限流概述

系统存在服务上限，流量超过服务上限会导致系统卡死、崩溃。
限流：为了在高并发时系统稳定可用，牺牲或延迟部分请求流量以保证系统整体服务可用。

限流算法

• 固定窗口计数
  • 将时间划分为多个窗口；
  • 在每个窗口内每有一次请求就将计数器加一；
  • 如果计数器超过了限制数量，则本窗口内所有的请求都被丢弃，当时间到达下一个窗口时，计数器重置。
• 滑动窗口计数
  • 将时间划分为多个区间；
  • 在每个区间内每有一次请求就将计数器加一维持一个时间窗口，占据多个区间；
  • 每经过一个区间的时间，则抛弃最老的一个区间，并纳入最新的一个区间；
  • 如果当前窗口内区间的请求计数总和超过了限制数量，则本窗口内所有的请求都被丢弃。
• 漏桶
  • 将每个请求视作"水滴"放入"漏桶"进行存储；
  • "漏桶"以固定速率向外"漏"出请求来执行如果"漏桶"空了则停止"漏水"；
  • 如果"漏桶"满了则多余的"水滴"会被直接丢弃。
• 令牌桶
  • 令牌以固定速率生成；
  • 生成的令牌放入令牌桶中存放，如果令牌桶满了则多余的令牌会直接丢弃，当请求到达时，会尝试从令牌桶中取令牌，取到了令牌的请求可以执行；
  • 如果桶空了，那么尝试取令牌的请求会被直接丢弃。

漏桶和令牌桶对比

• 两者实际上是相同的
  • 在实现上是相同的基本算法，描述不同。
  • 给定等效参数的情况下，这两种算法会将完全相同的数据包视为符合或不符合。
  • 两者实现的属性和性能差异完全是由于实现的差异造成的，即它们不是源于底层算法的差异。
• 漏桶算法在用作计量时，可以允许具有抖动或突发性的一致输出数据包流，可用于流量管制和整形，并且可以用于可变长度数据包。
• 参考：
  • 漏桶 - wikipedia
  • 令牌桶 - wikipedia

相关阅读：

• 分布式服务限流实战，已经为你排好坑了
• 接口限流算法总结 - 穿林度水

限流注解组件实现

1. 利用 Spring 拦截器实现
2. 使用方式：Controller 方法或类加上限流注解，请求到达拦截器时进行拦截处理
3. 使用 Redis 记录数据，Lua 保证多个命令原子性执行。

• 使用示例

  @RestController
  @RequestMapping("/ratelimit/custom")
  @RateLimit(threshold = 10, rateLimiter = RateLimiterEnum.FIXED_WINDOW, time = 10, timeUnit = TimeUnit.SECONDS)
  public class RateLimitController {
  
      @GetMapping("/fixed/window")
      @RateLimit(threshold = 10, rateLimiter = RateLimiterEnum.FIXED_WINDOW, time = 10, timeUnit = TimeUnit.SECONDS)
      public ResponseResult<String> fixedWindow(Long id) {
          id += RandomUtil.randomLong();
          log.info("custom:fixedWindow:{}", id);
          return ResponseResult.success("custom:fixedWindow:" + id);
      }
  
  }
  

• 限流注解 RateLimit.java

  • 支持不同类型缓存 key： key() + keyType()
  • 支持使用不同限流算法： rateLimiter()
  • 限流流量阈值设置： threshold()
  • 限流时长设置： time() + timeUnit()
• 限流拦截器处理 RateLimitInterceptor.java

  @Override
  public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
      if (!(handler instanceof HandlerMethod)) {
          return true;
      }
  
      HandlerMethod handlerMethod = ((HandlerMethod) handler);
      // 从方法和类上获取注解
      RateLimit annotation = AspectUtil.findMethodOrClassAnnotation(handlerMethod.getMethod(),
              RateLimit.class);
      if (annotation == null) {
          return true;
      }
  
      AspectKeyTypeEnum.KeyTypeData data = AspectKeyTypeEnum.KeyTypeData.builder()
              .prefix("rate:limit").key(annotation.key()).build();
      String limitKey = annotation.keyType()
              .obtainTypeKey(handlerMethod.getMethod(), handlerMethod.getMethodParameters(), data);
      RateLimiterEnum limiterEnum = annotation.rateLimiter();
  
