RateLimiter源码阅读

    俗话说得好，缓存，限流和降级是系统的三把利剑。刚好项目中每天早上导出数据时因调订单接口频率过高，订单系统担心会对用户侧的使用造成影响，让我们对调用限速一下，所以就正好用上了。
    常用的限流算法有2种：漏桶算法和令牌桶算法。

    漏桶算法

    漏桶算法：请求先进入“桶”中，然后桶以一定的速率处理请求。如果请求的速率过快会导致桶溢出。根据描述可以知道，漏桶算法会强制限制请求处理的速度。任你请求的再快还是再慢，我都是以这种速率来处理。
    但是对于很多情况下，除了要求能够限制平均处理速度外，还要求能允许一定程度的的突发情况。这样的话，漏桶算法就不合适了，用令牌桶算法更合适。

     令牌桶算法

    令牌桶算法的原理是：系统以恒定的速率往桶里丢一定数量的令牌，请求只有拿到了令牌才能处理。当桶里没有令牌时便可拒绝服务。
    Guava中的Ratelimiter便是实现的令牌桶算法，同时能支持一定程度的突发请求。

private static RateLimiter one=RateLimiter.create(2);//每秒2个
    private static RateLimiter two=RateLimiter.create(2);//每秒2个
    private RateLimitUtil(){};


    public static void acquire(RateLimiter r,int num){
        double time =r.acquire(num);
        System.out.println("wait time="+time);
    }

    public static void main(String[] args) throws InterruptedException {
        acquire(one,1);
        acquire(one,1);
        acquire(one,1);
        System.out.println("-----");
        acquire(two,10);
        acquire(two,1);

    }

   
   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

    输出结果：

wait time=0.0
wait time=0.499163

wait time=0.489308

wait time=0.0
wait time=4.497819

• 1
• 2
• 3
• 4
• 5
• 6

    可以看到，我们以每秒2个请求的速度生成令牌。对one来说，当第2次和第3次获取请求的时候，等待的时间加起来就差不多刚好是1秒。对two来说，当第一次获取了10个令牌之后，第二次获取1个请求，就差不多等待5S（10/2=5）。可以看到，guava通过限制后面请求的等待时间，来支持一定程度的突发请求。

    
    接下来，就是通过源码来解析它！
    当我第一次看到令牌桶的算法描述的时候，我还以为真是有一个线程每隔X秒往一个类似计数器的地方加数字呢….
    guava的限流算法有2种模式，一种是稳定速度，还有一种是生成令牌的速度慢慢提升直到维持在一个稳定的速度。2种模式原理类似，只是在具体等待多久的时间计算上有区别。以下就专门指稳定速度的模式。

    先来看看它的acquire()方法：

public double acquire(int permits) {
    long microsToWait = reserve(permits);//先计算获取这些请求需要让线程等待多长时间
    stopwatch.sleepMicrosUninterruptibly(microsToWait);//让线程阻塞microTowait微秒长的时间
    return 1.0 * microsToWait / SECONDS.toMicros(1L);//返回阻塞的时间
  }

 
 
1
2
3
4
5
6

    主要分3步：
     1. 根据limiter创建时传入的参数，计算出生成这些数量的令牌需要多长的时间。
     2. 让线程阻塞microTowait这么长的时间（单位：微秒）
     3. 再返回阻塞了多久，单位：秒

    具体它是怎么计算需要多长时间的呢？让我们来看看reserve(permits)方法。

final long reserve(int permits) {
    checkPermits(permits);//检查参数是否合法
    synchronized (mutex()) {
      return reserveAndGetWaitLength(permits, stopwatch.readMicros());
    }
  }
        ↓
        ↓
        ↓
 final long reserveAndGetWaitLength(int permits, long nowMicros) {
    long momentAvailable = reserveEarliestAvailable(permits, nowMicros);
    return max(momentAvailable - nowMicros, 0);
  }
        ↓
        ↓
        ↓

