服务限流方案总结

旧城等待， 2023-10-10 17:41 12阅读 0赞

## 流控作用 ##

一般的做后台服务的，都会接触到流控，一般的场景就是在流量异常，比如遭受攻击的时候，保障服务不过载，在可支持的范围内提供稳定的服务。比如我们的服务支持100QPS，当一下子来了1000个请求的时候，我们在可服务的范围内，每秒处理100个请求，这样在牺牲一些响应时效性的时候，可以保证服务不会crash。

## 单机限流（guava的RateLimiter） ##

### 示例 ###

Guava给我们提供了好用的流控工具，简单使用场景如下

private static RateLimiter rateLimiter = RateLimiter.create(5);
    
        public static void main(String[] args) throws InterruptedException {
            while (true) {
                get(1);
            }
        }
    
        private static void get(int permits) {
            rateLimiter.acquire(permits);
            System.out.println(System.currentTimeMillis());
        }

运行这个简单的代码片段，从打印的时间戳可以看出来，每200ms打印一次，即正好控制QPS为5，同时保证稳定的速率。简单来说，就是当有大量请求进来的时候，限制请求的频率，维持其在一个稳定的区间。而其具体的方法，简单来说就是，根据上次处理的时间戳和允许的每秒允许的请求，来决定下次可以执行的时间。

### **原理** ###

RateLimiter主要是利用了一个令牌桶的算法，系统以恒定的速率产生令牌（permit），当来一个请求的时候，会请求一个或者多个令牌，当且仅当系统有这么多个令牌的时候，请求才被允许执行，否则就一直等待令牌的生成。也就是以固定的频率向桶中放入令牌，例如一秒钟10枚令牌，实际业务在每次响应请求之前都从桶中获取令牌，只有取到令牌的请求才会被成功响应，获取的方式有两种：阻塞等待令牌或者取不到立即返回失败。

令牌同简单示意图

![064700f0314b410b857e21da9e442979.png][]

### 核心方法 ###

### 方法说明 ###

public static RateLimiter create(double permitsPerSecond)

该方法会创建一个RateLimiter实例，其每秒产生permitsPerSecond个令牌

public double acquire(int permits)

该方法是用于获取N个令牌的方法，如果系统内令牌不够，则一直等待直到有足够令牌可用

public boolean tryAcquire(int permits, Duration timeout)

该方法用户获取另外，如果在timeout时间内可以获取到足够的令牌，则等待，否则直接返回false

#### 方法原理 ####

*  保持分发的速率，以一定速率分发令牌，比如我们设置`permitsPerSecond`为500的话，则每2毫秒产生一个令牌
 *  令牌会存储，若一定时间没有请求，可用令牌会存储下来，当然会有一个上限值，当下次来请求的时候，优先使用现有的存储的令牌
 *  会有一个`nextFreeTicketMicros`来记录下次有可用令牌的时间戳，在这个时间之前，所有的请求均不能通过

guava依赖：

<dependency>
          <groupId>com.google.guava</groupId>
          <artifactId>guava</artifactId>
          <version>18.0</version>
        </dependency>

## 集群限流 ##

下面介绍几种服务集群的限流方案：

### Nginx 限流 ###

Nginx 官方提供的限速模块使用的是 漏桶算法，保证请求的实时处理速度不会超过预设的阈值，主要有两个设置：

*  limit\_req\_zone: 限制 IP 在单位时间内的请求数
 *  limit\_req\_conn: 限制同一时间链接数

### Redis 限流 ###

分布式服务接口限流,通常会结合Redis来做，根据 Redis 提供的 incr 命令，在规定的时间窗口，容许经过的最大请求数。例如如果要设置每1s只能通过的请求数,通常会使用redis incr再设置过期时间,例如使用的键值对业务标识:秒级时间戳,并使用incr命令,每来一次请求,就增加1,然后与规则进行对比,并为键设置过期时间,例如1分钟。

Incr 命令介绍：

Redis Incr 命令将 key 中储存的数字值增一。如果 key 不存在，那么 key 的值会先被初始化为 0 ，然后再执行 INCR 操作。且将key的有效时间设置为长期有效 。如果值包含错误的类型，或字符串类型的值不能表示为数字，那么返回一个错误。本操作的值限制在 64 位(bit)有符号数字表示之内。因为Redis没有专用的整数类型，所以在内存中是以字符串的形式存储的。

限流：利用redis的incr命令可以实现一般的限流操作。如限制某接口每秒请求次数上限1000次

/**
         * 1秒内最大1000次
         * @param key  可以设计为业务标识及接口标识+秒级时间戳组合。
         * @param expireMillis 过期时间60s
         * @return
         */
        public Boolean limiter(String key, Long expireMillis) {
            Long count = redisTemplate.opsForValue().increment(key, INCREMENT_STEP);
            if (1 == count) {
                redisTemplate.expire(key, expireMillis, TimeUnit.SECONDS);
            }
            if (count > 1000) {
                return Boolean.TRUE;
            }
            return Boolean.FALSE;
        }

increment函数解释：在key下的value整型数基础上加delta值。

/**
    	 * Increment an integer value stored as string value under {@code key} by {@code delta}.
    	 *
    	 * @param key must not be {@literal null}.
    	 * @param delta
    	 * @return {@literal null} when used in pipeline / transaction.
    	 * @see <a href="https://redis.io/commands/incrby">Redis Documentation: INCRBY</a>
    	 */
    	@Nullable
    	Long increment(K key, long delta);

### 分布式滑动窗口限流 ###

Kong 官方提供了一种[分布式滑动窗口算法的设计][Link 1], 目前支持在 Kong 上作集群限流配置。它经过集中存储每一个滑动窗口和 consumer 的计数，从而支持集群场景。这里推荐一个 Go 版本的实现： [slidingwindow][]

### 其余 ###

另外业界在分布式场景下，也有 经过 Nginx+Lua 和 Redis+Lua 等方式来实现限流

## 总结 ##

本文主要在学习和调研高并发场景下的限流方案的总结。目前业界流行的限流算法包括计数器、漏桶、令牌桶和滑动窗口， 每种算法都有本身的优点，实际应用中能够根据本身业务场景作选择，而分布式场景下的限流方案，也基本经过以上限流算法来实现。在高并发下流量控制的一个原则是：先让请求先到队列，并作流量控制，不让流量直接打到系统上。

[064700f0314b410b857e21da9e442979.png]: https://img-blog.csdnimg.cn/064700f0314b410b857e21da9e442979.png
[Link 1]: http://www.noobyard.com/link?url=https://konghq.com/blog/how-to-design-a-scalable-rate-limiting-algorithm/
[slidingwindow]: http://www.noobyard.com/link?url=https://github.com/RussellLuo/slidingwindow