)設(shè)的分類，讓系統(tǒng)優(yōu)先處理需要高保障的用戶群體，其它用戶群的請(qǐng)求就會(huì)延遲處理或者直接不處理。

緩存、降級(jí)、限流區(qū)別

緩存，是用來增加系統(tǒng)吞吐量，提升訪問速度提供高并發(fā)。

降級(jí)，是在系統(tǒng)某些服務(wù)組件不可用的時(shí)候、流量暴增、資源耗盡等情況下，暫時(shí)屏蔽掉出問題的服務(wù)，繼續(xù)提供降級(jí)服務(wù)，給用戶盡可能的友好提示，返回兜底數(shù)據(jù)，不會(huì)影響整體業(yè)務(wù)流程，待問題解決再重新上線服務(wù)

限流，是指在使用緩存和降級(jí)無效的場(chǎng)景。比如當(dāng)達(dá)到閾值后限制接口調(diào)用頻率，訪問次數(shù)，庫存?zhèn)€數(shù)等，在出現(xiàn)服務(wù)不可用之前，提前把服務(wù)降級(jí)。只服務(wù)好一部分用戶。

限流的算法

限流算法很多,常見的有三類,分別是計(jì)數(shù)器算法、漏桶算法、令牌桶算法,下面逐一講解。

計(jì)數(shù)器算法

簡單粗暴,比如指定線程池大小，指定數(shù)據(jù)庫連接池大小、nginx連接數(shù)等,這都屬于計(jì)數(shù)器算法。

計(jì)數(shù)器算法是限流算法里最簡單也是最容易實(shí)現(xiàn)的一種算法。舉個(gè)例子,比如我們規(guī)定對(duì)于A接口，我們1分鐘的訪問次數(shù)不能超過100個(gè)。那么我們可以這么做：在一開 始的時(shí)候，我們可以設(shè)置一個(gè)計(jì)數(shù)器counter，每當(dāng)一個(gè)請(qǐng)求過來的時(shí)候，counter就加1，如果counter的值大于100并且該請(qǐng)求與第一個(gè)請(qǐng)求的間隔時(shí)間還在1分鐘之內(nèi)，那么說明請(qǐng)求數(shù)過多,拒絕訪問；如果該請(qǐng)求與第一個(gè)請(qǐng)求的間隔時(shí)間大于1分鐘，且counter的值還在限流范圍內(nèi)，那么就重置 counter,就是這么簡單粗暴。

漏桶算法

漏桶算法思路很簡單，水（請(qǐng)求）先進(jìn)入到漏桶里，漏桶以一定的速度出水，當(dāng)水流入速度過大會(huì)超過桶可接納的容量時(shí)直接溢出，可以看出漏桶算法能強(qiáng)行限制數(shù)據(jù)的傳輸速率。

這樣做的好處是:

削峰:有大量流量進(jìn)入時(shí),會(huì)發(fā)生溢出,從而限流保護(hù)服務(wù)可用

緩沖:不至于直接請(qǐng)求到服務(wù)器,緩沖壓力
消費(fèi)速度固定 因?yàn)橛?jì)算性能固定

令牌桶算法

令牌桶與漏桶相似,不同的是令牌桶桶中放了一些令牌,服務(wù)請(qǐng)求到達(dá)后,要獲取令牌之后才會(huì)得到服務(wù),舉個(gè)例子,我們平時(shí)去食堂吃飯,都是在食堂內(nèi)窗口前排隊(duì)的,這就好比是漏桶算法,大量的人員聚集在食堂內(nèi)窗口外,以一定的速度享受服務(wù),如果涌進(jìn)來的人太多,食堂裝不下了,可能就有一部分人站到食堂外了,這就沒有享受到食堂的服務(wù),稱之為溢出,溢出可以繼續(xù)請(qǐng)求,也就是繼續(xù)排隊(duì),那么這樣有什么問題呢?

