我司用了 6 年的 Redis 分布式限流器，可以说是非常厉害了

我司用了 6 年的 Redis 分布式限流器，可以说是非常厉害了

一、什么是限流？为什么要限流？

不知道大家有没有做过帝都的地铁，就是进地铁站都要排队的那种，为什么要这样摆长龙转圈圈？答案就是为了 限流 ！因为一趟地铁的运力是有限的，一下挤进去太多人会造成站台的拥挤、列车的超载，存在一定的安全隐患。同理，我们的程序也是一样，它处理请求的能力也是有限的，一旦请求多到超出它的处理极限就会崩溃。为了不出现最坏的崩溃情况，只能耽误一下大家进站的时间。限流是保证系统高可用的重要手段！！！

由于互联网公司的流量巨大，系统上线会做一个流量峰值的评估，尤其是像各种秒杀促销活动，为了保证系统不被巨大的流量压垮，会在系统流量到达一定阈值时，拒绝掉一部分流量。

限流会导致用户在短时间内（这个时间段是毫秒级的）系统不可用，一般我们衡量系统处理能力的指标是每秒的 QPS 或者 TPS ，假设系统每秒的流量阈值是1000，理论上一秒内有第1001个请求进来时，那么这个请求就会被限流。

二、限流方案

1、计数器Java内部也可以通过原子类计数器 AtomicInteger 、 Semaphore 信号量来做简单的限流。

// 限流的个数 private int maxCount = 10; // 指定的时间内 private long interval = 60; // 原子类计数器 private AtomicInteger atomicInteger = new AtomicInteger(0); // 起始时间 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; } // 超过了间隔时间，直接重新开始计数 if (System.currentTimeMillis() - startTime > interval * 1000) { startTime = System.currentTimeMillis(); atomicInteger.set(1); return true; } // 还在间隔时间内,check有没有超过限流的个数 if (atomicInteger.get() > maxCount) { return false; } return true; }

2、漏桶算法

漏桶算法思路很简单，我们把水比作是 请求 ，漏桶比作是 系统处理能力极限 ，水先进入到漏桶里，漏桶里的水按一定速率流出，当流出的速率小于流入的速率时，由于漏桶容量有限，后续进入的水直接溢出（拒绝请求），以此实现限流。

3、令牌桶算法

令牌桶算法的原理也比较简单，我们可以理解成医院的挂号看病，只有拿到号以后才可以进行诊病。

系统会维护一个令牌（ token ）桶，以一个恒定的速度往桶里放入令牌（ token ），这时如果有请求进来想要被处理，则需要先从桶里获取一个令牌（ token ），当桶里没有令牌（ token）可取时，则该请求将被拒绝服务。令牌桶算法通过控制桶的容量、发放令牌的速率，来达到对请求的限制。

4、Redis + Lua

很多同学不知道 Lua 是啥？个人理解， Lua 脚本和 MySQL 数据库的存储过程比较相似，他们执行一组命令，所有命令的执行要么全部成功或者失败，以此达到原子性。也可以把 Lua 脚本理解为，一段具有业务逻辑的代码块。

而 Lua 本身就是一种编程语言，虽然 redis 官方没有直接提供限流相应的 API ，但却支持了Lua 脚本的功能，可以使用它实现复杂的令牌桶或漏桶算法，也是分布式系统中实现限流的主要方式之一。

相比 Redis 事务， Lua脚本 的优点：

减少网络开销：使用 Lua 脚本，无需向 Redis 发送多次请求，执行一次即可，减少网络传输原子操作： Redis 将整个 Lua 脚本作为一个命令执行，原子，无需担心并发复用： Lua 脚本一旦执行，会永久保存 Redis 中,，其他客户端可复用

Lua 脚本大致逻辑如下：

-- 获取调用脚本时传入的第一个key值（用作限流的 key） local key = KEYS[1] -- 获取调用脚本时传入的第一个参数值（限流大小） local limit = tonumber(ARGV[1])  -- 获取当前流量大小 local curentLimit = tonumber(redis.call('get', key) or "0")  -- 是否超出限流 if curentLimit + 1 > limit then -- 返回(拒绝) return 0 else -- 没有超出 value + 1 redis.call("INCRBY", key, 1) -- 设置过期时间 redis.call("EXPIRE", key, 2) -- 返回(放行) return 1 end

通过 KEYS[1] 获取传入的key参数通过 ARGV[1] 获取传入的 limit 参数redis.call方法，从缓存中get和key相关的值，如果为null那么就返回0接着判断缓存中记录的数值是否会大于限制大小，如果超出表示该被限流，返回0如果未超过，那么该key的缓存值+1，并设置过期时间为1秒钟以后，并返回缓存值+1

这种方式是本文推荐的方案，具体实现会在后边做细说。

5、网关层限流

限流常在网关这一层做，比如 Nginx 、 Openresty 、 kong 、 zuul 、 Spring Cloud Gateway 等，而像 spring cloud - gateway 网关限流底层实现原理，就是基于 Redis + Lua ，通过内置 Lua 限流脚本的方式。

三、Redis + Lua 限流实现

下面我们通过 自定义注解 、 aop 、 Redis + Lua 实现限流，步骤会比较详细，为了小白能让快速上手这里啰嗦一点，有经验的老鸟们多担待一下。

1、环境准备

2、引入依赖包

pom文件中添加如下依赖包，比较关键的就是 spring-boot-starter-data-redis 和 spring-boot-starter-aop 。

3、配置application.properties

在 application.properties 文件中配置提前搭建好的 redis 服务地址和端口。

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

4、配置RedisTemplate实例

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

限流类型枚举类

/**  * @author fu  * @description 限流类型  * @date 2020/4/8 13:47  */ public enum LimitType {      /**      * 自定义key      */     CUSTOMER,      /**      * 请求者IP      */     IP; }

5、自定义注解

我们自定义个 @Limit 注解，注解类型为 ElementType.METHOD 即作用于方法上。

period 表示请求限制时间段， count 表示在 period 这个时间段内允许放行请求的次数。 limitType 代表限流的类型，可以根据 请求的IP 、 自定义key ，如果不传 limitType 属性则默认用方法名作为默认key。

/**  * @author fu  * @description 自定义限流注解  * @date 2020/4/8 13:15  */ @Target({ElementType.METHOD, ElementType.TYPE}) @Retention(RetentionPolicy.RUNTIME) @Inherited @Documented public @interface Limit {      /**      * 名字      */     String name() default "";      /**      * key      */     String key() default "";      /**      * Key的前缀      */     String prefix() default "";      /**      * 给定的时间范围 单位(秒)      */     int period();      /**      * 一定时间内最多访问次数      */     int count();      /**      * 限流的类型(用户自定义key 或者 请求ip)      */     LimitType limitType() default LimitType.CUSTOMER; }

6、切面代码实现

7、控制层实现

我们将@Limit注解作用在需要进行限流的接口方法上，下边我们给方法设置@Limit注解，在10秒内只允许放行3个请求，这里为直观一点用AtomicInteger计数。

/**  * @Author: fu  * @Description:  */ @RestController public 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、测试

可以看到第四次请求时，应用直接拒绝了请求，说明我们的 Springboot + aop + lua 限流方案搭建成功。

以上 springboot + aop + Lua 限流实现是比较简单的，旨在让大家认识下什么是限流？如何做一个简单的限流功能，面试要知道这是个什么东西。上面虽然说了几种实现限流的方案，但选哪种还要结合具体的业务场景，不能为了用而用。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。