基于Redis SortedSet简单限流算法

以下为接口及具体实现:
抽象接口,方法有三个参数,第一个参数为此限流要用到的Redis的key,第二个参数为限流的时间,第三个参数为限流次数。

package com.shanyuan.platform.ms.base.frelimit;

/**
 * 
 * 限流算法
 * @author 杨健
 * @date 2017/11/14
 *
 */
public interface FrequencyLimitService {
	
	public boolean freLimit(String redisKey, Integer seconds, Integer times);

}

具体实现


package com.shanyuan.platform.ms.base.frelimit.impl;

import java.util.UUID;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations;
import org.springframework.stereotype.Component;

import com.shanyuan.platform.ms.base.frelimit.FrequencyLimitService;

/**
*
* 频率限制工具
* @author yangjian
* @date 2017/11/14
*
*/
@Component
public class FrequencyLimitServiceImpl implements FrequencyLimitService {

protected Logger logger = LoggerFactory.getLogger(getClass());

@Autowired
private StringRedisTemplate stringRedisTemplate;

/**
*
* @param redisKey
* @param seconds
* @param times
* @return
*/
public boolean freLimit(String redisKey, Integer seconds, Integer times){
boolean result = false;
//定义redis操作
ZSetOperations<String, String> opsForZSet = stringRedisTemplate.opsForZSet();

Long endTime = System.currentTimeMillis()/1000;
//设置最后一次发送
Long startTime = endTime - seconds;
//移出之前已无效的记录
//当前redis中有效总条数
Long count = opsForZSet.count(redisKey, startTime, endTime);
//如果条数大于或等于条数限制,则抛出异常,发送太多次
if(count >= times){
logger.info("规定时间:{}秒内,请求次数:{}过多", seconds, count);
return result;
}
String value = UUID.randomUUID().toString().replaceAll("-", "");
//向set中添加新纪录
result = opsForZSet.add(redisKey, value, endTime);
if(!result){
logger.info("add redis set error, key:{}, score:{}", opsForZSet, endTime);
return result;
}
//当前有效的总条数
count = opsForZSet.count(redisKey, startTime, endTime);
if(count >= times){
opsForZSet.removeRangeByScore(redisKey, 0, startTime);
Long rank = opsForZSet.rank(redisKey, value);
if(rank < times){
return true;
}else{
opsForZSet.remove(redisKey, value);
return false;
}
}
return result;
}

}

实现方法中的注释基本说明了每行是做什么工作。
本方法主要是做限流,可以用在订单,发送短信,或者其他需要做流量控制以及防止攻击的地方。

转载于:https://my.oschina.net/u/2617082/blog/1592531

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Go语言基于Redis实现的分布式限流是一种常见的解决方案,可以有效地控制系统的并发访问流量,防止系统被过多的请求压垮。 首先,分布式限流需要使用Redis的计数器功能。通过对每个请求进行计数,并设置一个时间窗口,可以统计在该窗口内的请求次数。当请求次数超过某个阈值时,可以拒绝该请求或者进行降级处理。 其次,为了保证分布式限流的准确性和高效性,需要使用Redis的原子操作,例如INCR、EXPIRE等。INCR命令可以原子地将计数器的值加1,并返回加1后的结果,而EXPIRE命令可以设置计数器的过期时间。通过这些原子操作,可以在多个节点之间共享计数状态,并且保证计数器的同步和高效性。 此外,为了保证系统的稳定性和可靠性,需要考虑设置适当的限流阈值和时间窗口大小。根据系统的负载情况和性能需求,可以调整这些参数,实现对系统流量的合理控制。 在实际应用中,可以使用Go语言的Redis客户端连接Redis服务器,并通过相关命令操作计数器。同时,还可以结合其他的组件和技术,如分布式锁、消息队列等,增强系统的稳定性和可扩展性。 总之,Go语言基于Redis实现的分布式限流是一种可行且有效的解决方案,可以帮助我们应对大流量的并发请求,保证系统的稳定运行。通过合理设定限流参数和灵活运用Redis的功能,我们可以实现流量控制、降级和保护系统免受恶意请求的攻击。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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