Guava的RateLimiter限流器分析

RateLimiter

  • 算法原理

    • RateLimiter 从概念上来讲,速率限制器会在可配置的速率下分配许可证。如果必要的话,每个acquire() 会阻塞当前线程直到许可证可用后获取该许可证。一旦获取到许可证,不需要再释放许可证。

    • 参考 http://ifeve.com/guava-ratelimiter/

  • 使用案例

    • RateLimiter.create(10);
    • RateLimiter.acquire();
  • 有两个实现子类

    • SmoothBursty

      • acquire后立即开始
    • SmoothWarmingUp

      • 有一段warm up间隔,后再开始

源码解析(SmoothBursty)

创建令牌桶

* RateLimiter.create(permitsPerSecond);

    * permitsPerSecond : 每一秒发放的令牌数
核心参数
  • maxBurstSeconds

    • 统计的时间范围,默认为1,即每一秒内发放的令牌
  • nextFreeTicketMicros

    • 下一个令牌可以获取的时间点,单位微秒
  • storedPermits

    • 已有的令牌数
  • maxPermits

    • 最大的令牌数

    • maxPermits = permitsPerSecond * maxBurstSeconds

  • stableIntervalMicros

    • 令牌之间的平均间隔时间,单位微秒

    • stableIntervalMicros = 1秒 / permitsPerSecond

源码分析
public static RateLimiter create(double permitsPerSecond) {
    return create(SleepingStopwatch.createFromSystemTimer(), permitsPerSecond);
}
static RateLimiter create(SleepingStopwatch stopwatch, double permitsPerSecond) {
    //设置时间范围长度
    RateLimiter rateLimiter = new SmoothBursty(stopwatch, 1.0 /* maxBurstSeconds */);
    rateLimiter.setRate(permitsPerSecond);
    return rateLimiter;
}
public final void setRate(double permitsPerSecond) {
    checkArgument(
        permitsPerSecond > 0.0 && !Double.isNaN(permitsPerSecond), "rate must be positive");
    //互斥锁
    synchronized (mutex()) {
      //设置令牌桶频率
      doSetRate(permitsPerSecond, stopwatch.readMicros());
    }
}
final void doSetRate(double permitsPerSecond, long nowMicros) {
    //更新参数
    resync(nowMicros);
    //令牌平均间隔时间
    double stableIntervalMicros = SECONDS.toMicros(1L) / permitsPerSecond;
    this.stableIntervalMicros = stableIntervalMicros;
    doSetRate(permitsPerSecond, stableIntervalMicros);
}
void doSetRate(double permitsPerSecond, double stableIntervalMicros) {
  double oldMaxPermits = this.maxPermits;
  //最大令牌数
  maxPermits = maxBurstSeconds * permitsPerSecond;
  //设置令牌桶的已有令牌数,初始状态时为0
  if (oldMaxPermits == Double.POSITIVE_INFINITY) {
    // if we don't special-case this, we would get storedPermits == NaN, below
    storedPermits = maxPermits;
  } else {
    storedPermits = (oldMaxPermits == 0.0)
        ? 0.0 // initial state
        : storedPermits * maxPermits / oldMaxPermits;
  }
}
//更新参数,入参为当前时间
void resync(long nowMicros) {
    // 如果当前时间超过下一个令牌可获取时间,更新参数,并且将下个令牌的可获取时间更新为当前时间
    if (nowMicros > nextFreeTicketMicros) {
      //更新令牌桶里存储的令牌数,包括 nowMicros - nextFreeTicketMicros 时间范围内补充的令牌数
      storedPermits = min(maxPermits,
          storedPermits
            + (nowMicros - nextFreeTicketMicros) / coolDownIntervalMicros());
      nextFreeTicketMicros = nowMicros;
    }

}

获取令牌

  • rateLimiter.acquire(int permits)

    • permits : 需要获取的令牌数
源码分析
//获取令牌
public double acquire(int permits) {
    long microsToWait = reserve(permits);
    stopwatch.sleepMicrosUninterruptibly(microsToWait);
    return 1.0 * microsToWait / SECONDS.toMicros(1L);
}

final long reserve(int permits) {
    checkPermits(permits);
    synchronized (mutex()) {
      return reserveAndGetWaitLength(permits, stopwatch.readMicros());
    }
}

//获取令牌,并返回需要等待的时间,单位微秒
final long reserveAndGetWaitLength(int permits, long nowMicros) {
    long momentAvailable = reserveEarliestAvailable(permits, nowMicros);
    return max(momentAvailable - nowMicros, 0);
}

//获取最近的一个可用令牌的时间
final long reserveEarliestAvailable(int requiredPermits, long nowMicros) {
    //更新参数
    resync(nowMicros);
    //记录最近一个可用令牌的时间
    long returnValue = nextFreeTicketMicros;
    //将要花费的令牌数
    double storedPermitsToSpend = min(requiredPermits, this.storedPermits);
    //未花费掉的令牌数
    double freshPermits = requiredPermits - storedPermitsToSpend;
    //需要等待的时间,未花费的令牌数*令牌间隔时间
    long waitMicros = storedPermitsToWaitTime(this.storedPermits, storedPermitsToSpend)
        + (long) (freshPermits * stableIntervalMicros);

    try {
        //更新下个可用令牌的可获取时间,最近可用令牌的时间+需要等待的时间
        this.nextFreeTicketMicros = LongMath.checkedAdd(nextFreeTicketMicros, waitMicros);
    } catch (ArithmeticException e) {
        this.nextFreeTicketMicros = Long.MAX_VALUE;
    }
    //更新令牌桶里的令牌数
    this.storedPermits -= storedPermitsToSpend;
    return returnValue;
}
long storedPermitsToWaitTime(double storedPermits, double permitsToTake) {
  return 0L;
}
在Spring Boot中实现接口限流可以使用Guava RateLimiterGuava RateLimiter是一个基于令牌桶算法的限流,它可以控制在一段时间内某个接口的请求次数,以保护系统免受过多的负载压力。 下面是一个简单的示例,演示如何使用Guava RateLimiter实现接口限流: 1. 添加Guava依赖 在pom.xml文件中添加Guava依赖: ```xml <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>30.1.1-jre</version> </dependency> ``` 2. 创建限流 在Spring Boot中创建限流的最简单方法是使用@PostConstruct注解,将限流初始化在应用程序启动时: ```java import com.google.common.util.concurrent.RateLimiter; import org.springframework.stereotype.Component; import javax.annotation.PostConstruct; @Component public class ApiLimiter { private final RateLimiter limiter = RateLimiter.create(10.0); // 每秒最多处理10个请求 @PostConstruct public void init() { System.out.println("ApiLimiter initialized."); } public boolean tryAcquire() { return limiter.tryAcquire(); } } ``` 3. 在接口方法上添加限流 在需要限流的接口方法上,注入ApiLimiter并调用tryAcquire()方法,如果返回true,则表示可以继续处理请求;如果返回false,则表示请求被限流: ```java import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RestController; @RestController public class ApiController { @Autowired private ApiLimiter apiLimiter; @GetMapping("/api") public String api() { if (apiLimiter.tryAcquire()) { // 处理请求 return "OK"; } else { // 请求被限流 return "Too many requests."; } } } ``` 以上就是在Spring Boot中实现接口限流的简单示例。需要注意的是,Guava RateLimiter只能控制在一段时间内请求的数量,但不能限制每个用户的请求次数。如果需要限制每个用户的请求次数,可以考虑使用Redis等缓存工具实现。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值