6種限流實(shí)現(xiàn),附代碼![通俗易懂]
作者 | 磊哥
來源 | Java中文社群（ID：javacn666）
轉(zhuǎn)載請(qǐng)聯(lián)系授權(quán)（微信ID：GG_Stone
限流是一種控制訪問速率的策略，用于限制系統(tǒng)、服務(wù)或API接口的請(qǐng)求頻率或數(shù)量。它的目的是為了保護(hù)系統(tǒng)免受過多請(qǐng)求的影響，防止系統(tǒng)因過載而崩潰或變得不可用。限流是一種重要的性能優(yōu)化和資源保護(hù)機(jī)制。
限流的好處有以下幾個(gè)：
- 保護(hù)系統(tǒng)穩(wěn)定性：如果系統(tǒng)接受太多請(qǐng)求，超出了其處理能力，可能導(dǎo)致系統(tǒng)崩潰或響應(yīng)時(shí)間急劇增加，從而影響用戶體驗(yàn)。限流可以幫助控制請(qǐng)求速率，確保系統(tǒng)穩(wěn)定運(yùn)行。
- 保護(hù)系統(tǒng)可用性：有些資源可能是有限的，如數(shù)據(jù)庫連接、網(wǎng)絡(luò)帶寬、內(nèi)存等。通過限制對(duì)這些資源的訪問，可以防止它們被耗盡，從而保護(hù)系統(tǒng)的可用性。
- 防止惡意攻擊：限流可以減少惡意攻擊和濫用系統(tǒng)資源的風(fēng)險(xiǎn)。例如，防止 DDoS（分布式拒絕服務(wù)）攻擊或惡意爬蟲訪問網(wǎng)站。
- 公平分配資源：對(duì)于多個(gè)客戶或用戶，限流可以確保資源公平分配。每個(gè)客戶都有限制的訪問機(jī)會(huì)，而不會(huì)被某個(gè)客戶壟斷。
- 避免雪崩效應(yīng)：當(dāng)系統(tǒng)中的一個(gè)組件或服務(wù)發(fā)生故障時(shí)，可能會(huì)導(dǎo)致大量請(qǐng)求涌入其他正常的組件或服務(wù)，進(jìn)一步加劇系統(tǒng)負(fù)載，限流可以防止這種雪崩效應(yīng)。
限流分類
限流的實(shí)現(xiàn)方案有很多種，磊哥這里稍微理了一下，限流的分類如下所示：
- 合法性驗(yàn)證限流：比如驗(yàn)證碼、IP 黑名單等，這些手段可以有效的防止惡意攻擊和爬蟲采集。
- 容器限流：比如 Tomcat、Nginx 等限流手段，其中 Tomcat 可以設(shè)置最大線程數(shù)（maxThreads），當(dāng)并發(fā)超過最大線程數(shù)會(huì)排隊(duì)等待執(zhí)行；而 Nginx 提供了兩種限流手段：一是控制速率，二是控制并發(fā)連接數(shù)。
- 服務(wù)端限流：比如我們?cè)诜?wù)器端通過限流算法實(shí)現(xiàn)限流，此項(xiàng)也是我們本文介紹的重點(diǎn)。
合法性驗(yàn)證限流為最常規(guī)的業(yè)務(wù)代碼，就是普通的驗(yàn)證碼和 IP 黑名單系統(tǒng)，本文就不做過多的敘述了，我們重點(diǎn)來看下后兩種限流的實(shí)現(xiàn)方案：容器限流和服務(wù)端限流。
一、容器限流
1.1 Tomcat 限流
Tomcat 8.5 版本的最大線程數(shù)在 conf/server.xml 配置中，如下所示：
<Connector port="8080" protocol="HTTP/1.1"
connectionTimeout="20000"
maxThreads="150"
redirectPort="8443" />
其中 maxThreads 就是 Tomcat 的最大線程數(shù)，當(dāng)請(qǐng)求的并發(fā)大于此值（maxThreads）時(shí)，請(qǐng)求就會(huì)排隊(duì)執(zhí)行，這樣就完成了限流的目的。
