微服务三大利器之限流

喜欢ヅ旅行 2022-12-20 11:16 186阅读 0赞

# 背景 #

随着微服务的流行，服务和服务之间的稳定性变得越来越重要。缓存、降级和限流是保护微服务系统运行稳定性的三大利器。

*  缓存：提升系统访问速度和增大系统能处理的容量
 *  降级：当服务出问题或者影响到核心流程的性能则需要暂时屏蔽掉
 *  限流：解决服务雪崩，级联服务发生阻塞时，及时熔断，防止请求堆积消耗占用系统的线程、IO等资源，造成其他级联服务所在服务器的崩溃

这里我们主要说一下限流，限流的目的应当是通过对并发访问/请求进行限速或者一个时间窗口内的的请求进行限速来保护系统，一旦达到限制速率就可以拒绝服务、等待、降级。  
首先，我们需要去了解最基本的两种限流算法。

# 限流算法 #

*  漏桶算法
 *  令牌桶算法
 *  计算器算法

这里主要是提一下，详细了解限流算法请参考下面链接  
https://www.cnblogs.com/hopeiscoming/p/12297528.html

# 限流框架 #

下面说一下现有流行的限流工具

## guava ##

Google的Guava工具包中就提供了一个限流工具类——RateLimiter。RateLimiter是基于“令牌通算法”来实现限流的。

## hystrix ##

hystrix主要是通过资源池以及信号量来限流，暂时能支持简单的限流

## sentinel ##

限流比较主流的三种算法：漏桶，令牌桶，滑动窗口。而Sentinel采用的是最后一种，滑动窗口来实现限流的。当然sentinel不仅仅局限于限流，它是一个面向分布式服务架构的高可用流量防护组件，主要以流量为切入点，从限流、流量整形、熔断降级、系统负载保护、热点防护等多个维度来帮助开发者保障微服务的稳定性。

# 限流实战 #

有很多应用都是可以直接在调用端、代理、网关等中间层进行限流，下面简单介绍下集中中间件限流方式

## nginx限流 ##

nginx限流方式有三种

*  limit\_conn\_zone
 *  limit\_req\_zone
 *  ngx\_http\_upstream\_module  
    详细了解限流可以参考下面链接：  
    https://www.cnblogs.com/biglittleant/p/8979915.html

但是nginx限流不够灵活，不好动态配置。

## zuul限流 ##

除了zuul引入限流相关依赖

<dependency>
         <groupId>com.marcosbarbero.cloud</groupId>
         <artifactId>spring-cloud-zuul-ratelimit</artifactId>
         <version>2.0.0.RELEASE</version>
    </dependency>

相关配置如下：

zuul:
    
        ratelimit:
    
            key-prefix: your-prefix  #对应用来标识请求的key的前缀
    
            enabled: true
    
            repository: REDIS  #对应存储类型（用来存储统计信息）默认是IN_MEMORY
    
            behind-proxy: true  #代理之后
    
            default-policy: #可选 - 针对所有的路由配置的策略，除非特别配置了policies
    
                 limit: 10 #可选 - 每个刷新时间窗口对应的请求数量限制
    
                 quota: 1000 #可选-  每个刷新时间窗口对应的请求时间限制（秒）
    
                  refresh-interval: 60 # 刷新时间窗口的时间，默认值 (秒)
    
                   type: #可选 限流方式
    
                        - user
    
                        - origin
    
                        - url
    
              policies:
    
                    myServiceId: #特定的路由
    
                          limit: 10 #可选- 每个刷新时间窗口对应的请求数量限制
    
                          quota: 1000 #可选-  每个刷新时间窗口对应的请求时间限制（秒）
    
                          refresh-interval: 60 # 刷新时间窗口的时间，默认值 (秒)
    
                          type: #可选 限流方式
    
                              - user
    
                              - origin
    
                              - url

注意这里的仓库如果是针对全局限流，那么可以考虑存到redis中，这里的zuul.ratelimit.repository可以设置为redis，但是如果扩容后则需要动态调整，不过灵活，所以这里我建议还是选择本地内存（INM\_MOMERY）或者不设置，这样伸缩容后可以自动扩展，不用变更配置,