如果這時(shí)候有特殊情況,比如有些趕時(shí)間的志愿者啦、或者高三要高考啦,這種情況就是突發(fā)情況,如果也用漏桶算法那也得慢慢排隊(duì),這也就沒有解決我們的需求,對(duì)于很多應(yīng)用場(chǎng)景來說，除了要求能夠限制數(shù)據(jù)的平均傳輸速率外，還要求允許某種程度的突發(fā)傳輸。這時(shí)候漏桶算法可能就不合適了，令牌桶算法更為適合。如圖所示，令牌桶算法的原理是系統(tǒng)會(huì)以一個(gè)恒定的速度往桶里放入令牌，而如果請(qǐng)求需要被處理，則需要先從桶里獲取一個(gè)令牌，當(dāng)桶里沒有令牌可取時(shí)，則拒絕服務(wù)。

令牌桶好處就是,如果某一瞬間訪問量劇增或者有突發(fā)情況,可以通過改變桶中令牌數(shù)量來改變連接數(shù),就好比那個(gè)食堂排隊(duì)吃飯的問題,如果現(xiàn)在不是直接去窗口排隊(duì),而是先來樓外拿飯票然后再去排隊(duì),那么有高三的學(xué)生時(shí)可以將增加飯票數(shù)量或者優(yōu)先將令牌給高三的學(xué)生,這樣比漏桶算法更加靈活。

并發(fā)限流

簡單來說就是設(shè)置系統(tǒng)閾值總的QPS個(gè)數(shù),這些也挺常見的,就拿Tomcat來說,很多參數(shù)就是出于這個(gè)考慮,例如

配置的acceptCount 設(shè)置響應(yīng)連接數(shù), maxConnections設(shè)置瞬時(shí)最大連接數(shù), maxThreads 設(shè)置最大線程數(shù),在各個(gè)框架或者組件中,并發(fā)限流體現(xiàn)在下面幾個(gè)方面:

• 限制總并發(fā)數(shù)（如數(shù)據(jù)庫連接池、線程池）

• 限制瞬時(shí)并發(fā)數(shù)（nginx的limit_conn模塊，用來限制瞬時(shí)并發(fā)連接數(shù)）

• 限制時(shí)間窗口內(nèi)的平均速率（如Guava的RateLimiter、nginx的limit_req模塊，限制每秒的平均速率）

• 其他的還有限制遠(yuǎn)程接口調(diào)用速率、限制MQ的消費(fèi)速率。

• 另外還可以根據(jù)網(wǎng)絡(luò)連接數(shù)、網(wǎng)絡(luò)流量、CPU或內(nèi)存負(fù)載等來限流。

有了并發(fā)限流，就意味著在處理高并發(fā)的時(shí)候多了一種保護(hù)機(jī)制，不用擔(dān)心瞬間流量導(dǎo)致系統(tǒng)掛掉或雪崩，最終做到有損服務(wù)而不是不服務(wù)；但是限流需要評(píng)估好，不能亂用，否則一些正常流量出現(xiàn)一些奇怪的問題而導(dǎo)致用戶體驗(yàn)很差造成用戶流失。

接口限流

接口限流分為兩個(gè)部分,一是限制一段時(shí)間內(nèi)接口調(diào)用次數(shù),參照前面限流算法的計(jì)數(shù)器算法, 二是設(shè)置滑動(dòng)時(shí)間窗口算法。

接口總數(shù)

控制一段時(shí)間內(nèi)接口被調(diào)用的總數(shù)量,可以參考前面的計(jì)數(shù)器算法,不再贅述。

接口時(shí)間窗口

固定時(shí)間窗口算法(也就是前面提到的計(jì)數(shù)器算法)的問題是統(tǒng)計(jì)區(qū)間太大，限流不夠精確，而且在第二個(gè)統(tǒng)計(jì)區(qū)間 時(shí)沒有考慮與前一個(gè)統(tǒng)計(jì)區(qū)間的關(guān)系與影響（第一個(gè)區(qū)間后半段 + 第二個(gè)區(qū)間前半段也是一分鐘）。為了解決上面我們提到的臨界問題，我們?cè)噲D把每個(gè)統(tǒng)計(jì)區(qū)間分為更小的統(tǒng)計(jì)區(qū)間，更精確的統(tǒng)計(jì)計(jì)數(shù)。

在上面的例子中,假設(shè)QPS可以接受100次查詢/秒, 前一分鐘前40秒訪問很低,后20秒突增,并且這個(gè)持續(xù)了一段時(shí)間,直到第二分鐘的第40秒才開始降下來,根據(jù)前面的計(jì)數(shù)方法,前一秒的QPS為94,后一秒的QPS為92,那么沒有超過設(shè)定參數(shù),但是!但是在中間區(qū)域,QPS達(dá)到了142,這明顯超過了我們的允許的服務(wù)請(qǐng)求數(shù)目,所以固定窗口計(jì)數(shù)器不太可靠,需要滑動(dòng)窗口計(jì)數(shù)器。

