java漏桶算法 令牌桶算法_coding++：Semaphore—RateLimiter-漏桶算法-令牌桶算法

java中对于生产者消费者模型，或者小米手机营销 1分钟卖多少台手机等都存在限流的思想在里面。

关于限流 目前存在两大类，从线程个数(jdk1.5 Semaphore)和RateLimiter速率(guava)

Semaphore：从线程个数限流

RateLimiter：从速率限流  目前常见的算法是漏桶算法和令牌算法

令牌桶算法。相比漏桶算法而言区别在于，令牌桶是会去匀速的生成令牌，拿到令牌才能够进行处理，类似于匀速往桶里放令牌

漏桶算法是：生产者消费者模型，生产者往木桶里生产数据，消费者按照定义的速度去消费数据

应用场景：

漏桶算法：必须读写分流的情况下，限制读取的速度

令牌桶算法：必须读写分离的情况下，限制写的速率或者小米手机饥饿营销的场景  只卖1分种抢购1000实现的方法都是一样。

RateLimiter来实现对于多线程问题查找时，很多时候可能使用的类都是原子性的，但是由于代码逻辑的问题，也可能发生线程安全问题

1、关于RateLimter和Semphore简单用法

packageconcurrent;importcom.google.common.util.concurrent.RateLimiter;import java.util.concurrent.*;importjava.util.stream.IntStream;import staticjava.lang.Thread.currentThread;/*** ${DESCRIPTION}

* 关于限流 目前存在两大类，从线程个数(jdk1.5 Semaphore)和RateLimiter速率(guava)

* Semaphore：从线程个数限流

* RateLimiter：从速率限流 目前常见的算法是漏桶算法和令牌算法，下面会具体介绍

*

*@authormengxp

*@version1.0

* @create 2018-01-15 22:44

**/

public classRateLimiterExample {//Guava 0.5的意思是 1秒中0.5次的操作，2秒1次的操作 从速度来限流，从每秒中能够执行的次数来

private final static RateLimiter limiter=RateLimiter.create(0.5d);//同时只能有三个线程工作 Java1.5 从同时处理的线程个数来限流

private final static Semaphore sem=new Semaphore(3);private static voidtestSemaphore(){try{

sem.acquire();

System.out.println(currentThread().getName()+" is doing work...");

TimeUnit.MILLISECONDS.sleep(ThreadLocalRandom.current().nextInt(10));

}catch(InterruptedException e) {

e.printStackTrace();

}finally{

sem.release();

System.out.println(currentThread().getName()+" release the semephore..other thread can get and do job");

}

}public static voidrunTestSemaphore(){

ExecutorService service= Executors.newFixedThreadPool(10);

IntStream.range(0,10).forEach((i)->{//RateLimiterExample::testLimiter 这种写法是创建一个线程

service.submit(RateLimiterExample::testSemaphore);

});

}/*** Guava的RateLimiter*/

private static voidtestLimiter(){

System.out.println(currentThread().getName()+" waiting " +limiter.acquire());

}//Guava的RateLimiter

public static voidrunTestLimiter(){

ExecutorService service= Executors.newFixedThreadPool(10);

IntStream.range(0,10).forEach((i)->{//RateLimiterExample::testLimiter 这种写法是创建一个线程

service.submit(RateLimiterExample::testLimiter);

});

}public static voidmain(String[] args) {

IntStream.range(0,10).forEach((a)-> System.out.println(a));//从0-9//runTestLimiter();

runTestSemaphore();

}

}

2、实现漏桶算法

packageconcurrent.BucketAl;importcom.google.common.util.concurrent.Monitor;importcom.google.common.util.concurrent.RateLimiter;importjava.util.concurrent.ConcurrentLinkedQueue;importjava.util.concurrent.TimeUnit;importjava.util.function.Consumer;import staticjava.lang.Thread.currentThread;/*** ${DESCRIPTION}

*

*@authormengxp

*@version1.0

* @create 2018-01-20 22:42

* 实现漏桶算法 实现多线程生产者消费者模型 限流

**/

public classBucket {//定义桶的大小

private final ConcurrentLinkedQueue container=new ConcurrentLinkedQueue<>();private final static int BUCKET_LIMIT=1000;//消费者 不论多少个线程，每秒最大的处理能力是1秒中执行10次

private final RateLimiter consumerRate=RateLimiter.create(10d);//往桶里面放数据时，确认没有超过桶的最大的容量

private Monitor offerMonitor=newMonitor();//从桶里消费数据时，桶里必须存在数据

private Monitor consumerMonitor=newMonitor();/*** 往桶里面写数据

*@paramdata*/

public voidsubmit(Integer data){if (offerMonitor.enterIf(offerMonitor.newGuard(()->container.size()

container.offer(data);

System.out.println(currentThread()+" submit.."+data+" container size is :["+container.size()+"]");

}finally{

offerMonitor.leave();

}

}else{//这里时候采用降级策略了。消费速度跟不上产生速度时，而且桶满了，抛出异常//或者存入MQ DB等后续处理

throw new IllegalStateException(currentThread().getName()+"The bucket is ful..Pls latter can try...");

}

}/*** 从桶里面消费数据

*@paramconsumer*/

public void takeThenConsumer(Consumerconsumer){if (consumerMonitor.enterIf(consumerMonitor.newGuard(()->!container.isEmpty()))){try{//不打印时 写 consumerRate.acquire();

System.out.println(currentThread()+" waiting"+consumerRate.acquire());