如果需要动态更新，可以集成apollo配置进行动态更新，

public class ZuulPropertiesRefresher implements ApplicationContextAware {
    
    
        private ApplicationContext applicationContext;
    
        @Autowired
        private RouteLocator routeLocator;
    
        @ApolloConfigChangeListener(interestedKeyPrefixes = "zuul.",value="zuul.yml")
        public void onChange(ConfigChangeEvent changeEvent) {
            refreshZuulProperties(changeEvent);
        }
    
        private void refreshZuulProperties(ConfigChangeEvent changeEvent) {
            log.info("Refreshing zuul properties!");
    
            /**
             * rebind configuration beans, e.g. ZuulProperties
             * @see org.springframework.cloud.context.properties.ConfigurationPropertiesRebinder#onApplicationEvent
             */
            this.applicationContext.publishEvent(new EnvironmentChangeEvent(changeEvent.changedKeys()));
    
            /**
             * refresh routes
             * @see org.springframework.cloud.netflix.zuul.ZuulServerAutoConfiguration.ZuulRefreshListener#onApplicationEvent
             */
            this.applicationContext.publishEvent(new RoutesRefreshedEvent(routeLocator));
    
            log.info("Zuul properties refreshed!");
        }
    
        @Override
        public void setApplicationContext(ApplicationContext applicationContext) throws BeansException {
            this.applicationContext = applicationContext;
        }
    }

## springcloud gateway限流 ##

在Spring Cloud Gateway中，有Filter过滤器，因此可以在“pre”类型的Filter中自行实现上述三种过滤器。但是限流作为网关最基本的功能，Spring Cloud Gateway官方就提供了RequestRateLimiterGatewayFilterFactory这个类，适用Redis和lua脚本实现了令牌桶的方式。具体实现逻辑在RequestRateLimiterGatewayFilterFactory类中，lua脚本在如下图所示的文件夹中：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xwMTk4NjExMjY_size_16_color_FFFFFF_t_70_pic_center]

具体源码不打算在这里讲述，读者可以自行查看，代码量较少，先以案例的形式来讲解如何在Spring Cloud Gateway中使用内置的限流过滤器工厂来实现限流。  
首先在工程的pom文件中引入gateway的起步依赖和redis的reactive依赖，代码如下：

<dependency>
        <groupId>org.springframework.cloud</groupId>
        <artifactId>spring-cloud-starter-gateway</artifactId>
    </dependency>
    
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifatId>spring-boot-starter-data-redis-reactive</artifactId>
    </dependency>

复制代码在配置文件中做以下的配置：

spring:
      redis:
        host: 127.0.0.1
        port: 6379
      cloud:
        gateway:
          routes:
          - id: limit_route
            uri: http://httpbin.org:80/get
            predicates:
            - After=2017-01-20T17:42:47.789-07:00[America/Denver]
            filters:
            - name: RequestRateLimiter
              args:
                key-resolver: '#{@hostAddrKeyResolver}'
                redis-rate-limiter.replenishRate: 1
                redis-rate-limiter.burstCapacity: 3

配置了 redis的信息，并配置了RequestRateLimiter的限流过滤器，该过滤器需要配置三个参数：

*  burstCapacity，令牌桶总容量。
 *  replenishRate，令牌桶每秒填充平均速率。
 *  key-resolver，用于限流的键的解析器的 Bean 对象的名字。它使用 SpEL 表达式根据\#\{@beanName\}从 Spring 容器中获取 Bean 对象。

可以通过KeyResolver来指定限流的Key,比如我们需要根据用户来做限流，IP来做限流等等。

1.  IP限流

@Bean
    public KeyResolver ipKeyResolver() {
        return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getHostName());
    }

1.  用户限流

@Bean
    KeyResolver userKeyResolver() {
        return exchange -> Mono.just(exchange.getRequest().getQueryParams().getFirst("userId"));
    }

1.  接口限流

@Bean
    KeyResolver apiKeyResolver() {
        return exchange -> Mono.just(exchange.getRequest().getPath().value());
    }