計(jì)數(shù)器算法其實(shí)就是固定窗口算法, 只是它沒有對(duì)時(shí)間窗口做進(jìn)一步地劃分，所以只有1格；由此可見，當(dāng)滑動(dòng)窗口的格子劃分的越多，也就是將秒精確到毫秒或者納秒, 那么滑動(dòng)窗口的滾動(dòng)就越平滑，限流的統(tǒng)計(jì)就會(huì)越精確。

需要注意的是,消耗的空間就越多。

限流實(shí)現(xiàn)

這一部分是限流的具體實(shí)現(xiàn),簡單說說,畢竟長篇代碼沒人愿意看。

guava實(shí)現(xiàn)

引入包

<!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>28.1-jre</version>
</dependency>

核心代碼

  LoadingCache<Long, AtomicLong> counter = CacheBuilder.newBuilder().
    expireAfterWrite(2, TimeUnit.SECONDS)
    .build(new CacheLoader<Long, AtomicLong>() {

     @Override
     public AtomicLong load(Long secend) throws Exception {
      // TODO Auto-generated method stub
      return new AtomicLong(0);
     }
    });
  counter.get(1l).incrementAndGet();

令牌桶實(shí)現(xiàn)

穩(wěn)定模式(SmoothBursty:令牌生成速度恒定)

 public static void main(String[] args) {
  // RateLimiter.create(2)每秒產(chǎn)生的令牌數(shù)
  RateLimiter limiter = RateLimiter.create(2);
        // limiter.acquire() 阻塞的方式獲取令牌
  System.out.println(limiter.acquire());;
  try {
   Thread.sleep(2000);
  } catch (InterruptedException e) {
   // TODO Auto-generated catch block
   e.printStackTrace();
  }
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
 }

```RateLimiter.create(2)`` 容量和突發(fā)量，令牌桶算法允許將一段時(shí)間內(nèi)沒有消費(fèi)的令牌暫存到令牌桶中，用來突發(fā)消費(fèi)。

漸進(jìn)模式(SmoothWarmingUp:令牌生成速度緩慢提升直到維持在一個(gè)穩(wěn)定值)

 // 平滑限流，從冷啟動(dòng)速率（滿的）到平均消費(fèi)速率的時(shí)間間隔
  RateLimiter limiter = RateLimiter.create(2,1000l,TimeUnit.MILLISECONDS);
  System.out.println(limiter.acquire());;
  try {
   Thread.sleep(2000);
  } catch (InterruptedException e) {
   // TODO Auto-generated catch block
   e.printStackTrace();
  }
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;
  
  System.out.println(limiter.acquire());;
  System.out.println(limiter.acquire());;

超時(shí)

boolean tryAcquire = limiter.tryAcquire(Duration.ofMillis(11));

在timeout時(shí)間內(nèi)是否能夠獲得令牌，異步執(zhí)行

分布式系統(tǒng)限流

Nginx + Lua實(shí)現(xiàn)

可以使用resty.lock保持原子特性，請(qǐng)求之間不會(huì)產(chǎn)生鎖的重入

https://github.com/openresty/lua-resty-lock

使用lua_shared_dict存儲(chǔ)數(shù)據(jù)

local locks = require "resty.lock"

local function acquire()
    local lock =locks:new("locks")
    local elapsed, err =lock:lock("limit_key") --互斥鎖 保證原子特性
    local limit_counter =ngx.shared.limit_counter --計(jì)數(shù)器

    local key = "ip:" ..os.time()
    local limit = 5 --限流大小
    local current =limit_counter:get(key)

    if current ~= nil and current + 1> limit then --如果超出限流大小
       lock:unlock()
       return 0
    end
    if current == nil then
       limit_counter:set(key, 1, 1) --第一次需要設(shè)置過期時(shí)間，設(shè)置key的值為1，
--過期時(shí)間為1秒
    else
        limit_counter:incr(key, 1) --第二次開始加1即可
    end
    lock:unlock()
    return 1
end
ngx.print(acquire())

  作者 |  等不到的口琴

來源 |  cnblogs.com/Courage129/p/14423707.html