gateway基于redis做限流处理

---

前言

限流的意义

限流是针对于并发量比较高的时候，如果不针对对应的服务做限流操作，可能造成服务器压力过大，宕机等情况.

---

一、如何限流？

限流的方式：

• 计数器算法（Counter）

–设计一个计数器，比如一个全局的变量，每次请求后+1，并且在限定时间内比如一分钟，将计数器重置一次。当每次请求时查看计数器是否已经为临界值了，是就限流。但是这个有个缺点就是比如在55秒前没有请求，在55-70秒时有20000次请求，而计数器的临界值则是10000，此时的在60秒时清空了一次，这20000次的请求也是可以进来的。

• 漏桶算法（Leaky Bucket）

–就是所有的请求都放到gateway中，然后再去一个一个分发下去到对应的服务，这样做的缺点就是在大量数据的请求下可能gateway根本无法承受，而下游的服务依然在空闲当中或是毫无压力。

• 令牌桶算法（Token Bucket）

–设计一定数量的令牌，每次请求都会取一个令牌，并且令牌桶会根据规则自动生成令牌。大量请求过来时超过了限定的值，桶里的令牌瞬间被抢空，剩下没有拿到令牌的请求将会失败，并且桶中的令牌一直是有序增加的剩下的请求也能抢到。目前这是一种最优的解决方案。

二、使用步骤

Gateway的令牌桶算法实现：

Gateway中的限流算法就是采用了令牌桶算法，支持三种令牌桶算法：基于URI限流、基于请求参数限流、基于IP限流。

• 引入依赖：

<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-gateway</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-netflix-eureka-client</artifactId>
</dependency>
<!--redis支持-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis-reactive</artifactId>
</dependency>

• 添加配置信息

server:
  port: 9003
eureka:
  client:
    fetch-registry: true # 从 eureka 服务端获取注册信息
    register-with-eureka: true # 将自身注册到 eureka 服务端
    service-url:
      defaultZone: http://localhost:9000/eureka
  instance:
    prefer-ip-address: true # 开启采用 IP 注册形式
spring:
  application:
    name: flowershop-gateway
  cloud:
    gateway:
      routes:
        - id: gateway-flower #路由id，唯一
          uri: lb://flowershop-common #路由地址，针对哪个服务的路由
          predicates: #断言
            - Path=/** 
          filters:
              # 指定限流过滤器
            - name: RequestRateLimiter
              args:
                  # 基于令牌桶算法，生成令牌的速率
                redis-rate-limiter.replenishRate: 1
                  # 令牌桶的最大容量
                redis-rate-limiter.burstCapacity: 1
                  # 指定生成令牌的算法解析策略，这里是使用了SpEL表达式，获取寻找名字是 keyResolver 的bean对象
                key-resolver: "#{@keyResolver}"
  redis:
    host: 192.168.3.52
    database: 0
    port: 6379
    password:
    jedis:
      pool:
        max-idle: 100
        max-wait:
        min-idle: 5
    timeout: 500

• 令牌算法

Gateway中有多种限流策略，通过URI进行限流、通过请求参数限流、通过IP地址限流，但是我们只可以去实现其中一种。可以去实现 KeyResolver 接口
可以有多种方式实现：在启动类中实现、使用配置类实现
这里我们使用配置类

/**
 * 令牌桶算法中，令牌的生成算法
 */
@Configuration
public class KeyResolverConfiguration{
    @Bean
    public KeyResolver keyResolver() {
        return new KeyResolver() {
            @Override
            public Mono<String> resolve(ServerWebExchange exchange) {
                // 这里根据请求【URI】进行限流
                return Mono.just(exchange.getRequest().getPath().toString());
            }
        };
    }


//    @Bean
//    public KeyResolver keyResolver() {
//        return new KeyResolver() {
//            @Override
//            public Mono<String> resolve(ServerWebExchange exchange) {
//                // 这里根据请求【请求参数username】进行限流
//                return Mono.just(exchange.getRequest().getQueryParams().getFirst("username"));
//            }
//        };
//    }
//
//    @Bean
//    public KeyResolver keyResolver() {
//        return new KeyResolver() {
//            @Override
//            public Mono<String> resolve(ServerWebExchange exchange) {
//                // 这里根据请求【IP地址】进行限流
//                return Mono.just(exchange.getRequest().getRemoteAddress().getHostName());
//            }
//        };
}

---

总结

一般情况下,项目中都会用到redis作为缓存,既然这样,我们完全可以用redis做gateway限流处理,可以减少sential插件的引入以及学习成本,何不美哉~