这里只是针对单节点限流，如果需要可以自定义全局限流

## sentinel 限流 ##

sentinel限流这里不做详细描述，大家想了解可以参考下面文档  
https://juejin.cn/post/6844903758405566477  
https://www.cnblogs.com/wuzhenzhao/p/11453649.html

## 应用限流 ##

这里springboot应用服务需要限流的话，这里给的方案是集成google的guava类库，大家在网上能搜索到很多demo，我这里不做详细描述，主要是下面api的使用：

RateLimiter.create(callerRate);

现在容器比较火，现在如果部署在容器或者虚拟机上，我们需要动态调整资源数后，那么限流也会跟着变化，这里说一下如何实现动态限流。第一步肯定是集成配置中心实现配置动态更新，至于说生效方式有几种  
方案一：  
增加监听器，当配置变动时重新创建限流对象

方案二：  
限流对象定时创建，这里引入了应用缓存框架，下面给个demo

import com.ctrip.framework.apollo.Config;
    import com.github.benmanes.caffeine.cache.Cache;
    import com.github.benmanes.caffeine.cache.Caffeine;
    import com.google.common.util.concurrent.RateLimiter;
    import lombok.extern.slf4j.Slf4j;
    import org.apache.commons.lang3.StringUtils;
    import org.springframework.web.servlet.HandlerInterceptor;
    import org.springframework.web.servlet.ModelAndView;
    
    import javax.servlet.http.HttpServletRequest;
    import javax.servlet.http.HttpServletResponse;
    import java.util.concurrent.TimeUnit;
    
    
    @Slf4j
    public class RateLimitInterceptor implements HandlerInterceptor {
    
        private Config config;
    
        private static final String RATE_TYPE_GLOBAL = "global";
        private static final String RATE_TYPE_URL = "url";
    
        //全局限流
        public RateLimitInterceptor(Config config) {
            this.config = config;
        }
    
        Cache<Object, RateLimiter> rateLimiterCache = Caffeine.newBuilder()
                .initialCapacity20
                .expireAfterWrite(2, TimeUnit.MINUTES)
                .maximumSize100
                .softValues()
                .recordStats()
                .build();
    
    
        @Override
        public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {
            if (StringUtils.isBlank(request.getRequestURI()) || request.getRequestURI().startsWith("/actuator/")
                    || request.getRequestURI().startsWith("/srch-recommend/fault-tolerant/health")||request.getRequestURI().startsWith("/health")) {
                return true;
            }
             try {
                boolean rateLimitEnabled=config.getBooleanProperty("ratelimit.enabled", false);
                if(!rateLimitEnabled){
                    return true;
                }
                if (!do(RATE_TYPE_GLOBAL, StringUtils.EMPTY, "ratelimit.global")) {
                    return false;
                }
                String url = request.getRequestURI();
                if (StringUtils.isNotBlank(url)) {
                    return do(RATE_TYPE_URL, url, "ratelimit.url.");
                }
                return true;
            } catch (Exception e) {
                log.warn("RateLimitInterceptor error message:{}", e.getMessage(), e);
                return true;
            }
        }
    
        private boolean doRateLimiter(String rateType, String key, String configPrefix) {
            String cacheKey = rateType + "-" + key;
            RateLimiter rateLimiter = rateLimiterCache.getIfPresent(cacheKey);
            if (rateLimiter == null) {
                int callerRate = config.getIntProperty(configPrefix + uniqueKey, 0);
                if (callerRate > 0) {
                    rateLimiter = RateLimiter.create(callerRate);
                    rateLimiterCache.put(cacheKey, rateLimiter);
                }
            }
            return rateLimiter == null || rateLimiter.tryAcquire();
        }
    
    
        @Override
        public void postHandle(HttpServletRequest request, HttpServletResponse response, Object handler,
                               ModelAndView modelAndView) {
        }
    
        @Override
        public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) {
        }
    
    }

当然这里如果有业务相关的限流可以根据参考上面的demo自己来实现限流

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xwMTk4NjExMjY_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/1701fcac4e224d91b1f3e3df0e95b03d.png