小貼士：maxThreads 的值可以適當(dāng)?shù)恼{(diào)大一些，此值默認(rèn)為 150（Tomcat 版本 8.5.42），但這個(gè)值也不是越大越好，要看具體的硬件配置，需要注意的是每開啟一個(gè)線程需要耗用 1MB 的 JVM 內(nèi)存空間用于作為線程棧之用，并且線程越多 GC 的負(fù)擔(dān)也越重。最后需要注意一下，操作系統(tǒng)對(duì)于進(jìn)程中的線程數(shù)有一定的限制，Windows 每個(gè)進(jìn)程中的線程數(shù)不允許超過 2000，Linux 每個(gè)進(jìn)程中的線程數(shù)不允許超過 1000。
1.2 Nginx 限流
Nginx 提供了兩種限流手段：一是控制速率，二是控制并發(fā)連接數(shù)。
控制速率
我們需要使用 limit_req_zone 用來限制單位時(shí)間內(nèi)的請(qǐng)求數(shù)，即速率限制，示例配置如下：
limit_req_zone $binary_remote_addr zone=mylimit:10m rate=2r/s;
server {
location / {
limit_req zone=mylimit;
}
}
以上配置表示，限制每個(gè) IP 訪問的速度為 2r/s，因?yàn)?Nginx 的限流統(tǒng)計(jì)是基于毫秒的，我們?cè)O(shè)置的速度是 2r/s，轉(zhuǎn)換一下就是 500ms 內(nèi)單個(gè) IP 只允許通過 1 個(gè)請(qǐng)求，從 501ms 開始才允許通過第 2 個(gè)請(qǐng)求。
我們使用單 IP 在 10ms 內(nèi)發(fā)并發(fā)送了 6 個(gè)請(qǐng)求的執(zhí)行結(jié)果如下：
從以上結(jié)果可以看出他的執(zhí)行符合我們的預(yù)期，只有 1 個(gè)執(zhí)行成功了，其他的 5 個(gè)被拒絕了（第 2 個(gè)在 501ms 才會(huì)被正常執(zhí)行）。速率限制升級(jí)版上面的速率控制雖然很精準(zhǔn)但是應(yīng)用于真實(shí)環(huán)境未免太苛刻了，真實(shí)情況下我們應(yīng)該控制一個(gè) IP 單位總時(shí)間內(nèi)的總訪問次數(shù)，而不是像上面那么精確但毫秒，我們可以使用 burst 關(guān)鍵字開啟此設(shè)置，示例配置如下：
limit_req_zone $binary_remote_addr zone=mylimit:10m rate=2r/s;
server {
location / {
limit_req zone=mylimit burst=4;
}
}
burst=4 表示每個(gè) IP 最多允許4個(gè)突發(fā)請(qǐng)求，如果單個(gè) IP 在 10ms 內(nèi)發(fā)送 6 次請(qǐng)求的結(jié)果如下：
從以上結(jié)果可以看出，有 1 個(gè)請(qǐng)求被立即處理了，4 個(gè)請(qǐng)求被放到 burst 隊(duì)列里排隊(duì)執(zhí)行了，另外 1 個(gè)請(qǐng)求被拒絕了。
控制并發(fā)數(shù)
利用 limit_conn_zone 和 limit_conn 兩個(gè)指令即可控制并發(fā)數(shù)，示例配置如下：
limit_conn_zone $binary_remote_addr zone=perip:10m;
limit_conn_zone $server_name zone=perserver:10m;
server {
...
