前言
在高并发的应用中,限流是一个绕不开的话题。限流可以保障我们的 API 服务对所有用户的可用性,也可以防止网络攻击。
限流算法
令牌桶
是一种限速算法,与之相对的是漏桶
。常用的平滑的限流算法有两种:漏桶算法和令牌桶算法:
漏桶算法
漏桶(Leaky Bucket)算法思路很简单,水(请求)先进入到漏桶里,漏桶以一定的速度出水(接口有响应速率),当水流入速度过大会直接溢出(访问频率超过接口响应速率),然后就拒绝请求,可以看出漏桶算法能强行限制数据的传输速率。这里有两个变量,一个是桶的大小,支持流量突发增多时可以存多少的水(burst),另一个是水桶漏洞的大小(rate)。因为漏桶的漏出速率是固定的参数,所以,即使网络中不存在资源冲突(没有发生拥塞),漏桶算法也不能使流突发(burst)到端口速率。因此,漏桶算法对于存在突发特性的流量来说缺乏效率。
令牌桶算法
令牌桶算法(Token Bucket)和 Leaky Bucket 效果一样但方向相反的算法,更加容易理解。随着时间流逝,系统会按恒定 1/QPS 时间间隔(如果 QPS=100,则间隔是 10ms)往桶里加入 Token(想象和漏洞漏水相反,有个水龙头在不断的加水),如果桶已经满了就不再加了。新请求来临时,会各自拿走一个 Token,如果没有 Token 可拿了就阻塞或者拒绝服务。令牌桶的另外一个好处是可以方便的改变速度。一旦需要提高速率,则按需提高放入桶中的令牌的速率。一般会定时(比如 100 毫秒)往桶中增加一定数量的令牌,有些变种算法则实时的计算应该增加的令牌的数量。
- 令牌限速
当进行任务的操作时,消耗一定的令牌
,后台以一定的速率生产
令牌。在没有令牌的情况下,就阻塞任务,或者拒绝服务。令牌的生产速率,代表了大部分情况下的平均流速。
- 桶限峰值
桶
的作用就是存储令牌,消耗的令牌都是从桶
中获取。桶的作用是用来限制流速的峰值,当桶中有额外令牌的时候,实际的流速就会高于限定的令牌生产速率。假设令牌生产速率为v
,桶大小为b
,处理时间为t
,则实际流量速度为V=v+b/t
。
- 额外消耗
为了保证功能的完整,后台必须保证令牌生产
,而且是持续服务,不能中断。同时,为了桶
功能的正确作用,当桶满了以后,后续生产的令牌会溢出
,不会存储到桶内部。
基本使用
1.消费
public static void main(String[] args) {
Bandwidth limit = Bandwidth.simple(10, Duration.ofSeconds(1));
Bucket bucket = Bucket4j.builder().addLimit(limit).build();
if(bucket.tryConsume(1)){
System.out.println("do something");
}else{
System.out.println("do nothing");
}
}
Bandwidth
:带宽,也就是每秒能够通过的流量,自动维护令牌生产。
Bucket
:桶,不论状态,或是令牌的消费,bucket
是我们操作的入口。
tryConsume
:尝试消费n
个令牌,返回布尔值,表示能够消费或者不能够消费,给我们判断依据。
为了简单理解可以尝试一下如下代码。
public static void main(String[] args) {
Bandwidth limit = Bandwidth.simple(1,