 final long reserveEarliestAvailable(int requiredPermits, long nowMicros) {
    resync(nowMicros);//here
    long returnValue = nextFreeTicketMicros;
    double storedPermitsToSpend = min(requiredPermits, this.storedPermits);
    double freshPermits = requiredPermits - storedPermitsToSpend;

    long waitMicros = storedPermitsToWaitTime(this.storedPermits, storedPermitsToSpend)
        + (long) (freshPermits * stableIntervalMicros);

    this.nextFreeTicketMicros = nextFreeTicketMicros + waitMicros;
    this.storedPermits -= storedPermitsToSpend;
    return returnValue;
  }
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

    
    最终调用的是reserveEarliestAvailable方法。先看看resync(nowMicros)方法。
    

private void resync(long nowMicros) {
    // if nextFreeTicket is in the past, resync to now
    if (nowMicros > nextFreeTicketMicros) {
      storedPermits = min(maxPermits,
          storedPermits + (nowMicros - nextFreeTicketMicros) / stableIntervalMicros);
      nextFreeTicketMicros = nowMicros;
    }
  }
 
 
1
2
3
4
5
6
7
8

    
    nextFreeTicketMicros的意思是：下次获取的时候需要减去的时间。如果是第一次调用accquire()方法，那nowMicros - nextFreeTicketMicros 就是从初始化（初始化的时候会给nextFreeTicketMicros 赋值一次,具体可以看RateLimiter的构造器）到第一次请求，这中间发生的时间。
    这个方法的意思，如果当前时间比上一轮设置的下次获取的时间大（因为存在提前获取的情况，比如上次直接获取了10个，那上轮设置的nextFreeTicketMicros就是上一轮的时间+5s。后面会提到），那就计算这个中间理论上能生成多少的令牌。比如这中间隔了1秒钟，然后stableIntervalMicros=5000（稳定生成速度的情况下）,那么，就这中间就可以生成2个令牌。再加上它原先存储的storedPermits个，如果比maxPermits大，那最大也只能存maxPermits这么多。如果比maxPermits小，那就是storedPermits=原先存的+这中间生成的数量。同时记录下下次获取的时候需要减去的时间，也就是当前时间 （nextFreeTicketMicros ）。
    
    接下来继续看reserveEarliestAvailable方法：

final long reserveEarliestAvailable(int requiredPermits, long nowMicros) { //1
    resync(nowMicros);     //2
    long returnValue = nextFreeTicketMicros;//3
    double storedPermitsToSpend = min(requiredPermits, this.storedPermits);//4
    double freshPermits = requiredPermits - storedPermitsToSpend;//5

    long waitMicros = storedPermitsToWaitTime(this.storedPermits, storedPermitsToSpend)
        + (long) (freshPermits * stableIntervalMicros);//6

    this.nextFreeTicketMicros = nextFreeTicketMicros + waitMicros;//7
    this.storedPermits -= storedPermitsToSpend;//8
    return returnValue;//9
  }
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13

    
    我们一行一行来看：
    第二行设置好之后。第3行中将下次获取的时候需要减去的时间作为返回值（这点很重要）。
    第4行是从存储的许可数量和请求的数量中获取小的那个值，第5行是获取这个值和请求的值的差。
    这2句是什么意思呢？
    其实这2句就是使得RateLimiter能一定程度的突发请求的原因。假设requiredPermits=10，而我们能存的storedPermits=2，那么freshPermits=8，也就是多取了8个。而第6行就是计算这多取的8个需要多长时间才能生成？需要3秒。那么，就将这3秒钟加到我们前面赋值的“下次获取的时候需要减去的时间 ”。
    比如在05秒的时候一次性获取了10个，那么，第7行的意思就是nextFreeTicketMicros=13S对应的系统的毫秒数。然后storedPermits就是-8。当过了1秒钟，下一次请求来调用acquire(1)的时候，resync方法中由于nowMicros

final long reserveAndGetWaitLength(int permits, long nowMicros) {
    long momentAvailable = reserveEarliestAvailable(permits, nowMicros);
    return max(momentAvailable - nowMicros, 0);//取较大的值
  }
 