limit_conn perip 10;
limit_conn perserver 100;
}
其中 limit_conn perip 10 表示限制單個(gè) IP 同時(shí)最多能持有 10 個(gè)連接；limit_conn perserver 100 表示 server 同時(shí)能處理并發(fā)連接的總數(shù)為 100 個(gè)。
小貼士：只有當(dāng) request header 被后端處理后，這個(gè)連接才進(jìn)行計(jì)數(shù)。
二、服務(wù)端限流
服務(wù)端限流需要配合限流的算法來執(zhí)行，而算法相當(dāng)于執(zhí)行限流的“大腦”，用于指導(dǎo)限制方案的實(shí)現(xiàn)。
有人看到「算法」兩個(gè)字可能就暈了，覺得很深?yuàn)W，其實(shí)并不是，算法就相當(dāng)于操作某個(gè)事務(wù)的具體實(shí)現(xiàn)步驟匯總，其實(shí)并不難懂，不要被它的表象給嚇到哦~
限流的常見實(shí)現(xiàn)算法有以下三種：
- 時(shí)間窗口算法
- 漏桶算法
- 令牌算法
接下來我們分別看來。
2.1 時(shí)間窗口算法
所謂的滑動(dòng)時(shí)間算法指的是以當(dāng)前時(shí)間為截止時(shí)間，往前取一定的時(shí)間，比如往前取 60s 的時(shí)間，在這 60s 之內(nèi)運(yùn)行最大的訪問數(shù)為 100，此時(shí)算法的執(zhí)行邏輯為，先清除 60s 之前的所有請(qǐng)求記錄，再計(jì)算當(dāng)前集合內(nèi)請(qǐng)求數(shù)量是否大于設(shè)定的最大請(qǐng)求數(shù) 100，如果大于則執(zhí)行限流拒絕策略，否則插入本次請(qǐng)求記錄并返回可以正常執(zhí)行的標(biāo)識(shí)給客戶端。
滑動(dòng)時(shí)間窗口如下圖所示：
其中每一小個(gè)表示 10s，被紅色虛線包圍的時(shí)間段則為需要判斷的時(shí)間間隔，比如 60s 秒允許 100 次請(qǐng)求，那么紅色虛線部分則為 60s。
我們可以借助 Redis 的有序集合 ZSet 來實(shí)現(xiàn)時(shí)間窗口算法限流，實(shí)現(xiàn)的過程是先使用 ZSet 的 key 存儲(chǔ)限流的 ID，score 用來存儲(chǔ)請(qǐng)求的時(shí)間，每次有請(qǐng)求訪問來了之后，先清空之前時(shí)間窗口的訪問量，統(tǒng)計(jì)現(xiàn)在時(shí)間窗口的個(gè)數(shù)和最大允許訪問量對(duì)比，如果大于等于最大訪問量則返回 false 執(zhí)行限流操作，負(fù)責(zé)允許執(zhí)行業(yè)務(wù)邏輯，并且在 ZSet 中添加一條有效的訪問記錄，具體實(shí)現(xiàn)代碼如下。
我們借助 Jedis 包來操作 Redis，實(shí)現(xiàn)在 pom.xml 添加 Jedis 框架的引用，配置如下：
<!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.3.0</version>
</dependency>
具體的 Java 實(shí)現(xiàn)代碼如下：
import redis.clients.jedis.Jedis;
public class RedisLimit {
// Redis 操作客戶端
static Jedis jedis = new Jedis("127.0.0.1", 6379);
public static void main(String[] args) throws InterruptedException {
for (int i = 0; i < 15; i++) {
boolean res = isPeriodLimiting("java", 3, 10);
if (res) {
System.out.println("正常執(zhí)行請(qǐng)求：" + i);
} else {
System.out.println("被限流：" + i);
}
}
// 休眠 4s
Thread.sleep(4000);
// 超過最大執(zhí)行時(shí)間之后，再?gòu)陌l(fā)起請(qǐng)求
boolean res = isPeriodLimiting("java", 3, 10);
if (res) {
System.out.println("休眠后，正常執(zhí)行請(qǐng)求");
} else {
System.out.println("休眠后，被限流");
}
}
/**
* 限流方法（滑動(dòng)時(shí)間算法）
* @param key 限流標(biāo)識(shí)
* @param period 限流時(shí)間范圍（單位：秒）
* @param maxCount 最大運(yùn)行訪問次數(shù)
* @return
*/
