人人都能看懂的 6 種限流實(shí)現(xiàn)方案(純干貨)

為了上班方便，去年我把自己在北郊的房子租出去了，搬到了南郊，這樣離我上班的地方就近了，它為我節(jié)約了很多的時(shí)間成本，我可以用它來做很多有意義的事，最起碼不會因?yàn)槎萝嚩[心了，幸福感直線上升。

但即使這樣，生活也有其他的煩惱。南郊的居住密度比較大，因此停車就成了頭痛的事，我租的是路兩邊的非固定車位，每次只要下班回來，一定是沒有車位停了，因此我只能和別人的車并排停著，但這樣帶來的問題是，我每天早上都要被挪車的電話給叫醒，心情自然就不用說了。

但后來幾天，我就慢慢變聰明了，我頭天晚上停車的時(shí)候，會找第二天限行的車并排停著，這樣我第二天就不用挪車了，這真是限行給我?guī)淼摹熬薮蠹t利”啊。

而車輛限行就是一種生活中很常見的限流策略，他除了給我?guī)砹艘陨系暮锰幹?，還給我們美好的生活環(huán)境帶來了一絲改善，并且快速增長的私家車已經(jīng)給我們的交通帶來了巨大的“負(fù)擔(dān)”，如果再不限行，可能所有的車都要被堵在路上，這就是限流給我們的生活帶來的巨大好處。

從生活回到程序中，假設(shè)一個(gè)系統(tǒng)只能為 10W 人提供服務(wù)，突然有一天因?yàn)槟硞€(gè)熱點(diǎn)事件，造成了系統(tǒng)短時(shí)間內(nèi)的訪問量迅速增加到了 50W，那么導(dǎo)致的直接結(jié)果是系統(tǒng)崩潰，任何人都不能用系統(tǒng)了，顯然只有少人數(shù)能用遠(yuǎn)比所有人都不能用更符合我們的預(yù)期，因此這個(gè)時(shí)候我們要使用「限流」了。

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：比如我們在服務(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。

容器限流

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)請求的并發(fā)大于此值（maxThreads）時(shí)，請求就會排隊(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。

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，我們設(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)請求，從 501ms 開始才允許通過第 2 個(gè)請求。

我們使用單 IP 在 10ms 內(nèi)發(fā)并發(fā)送了 6 個(gè)請求的執(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 才會被正常執(zhí)行）。

速率限制升級版

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)請求，如果單個(gè) IP 在 10ms 內(nèi)發(fā)送 6 次請求的結(jié)果如下：

從以上結(jié)果可以看出，有 1 個(gè)請求被立即處理了，4 個(gè)請求被放到 burst 隊(duì)列里排隊(duì)執(zhí)行了，另外 1 個(gè)請求被拒絕了。

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)。

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。

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 之前的所有請求記錄，再計(jì)算當(dāng)前集合內(nèi)請求數(shù)量是否大于設(shè)定的最大請求數(shù) 100，如果大于則執(zhí)行限流拒絕策略，否則插入本次請求記錄并返回可以正常執(zhí)行的標(biāo)識給客戶端。

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 存儲限流的 ID，score 用來存儲請求的時(shí)間，每次有請求訪問來了之后，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，再從發(fā)起請求
    boolean res = isPeriodLimiting("java", 3, 10);
    if (res) {
      System.out.println("休眠后，正常執(zhí)行請求");
    } 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
   * @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)的請求數(shù)據(jù)（清除老訪問數(shù)據(jù)，比如 period=60 時(shí)，標(biāo)識清除 60s 以前的請求記錄）
    jedis.zremrangeByScore(key, 0, nowTs - period * 1000);
    long currCount = jedis.zcard(key); // 當(dāng)前請求次數(shù)
    if (currCount >= maxCount) {
      // 超過最大請求次數(shù)，執(zhí)行限流
      return false;
    }
    // 未達(dá)到最大請求數(shù)，正常執(zhí)行業(yè)務(wù)
    jedis.zadd(key, nowTs, "" + nowTs); // 請求記錄 +1
    return true;
  }
}

以上程序的執(zhí)行結(jié)果為：

正常執(zhí)行請求：0

正常執(zhí)行請求：1

正常執(zhí)行請求：2

正常執(zhí)行請求：3

正常執(zhí)行請求：4

正常執(zhí)行請求：5

正常執(zhí)行請求：6

正常執(zhí)行請求：7

正常執(zhí)行請求：8

正常執(zhí)行請求：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)行請求

此實(shí)現(xiàn)方式存在的缺點(diǎn)有兩個(gè)：

• 使用 ZSet 存儲有每次的訪問記錄，如果數(shù)據(jù)量比較大時(shí)會占用大量的空間，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.漏桶算法

漏桶算法的靈感源于漏斗，如下圖所示：

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)請求，當(dāng)?shù)谝幻霑r(shí)就到達(dá)了 10 個(gè)請求，那么剩下的 59s 只能把所有的請求都給拒絕掉，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)，漏斗會慢慢變滿，當(dāng)漏斗滿了之后就會丟棄新來的請求;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。

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)請求需要先獲取令牌才能執(zhí)行，如果沒有獲取到令牌的請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:2020-05-15T14:46:37.175Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.237Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.339Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.442Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.542Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.640Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.741Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.840Z

正常執(zhí)行方法，ts:2020-05-15T14:46:37.942Z

正常執(zhí)行方法，ts:2020-05-15T14:46:38.042Z

正常執(zhí)行方法，ts:2020-05-15T14:46:38.142Z

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)就會返回 false 這樣就不會阻塞等待了。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返回 false。

注意：使用 guava 實(shí)現(xiàn)的令牌算法屬于程序級別的單機(jī)限流方案，而上面使用 Redis-Cell 的是分布式的限流方案。

總結(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，文章到這里就結(jié)束了，期待我們下期再會~

參考 鳴謝

https://www.cnblogs.com/biglittleant/p/8979915.html

到此這篇關(guān)于人人都能看懂的 6 種限流實(shí)現(xiàn)方案(純干貨)的文章就介紹到這了,更多相關(guān)限流內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！