 
1
2
3
4

    
    也就是说，reserveAndGetWaitLength会返回max(13-6,0)，也就是7。而该方法的返回值又是用于sleep线程的，也就是我们在一开始看到的：

public double acquire(int permits) {
    long microsToWait = reserve(permits);
    stopwatch.sleepMicrosUninterruptibly(microsToWait);
    return 1.0 * microsToWait / SECONDS.toMicros(1L);
  }
 
 
1
2
3
4
5

    
    总结起来，最主要的是nowMicros,nextFreeTicketMicros这2个值。nextFreeTicketMicros在一开始构造器执行的时候会赋值一次为构造器执行的时间。当第一次调用accquire()的时候，resync会被执行，然后在accquire()中将nextFreeTicketMicros设置为当前时间。但是，需要注意的是，在reserveEarliestAvailable中会根据请求的令牌数和当前存储的令牌数进行比较。如果请求的令牌数很大，则会计算出生成这些多余的令牌需要的时间，并加在nextFreeTicketMicros上，从而保证下次调用accquire()的时候，根据nextFreeTicketMicros和当时的nowMicros相减，若>0，则需要等到对应的时间。也就能应对流量的突增情况了。
    所以最重要的是nextFreeTicketMicros，它记录了你这次获取的时候，能够开始生成令牌的时间。比如当前是05S，那若nextFreeTicketMicros=10，表示它要到10S才能开始生成令牌，谁叫前面的多拿了这么多呢。至于它这次是多拿了还是只是拿一个令牌，等待时间都是这么多。如果这次又多拿了，那下次就等待更久！
    

private static RateLimiter too=RateLimiter.create(2);//每秒2个
    private RateLimitUtil(){};

<span class="hljs-keyword">public</span> <span class="hljs-keyword">static</span> <span class="hljs-keyword">void</span> <span class="hljs-title">acquire</span>(RateLimiter r,<span class="hljs-keyword">int</span> num){
    <span class="hljs-keyword">double</span> time =r.acquire(num);
    System.out.println(<span class="hljs-string">"wait time="</span>+time);
}

<span class="hljs-keyword">public</span> <span class="hljs-keyword">static</span> <span class="hljs-keyword">void</span> <span class="hljs-title">main</span>(String[] args) <span class="hljs-keyword">throws</span> InterruptedException {
    acquire(too,<span class="hljs-number">1</span>);
    acquire(too,<span class="hljs-number">10</span>);<span class="hljs-comment">//只等待了0.5秒就获取了10个</span>
    acquire(too,<span class="hljs-number">10</span>);<span class="hljs-comment">//等待了5秒就获取了10个</span>
    acquire(too,<span class="hljs-number">1</span>);<span class="hljs-comment">//虽然只获取1个，也是等待5秒</span>

}</code><ul class="pre-numbering" style=""><li style="color: rgb(153, 153, 153);">1</li><li style="color: rgb(153, 153, 153);">2</li><li style="color: rgb(153, 153, 153);">3</li><li style="color: rgb(153, 153, 153);">4</li><li style="color: rgb(153, 153, 153);">5</li><li style="color: rgb(153, 153, 153);">6</li><li style="color: rgb(153, 153, 153);">7</li><li style="color: rgb(153, 153, 153);">8</li><li style="color: rgb(153, 153, 153);">9</li><li style="color: rgb(153, 153, 153);">10</li><li style="color: rgb(153, 153, 153);">11</li><li style="color: rgb(153, 153, 153);">12</li><li style="color: rgb(153, 153, 153);">13</li><li style="color: rgb(153, 153, 153);">14</li><li style="color: rgb(153, 153, 153);">15</li></ul></pre>                </div>
                                            <link rel="stylesheet" href="http://csdnimg.cn/release/phoenix/production/markdown_views-68a8aad09e.css">
                                </div>