源码分析Dubbo tps过滤器器实现原理

   本文将重点分析一下dubbo限流的另外一个方式，tps过滤器。
   @Activate(group = Constants.PROVIDER, value = Constants.TPS_LIMIT_RATE_KEY)

• 过滤器作用
     服务调用tps过滤器
• 使用场景
     对Dubbo服务提供者实现限流(tps)。
• 阻断条件
     当服务调用者超过其TPS时，直接返回rpc exception。
     接下来从源码的角度分析Tps过滤器的实现机制。

public class TpsLimitFilter implements Filter {
    private final TPSLimiter tpsLimiter = new DefaultTPSLimiter();
    @Override
    public Result invoke(Invoker<?> invoker, Invocation invocation) throws RpcException {
        if (!tpsLimiter.isAllowable(invoker.getUrl(), invocation)) {  
            throw new RpcException(
                    "Failed to invoke service "  +  invoker.getInterface().getName() +  "." + invocation.getMethodName() + " because exceed max service tps.");
        }
        return invoker.invoke(invocation);
    }
}

   tps limit 生效的条件是，服务提供者的url中包含了tps=""这个属性，还可以通过<dubbo:parameter=“tps.interval” value=“60000”/>来设置TPS的统计时长，默认为1分钟，表示如果在1分钟之内的调用次数超过配置的tps，则阻断本次RPC服务调用。
   其TPS控制代码主要由DefaultTPSLimiter实现。

public class DefaultTPSLimiter implements TPSLimiter {
    private final ConcurrentMap<String, StatItem> stats = new ConcurrentHashMap<String, StatItem>();
    @Override
    public boolean isAllowable(URL url, Invocation invocation) {
        int rate = url.getParameter(Constants.TPS_LIMIT_RATE_KEY, -1);    // @1
        long interval = url.getParameter(Constants.TPS_LIMIT_INTERVAL_KEY,
                Constants.DEFAULT_TPS_LIMIT_INTERVAL);                         
        String serviceKey = url.getServiceKey();                                            // @2
        if (rate > 0) {
            StatItem statItem = stats.get(serviceKey);
            if (statItem == null) {
                stats.putIfAbsent(serviceKey,
                        new StatItem(serviceKey, rate, interval));
                statItem = stats.get(serviceKey);
            }
            return statItem.isAllowable();                                                     // @3
        } else {
            StatItem statItem = stats.get(serviceKey);
            if (statItem != null) {
                stats.remove(serviceKey);
            }
        }

        return true;
    }
}

   代码@1：获取服务提供者url中的参数tps、tps.interval属性。
   代码@2：获取服务key，并创建或获取对应的StatItem。
   代码@3：调用StatItem的isAllowable()方法来判断是否可用。
   StatItem#isAllowable

public boolean isAllowable() {
        long now = System.currentTimeMillis();
        if (now > lastResetTime + interval) {    // @1
            token.set(rate);
            lastResetTime = now;
        }

        int value = token.get();   
        boolean flag = false;
        while (value > 0 && !flag) {     // @2
            flag = token.compareAndSet(value, value - 1);  
            value = token.get();
        }
        return flag;
    }

   该类的核心思想：是漏桶算法。
   代码@1：如果当前时间大于（上一次刷新时间+统计间隔），重新复位token为rate，表示重新生成一批token。
   代码@2：每使用一次，消耗一个token，如果能成功消耗一个token则返回true，如果没有可消耗的token，则直接返回false。

   Tps过滤器的实现原理其实比较简单，大家可以从这里体会到ConcurrentHashMap、漏桶算法的简易实现。

---

欢迎加笔者微信号(dingwpmz)，加群探讨，笔者优质专栏目录：
1、源码分析RocketMQ专栏(40篇+)
2、源码分析Sentinel专栏(12篇+)
3、源码分析Dubbo专栏(28篇+)
4、源码分析Mybatis专栏
5、源码分析Netty专栏(18篇+)
6、源码分析JUC专栏
7、源码分析Elasticjob专栏
8、Elasticsearch专栏（20篇+）
9、源码分析MyCat专栏