Integer data=container.poll();//container.peek() 只是去取出来不会删掉

consumer.accept(data);

}finally{

consumerMonitor.leave();

}

}else{//当木桶的消费完后，可以消费那些降级存入MQ或者DB里面的数据

System.out.println("will consumer Data from MQ...");try{

TimeUnit.SECONDS.sleep(10);

}catch(InterruptedException e) {

e.printStackTrace();

}

}

}

}

2.1 漏桶算法测试类

packageconcurrent.BucketAl;importjava.util.concurrent.TimeUnit;importjava.util.concurrent.atomic.AtomicInteger;importjava.util.stream.IntStream;import staticjava.lang.Thread.currentThread;/*** ${DESCRIPTION}

*

*@authormengxp

*@version1.0

* @create 2018-01-20 23:11

* 漏桶算法测试

* 实现漏桶算法 实现多线程生产者消费者模型 限流

**/

public classBuckerTest {public static voidmain(String[] args) {final Bucket bucket = newBucket();final AtomicInteger DATA_CREATOR = new AtomicInteger(0);//生产线程 10个线程 每秒提交 50个数据 1/0.2s*10=50个

IntStream.range(0, 10).forEach(i ->{new Thread(() ->{for(; ; ) {int data =DATA_CREATOR.incrementAndGet();try{

bucket.submit(data);

TimeUnit.MILLISECONDS.sleep(200);

}catch(Exception e) {//对submit时，如果桶满了可能会抛出异常

if (e instanceofIllegalStateException) {

System.out.println(e.getMessage());//当满了后，生产线程就休眠1分钟

try{

TimeUnit.SECONDS.sleep(60);

}catch(InterruptedException e1) {

e1.printStackTrace();

}

}

}

}

}).start();

});//消费线程 采用RateLimiter每秒处理10个 综合的比率是5:1

IntStream.range(0, 10).forEach(i ->{newThread(

()->{for(; ; ) {

bucket.takeThenConsumer(x->{

System.out.println(currentThread()+"C.." +x);

});

}

}

).start();

});

}

}

3、令牌桶算法

packageconcurrent.TokenBucket;importcom.google.common.util.concurrent.RateLimiter;importjava.util.concurrent.TimeUnit;importjava.util.concurrent.atomic.AtomicInteger;import staticjava.lang.Thread.currentThread;import staticjava.lang.Thread.interrupted;/*** ${DESCRIPTION}

*

*@authormengxp

*@version1.0

* @create 2018-01-21 0:18

* 令牌桶算法。相比漏桶算法而言区别在于，令牌桶是会去匀速的生成令牌，拿到令牌才能够进行处理，类似于匀速往桶里放令牌

* 漏桶算法是：生产者消费者模型，生产者往木桶里生产数据，消费者按照定义的速度去消费数据

*

* 应用场景：

* 漏桶算法：必须读写分流的情况下，限制读取的速度

* 令牌桶算法：必须读写分离的情况下，限制写的速率或者小米手机饥饿营销的场景 只卖1分种抢购1000

*

* 实现的方法都是一样。RateLimiter来实现

* 对于多线程问题查找时，很多时候可能使用的类都是原子性的，但是由于代码逻辑的问题，也可能发生线程安全问题

**/

public classTokenBuck {//可以使用 AtomicInteger+容量 可以不用Queue实现

private AtomicInteger phoneNumbers=new AtomicInteger(0);private RateLimiter rateLimiter=RateLimiter.create(20d);//一秒只能执行五次//默认销售500台

private final static int DEFALUT_LIMIT=500;private final intsaleLimit;public TokenBuck(intsaleLimit) {this.saleLimit =saleLimit;

}publicTokenBuck() {this(DEFALUT_LIMIT);

}public intbuy(){//这个check 必须放在success里面做判断，不然会产生线程安全问题(业务引起)//原因当phoneNumbers=99 时 同时存在三个线程进来。虽然phoneNumbers原子性，但是也会发生。如果必须写在这里，在success//里面也需要加上double check

/*if (phoneNumbers.get()>=saleLimit){

throw new IllegalStateException("Phone has been sale "+saleLimit+" can not buy more...")

}*/

//目前设置超时时间，10秒内没有抢到就抛出异常//这里的TimeOut*Ratelimiter=总数 这里的超时就是让别人抢几秒，所以设置总数也可以由这里的超时和RateLimiter来计算

boolean success = rateLimiter.tryAcquire(10, TimeUnit.SECONDS);if(success){if (phoneNumbers.get()>=saleLimit){throw new IllegalStateException("Phone has been sale "+saleLimit+" can not buy more...");

}int phoneNo =phoneNumbers.getAndIncrement();

System.out.println(currentThread()+" user has get :["+phoneNo+"]");returnphoneNo;

}else{//超时后 同一时间，很大的流量来强时，超时快速失败。

throw new RuntimeException(currentThread()+"has timeOut can try again...");

}

}

}

3.1、令牌桶算法的测试类

packageconcurrent.TokenBucket;importjava.util.stream.IntStream;/*** ${DESCRIPTION}

*

*@authormengxp

*@version1.0

* @create 2018-01-21 0:40

**/

public classTokenBuckTest {public static voidmain(String[] args) {final TokenBuck tokenBuck=new TokenBuck(200);

IntStream.range(0,300).forEach(i->{//目前测试时，让一个线程抢一次，不用循环抢//tokenBuck::buy 这种方式 产生一个Runnable

newThread(tokenBuck::buy).start();

});

}

}