Sentinel中使用的令牌桶算法,是参考着Guava中的令牌桶算法来的。所以在此之前有必要分析下Guava中的限流算法。参见https://www.cnblogs.com/krock/p/16347965.html
这里直接看Sentinel中如何进行预热限流的。
流控规则看 FlowRuleChecker#passLocalCheck
关于预热的看WarmUpRateLimiterController,这里的预热,虽然是参考Guava中的算法,但是有一点是不一样的,就是Guava中控制的是两个请求的时间间隔internal,而sentinel这里控制的是QPS,
所以在sentinel中使用的一些Guava中的计算公式,需要把QPS和internal进行转换。
首先看下怎么初始化的:
public WarmUpRateLimiterController(double count, int warmUpPeriodSec, int timeOutMs, int coldFactor) {
// 调用父类的初始化方法
super(count, warmUpPeriodSec, coldFactor);
// 控制台配置的超时时间
this.timeoutInMs = timeOutMs;
}
protected double count;
private int coldFactor;
protected int warningToken = 0;
private int maxToken;
protected double slope;
// 构造函数会调用方法,其中coldFactor这个和Guava中的固定值一样是 3.0
private void construct(double count, int warmUpPeriodInSec, int coldFactor) {
if (coldFactor <= 1) {
throw new IllegalArgumentException("Cold factor should be larger than 1");
}
this.count = count;
this.coldFactor = coldFactor;
// Guava中的令牌阈值的计算,其中 stableInterval 是两个请求的时间间隔,也就是释放一个令牌的时间
// 在Sentinel这里,需要把 stableInterval 变成QPS,也就是每秒释放的令牌数 两个是倒数的关系
// thresholdPermits = 0.5 * warmupPeriod / stableInterval.
// warningToken = 100;
// 所以这里的计算公式,就是Guava那边来的
warningToken = (int)(warmUpPeriodInSec * count) / (coldFactor - 1);
// Guava中计算桶中最大的令牌数量 ,其中那个 coldInterval = coldFactor *stableInterval
// 所以提取公因子之后下面的公式变成 :maxPermits = thresholdPermits + 2 * warmupPeriod /
// (1.0+coldFactor)* stableInterval
// 所以才有了 maxToken的计算公式
// / maxPermits = thresholdPermits + 2 * warmupPeriod /
// (stableInterval + coldInterval)
// maxToken = 200
maxToken = warningToken + (int)(2 * warmUpPeriodInSec * count / (1.0 + coldFactor));
// slope
// 斜率,Guava中warmup时间段内的斜率
// slope = (coldIntervalMicros - stableIntervalMicros) / (maxPermits
// - thresholdPermits);
// 同样经过上面讲述的换算也可以得到
slope = (coldFactor - 1.0) / count / (maxToken - warningToken);
}
初始化后,看下限流时候是怎么做的
public boolean canPass(Node node, int acquireCount, boolean prioritized) {
//上一个时间窗口内通过请求数量
long previousQps = (long) node.previousPassQps();
//同步桶的令牌数量
syncToken(previousQps);
long currentTime = TimeUtil.currentTimeMillis();
long restToken = storedTokens.get();
long costTime = 0;
long expectedTime = 0;
if (restToken >= warningToken) {
long aboveToken = restToken - warningToken;
// current interval = restToken*slope+1/count
// 计算当前两个请求之间的间隔,也就是消耗一个令牌的时间
// 参考Guava中的那个图,数学运算就是 x轴上的差值 乘上斜率 得到纵坐标的差值
double warmingQps = Math.nextUp(1.0 / (aboveToken * slope + 1.0 / count));
// 上面最新的Qps计算出来之后 请求的令牌 除以 QPS 就可以得出需要的花费的时间
costTime = Math.round(1.0 * (acquireCount) / warmingQps * 1000);
} else {
// 如果小于 warningToken 还不需要预热 所以QPS是固定 count
costTime = Math.round(1.0 * (acquireCount) / count * 1000);
}
// 期望的通过时间
expectedTime = costTime + latestPassedTime.get();
// 当前时间大于了期望时间表示可以放行
if (expectedTime <= currentTime) {
latestPassedTime.set(currentTime);
return true;
} else {
// 计算等待的时间
long waitTime = costTime + latestPassedTime.get() - currentTime;
// 如果等待时间超过我们配置的超时时间,直接拒绝
if (waitTime > timeoutInMs) {
return false;
} else {
// 如果不超过超时时间,则进行等待
long oldTime = latestPassedTime.addAndGet(costTime);
try {
waitTime = oldTime - TimeUtil.currentTimeMillis();
if (waitTime > timeoutInMs) {
latestPassedTime.addAndGet(-costTime);
return false;
}
if (waitTime > 0) {
Thread.sleep(waitTime);
}
return true;
} catch (InterruptedException e) {
}
}
}
return false;
}
思想还是沿用的Guava中的算法,只是用QPS转换了一下。