private static boolean isPeriodLimiting(String key, int period, int maxCount) {
long nowTs = System.currentTimeMillis(); // 當(dāng)前時(shí)間戳
// 刪除非時(shí)間段內(nèi)的請(qǐng)求數(shù)據(jù)（清除老訪問數(shù)據(jù)，比如 period=60 時(shí)，標(biāo)識(shí)清除 60s 以前的請(qǐng)求記錄）
jedis.zremrangeByScore(key, 0, nowTs - period * 1000);
long currCount = jedis.zcard(key); // 當(dāng)前請(qǐng)求次數(shù)
if (currCount >= maxCount) {
// 超過最大請(qǐng)求次數(shù)，執(zhí)行限流
return false;
}
// 未達(dá)到最大請(qǐng)求數(shù)，正常執(zhí)行業(yè)務(wù)
jedis.zadd(key, nowTs, "" + nowTs); // 請(qǐng)求記錄 +1
return true;
}
}
以上程序的執(zhí)行結(jié)果為：
正常執(zhí)行請(qǐng)求：0
正常執(zhí)行請(qǐng)求：1
正常執(zhí)行請(qǐng)求：2
正常執(zhí)行請(qǐng)求：3
正常執(zhí)行請(qǐng)求：4
正常執(zhí)行請(qǐng)求：5
正常執(zhí)行請(qǐng)求：6
正常執(zhí)行請(qǐng)求：7
正常執(zhí)行請(qǐng)求：8
正常執(zhí)行請(qǐng)求：9
被限流：10
被限流：11
被限流：12
被限流：13
被限流：14
休眠后，正常執(zhí)行請(qǐng)求
此實(shí)現(xiàn)方式存在的缺點(diǎn)有兩個(gè)：
- 使用 ZSet 存儲(chǔ)有每次的訪問記錄，如果數(shù)據(jù)量比較大時(shí)會(huì)占用大量的空間，比如 60s 允許 100W 訪問時(shí)；
- 此代碼的執(zhí)行非原子操作，先判斷后增加，中間空隙可穿插其他業(yè)務(wù)邏輯的執(zhí)行，最終導(dǎo)致結(jié)果不準(zhǔn)確。
2.1 漏桶算法
漏桶算法的靈感源于漏斗，如下圖所示：
image.png
滑動(dòng)時(shí)間算法有一個(gè)問題就是在一定范圍內(nèi)，比如 60s 內(nèi)只能有 10 個(gè)請(qǐng)求，當(dāng)?shù)谝幻霑r(shí)就到達(dá)了 10 個(gè)請(qǐng)求，那么剩下的 59s 只能把所有的請(qǐng)求都給拒絕掉，而漏桶算法可以解決這個(gè)問題。
漏桶算法類似于生活中的漏斗，無論上面的水流倒入漏斗有多大，也就是無論請(qǐng)求有多少，它都是以均勻的速度慢慢流出的。當(dāng)上面的水流速度大于下面的流出速度時(shí)，漏斗會(huì)慢慢變滿，當(dāng)漏斗滿了之后就會(huì)丟棄新來的請(qǐng)求;當(dāng)上面的水流速度小于下面流出的速度的話，漏斗永遠(yuǎn)不會(huì)被裝滿，并且可以一直流出。
漏桶算法的實(shí)現(xiàn)步驟是，先聲明一個(gè)隊(duì)列用來保存請(qǐng)求，這個(gè)隊(duì)列相當(dāng)于漏斗，當(dāng)隊(duì)列容量滿了之后就放棄新來的請(qǐng)求，然后重新聲明一個(gè)線程定期從任務(wù)隊(duì)列中獲取一個(gè)或多個(gè)任務(wù)進(jìn)行執(zhí)行，這樣就實(shí)現(xiàn)了漏桶算法。
上面我們演示 Nginx 的控制速率其實(shí)使用的就是漏桶算法，當(dāng)然我們也可以借助 Redis 很方便的實(shí)現(xiàn)漏桶算法。
我們可以使用 Redis 4.0 版本中提供的 Redis-Cell 模塊，該模塊使用的是漏斗算法，并且提供了原子的限流指令，而且依靠 Redis 這個(gè)天生的分布式程序就可以實(shí)現(xiàn)比較完美的限流了。Redis-Cell 實(shí)現(xiàn)限流的方法也很簡(jiǎn)單，只需要使用一條指令 cl.throttle 即可，使用示例如下：
> cl.throttle mylimit 15 30 60
1）（integer）0 # 0 表示獲取成功，1 表示拒絕
2）（integer）15 # 漏斗容量
3）（integer）14 # 漏斗剩余容量
4）（integer）-1 # 被拒絕之后，多長(zhǎng)時(shí)間之后再試（單位：秒）-1 表示無需重試
5）（integer）2 # 多久之后漏斗完全空出來
其中 15 為漏斗的容量，30 / 60s 為漏斗的速率。
2.3 令牌算法
在令牌桶算法中有一個(gè)程序以某種恒定的速度生成令牌，并存入令牌桶中，而每個(gè)請(qǐng)求需要先獲取令牌才能執(zhí)行，如果沒有獲取到令牌的請(qǐng)求可以選擇等待或者放棄執(zhí)行，如下圖所示：