      // 执行限流脚本
      Long isLimit = redisUtil.execute(limiterEnum.obtainScript(),
              Lists.newArrayList(limitKey), limiterEnum.obtainArgvs(annotation).toArray());
      if (isLimit != null && isLimit != 0L) {
          return true;
      }
  
      throw new ResponseException(ResponseEnum.RATE_LIMITED);
  }
  

• 限流算法 lua 脚本

  固定窗口： fixed_window_rate_limiter.lua

    ```lua
    -- 限流key ，string 保存调用限流的次数
    local key = KEYS[1];
    -- 最大访问量
    local capacity = tonumber(ARGV[1]);
    -- 限流时长（毫秒）
    local ttl = tonumber(ARGV[2]);
  
    local count = redis.call('INCR', key);
    if (count == 1) then
        -- 首次访问设置过期时间
        redis.call('PEXPIRE', key, ttl);
    end
  
    local res = 0;
    if (count <= capacity) then
        res = 1;
    end
  
    -- 被限流返回0，未被限流返回1
    return res;
    ```
  

  滑动窗口： sliding_window_rate_limiter.lua

    ```lua
    -- 限流 key ， zset 保存未被限流的 id 与时间戳
    local key = KEYS[1];
    -- 最大访问量
    local capacity = tonumber(ARGV[1]);
    -- 限流时长（毫秒）
    local ttl = tonumber(ARGV[2]);
    -- 当前时间戳（毫秒）
    local now = tonumber(ARGV[3]);
    -- 唯一ID
    local ukid = ARGV[4];
  
    -- 清除过期的数据
    redis.call('ZREMRANGEBYSCORE', key, 0, now - ttl);
  
    local count = redis.call('ZCARD', key);
    local res = 0;
    if (count < capacity) then
        -- 往 zset 中添加一个值、得分均为当前时间戳的元素，[value,score]
        redis.call("ZADD", key, now, ukid);
        -- 重置 zset 的过期时间，单位毫秒
        redis.call("PEXPIRE", key, ttl);
        res = 1;
    end
  
    -- 被限流返回0，未被限流返回1
    return res;
    ```
  

  漏桶： leaky_bucket_rate_limiter.lua

    ```lua
    -- 限流 key ， hash 保存限流相关信息
    local key = KEYS[1];
    -- 最大访问量
    local capacity = tonumber(ARGV[1]);
    -- 限流时长（毫秒）
    local ttl = tonumber(ARGV[2]);
    -- 当前时间戳（毫秒）
    local now = tonumber(ARGV[3]);
    -- 水流出速率（每毫秒）
    local rate = tonumber(ARGV[4]);
  
    -- 限流信息
    local info = redis.call("HMGET", key, "last_time", "stored_water");
    -- 上次处理时间
    local last_time = tonumber(info[1]);
    -- 当前存储的水量，默认为0，存在保存值使用保存值
    local stored_water = tonumber(info[2]);
    if (stored_water == nil) then
        stored_water = 0;
    end
  
    if (last_time ~= nil) then
        -- 根据上次处理时间和当前时间差，计算流出后的水量
        local leaked_water = math.floor((now - last_time) * rate);
        stored_water = math.max(stored_water - leaked_water, 0);
        if (leaked_water > 0) then
            last_time = nil;
        end
    end
  
    -- 首次访问、泄露了水 设置上次处理时间
    if (last_time == nil) then
        redis.call("HSET", key, "last_time", now);
    end
  
    -- 被限流返回0，未被限流返回1
    local res = 0;
    if (capacity > stored_water) then
        redis.call("HSET", key, "stored_water", stored_water + 1);
        res = 1;
    end
  
    redis.call("PEXPIRE", key, ttl);
    return res;
    ```
  

  令牌桶： token_bucket_rate_limiter.lua

    ```lua
    -- 限流 key ， hash 保存限流相关信息
    local key = KEYS[1];
    -- 最大访问量
    local capacity = tonumber(ARGV[1]);
    -- 限流时长（毫秒）
    local ttl = tonumber(ARGV[2]);
    -- 当前时间戳（毫秒）
    local now = tonumber(ARGV[3]);
    -- 生成令牌速率（每毫秒）
    local rate = tonumber(ARGV[4]);
  
    -- 限流信息
    local info = redis.call("HMGET", key, "last_time", "stored_tokens");
    -- 上次处理时间
    local last_time = tonumber(info[1]);
    -- 令牌数量，默认为最大访问量，存在保存值使用保存值
    local stored_tokens = tonumber(info[2]);
    if (stored_tokens == nil) then
        stored_tokens = capacity;
    end
  
    if (last_time ~= nil) then
        -- 根据上次处理时间和当前时间差，触发式往桶里添加令牌
        local add_tokens = math.floor((now - last_time) * rate);
        stored_tokens = math.min(add_tokens + stored_tokens, capacity);
        if (add_tokens > 0) then
            last_time = nil;
        end
    end
  
    -- 首次访问、添加了令牌 设置上次处理时间
    if (last_time == nil) then
        redis.call("HSET", key, "last_time", now);
    end
  
    -- 被限流返回0，未被限流返回1
    local res = 0;
    if (stored_tokens > 0) then
        redis.call("HSET", key, "stored_tokens", stored_tokens - 1);
        res = 1;
    end
  
    redis.call("PEXPIRE", key, ttl);
    return res;
    ```
  

其他

demo 地址：https://github.com/EastX/java-practice-demos/tree/main/demo-ratelimit

推荐阅读：

• 限流 - JavaGuide
• 架构之高并发：限流 - pdai