我們可以使用 Google 開源的 guava 包，很方便的實(shí)現(xiàn)令牌桶算法，首先在 pom.xml 添加 guava 引用，配置如下：
<!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>28.2-jre</version>
</dependency>
具體實(shí)現(xiàn)代碼如下：
import com.google.common.util.concurrent.RateLimiter;
import java.time.Instant;
/**
* Guava 實(shí)現(xiàn)限流
*/
public class RateLimiterExample {
public static void main(String[] args) {
// 每秒產(chǎn)生 10 個(gè)令牌（每 100 ms 產(chǎn)生一個(gè)）
RateLimiter rt = RateLimiter.create(10);
for (int i = 0; i < 11; i++) {
new Thread(() -> {
// 獲取 1 個(gè)令牌
rt.acquire();
System.out.println("正常執(zhí)行方法，ts:" + Instant.now());
}).start();
}
}
}
以上程序的執(zhí)行結(jié)果為：
正常執(zhí)行方法，ts:2023-05-15T14:46:37.175Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.237Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.339Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.442Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.542Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.640Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.741Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.840Z
正常執(zhí)行方法，ts:2023-05-15T14:46:37.942Z
正常執(zhí)行方法，ts:2023-05-15T14:46:38.042Z
正常執(zhí)行方法，ts:2023-05-15T14:46:38.142Z
從以上結(jié)果可以看出令牌確實(shí)是每 100ms 產(chǎn)生一個(gè)，而 acquire() 方法為阻塞等待獲取令牌，它可以傳遞一個(gè) int 類型的參數(shù)，用于指定獲取令牌的個(gè)數(shù)。它的替代方法還有 tryAcquire()，此方法在沒有可用令牌時(shí)就會(huì)返回 false 這樣就不會(huì)阻塞等待了。當(dāng)然 tryAcquire() 方法也可以設(shè)置超時(shí)時(shí)間，未超過最大等待時(shí)間會(huì)阻塞等待獲取令牌，如果超過了最大等待時(shí)間，還沒有可用的令牌就會(huì)返回 false。
注意：使用 guava 實(shí)現(xiàn)的令牌算法屬于程序級(jí)別的單機(jī)限流方案，而上面使用 Redis-Cell 的是分布式的限流方案。
小結(jié)
本文提供了 6 種具體的實(shí)現(xiàn)限流的手段，他們分別是：Tomcat 使用 maxThreads 來實(shí)現(xiàn)限流；Nginx 提供了兩種限流方式，一是通過 limit_req_zone 和 burst 來實(shí)現(xiàn)速率限流，二是通過 limit_conn_zone 和 limit_conn 兩個(gè)指令控制并發(fā)連接的總數(shù)。最后我們講了時(shí)間窗口算法借助 Redis 的有序集合可以實(shí)現(xiàn)，還有漏桶算法可以使用 Redis-Cell 來實(shí)現(xiàn)，以及令牌算法可以解決 Google 的 guava 包來實(shí)現(xiàn)。
需要注意的是借助 Redis 實(shí)現(xiàn)的限流方案可用于分布式系統(tǒng)，而 guava 實(shí)現(xiàn)的限流只能應(yīng)用于單機(jī)環(huán)境。如果你嫌棄服務(wù)器端限流麻煩，甚至可以在不改代碼的情況下直接使用容器限流（Nginx 或 Tomcat），但前提是能滿足你的業(yè)務(wù)需求。
好了，本節(jié)到這里就結(jié)束了，下期我們?cè)贂?huì)~
參考 & 鳴謝
https://www.cnblogs.com/biglittleant/p/8979915.html
推薦閱讀：
刪除重復(fù)記錄但保留其中一行數(shù)據(jù)的sql寫法
MySQL如何進(jìn)行表之間的關(guān)聯(lián)更新