java限流中间件,关于java:限流浅析

前言

咱们每个零碎在做压测的时候，都有一个解决峰值，当靠近峰值持续承受申请的时候，会导致整个零碎响应迟缓；为了爱护零碎，须要回绝解决过载的申请，这就是咱们上面介绍的限流，通过设定一个峰值阈值，限度申请达到这个峰值，以此来爱护零碎；咱们常见的一些中间件比方tomcat，mysql，redis等等都有相似的限度。

限流算法

做限流的时候咱们有一些罕用的限流算法包含：计数器限流，令牌桶限流，漏桶限流；

1.令牌桶限流

令牌桶算法的原理是零碎以肯定速率向桶中放入令牌，填满了就抛弃令牌；申请来时会先从桶中取出令牌，如果能取到令牌，则能够持续实现申请，否则期待或者拒绝服务；令牌桶容许肯定水平突发流量，只有有令牌就能够解决，反对一次拿多个令牌；

2.漏桶限流

漏桶算法的原理是依照固定常量速率流出申请，流入申请速率任意，当申请数超过桶的容量时，新的申请期待或者拒绝服务；能够看出漏桶算法能够强制限度数据的传输速度；

3.计数器限流

计数器是一种比较简单粗犷的算法，次要用来限度总并发数，比方数据库连接池、线程池、秒杀的并发数；计数器限流只有肯定工夫内的总申请数超过设定的阀值则进行限流；

如何限流

理解了限流算法之后，咱们须要晓得在什么中央限流，以及如何限流；对于一个零碎来说咱们经常能够在接入层进行限流，这个大部分状况下能够间接应用nginx，OpenResty等中间件间接解决；也能够在业务层进行限流，这个须要依据咱们不同的业务需要应用相干的限流算法来解决。

业务层限流

对于业务层咱们可能是单节点的，也可能是多节点用户绑定的，也可能是多节点无绑定的；这时候咱们就要辨别是过程内的限流还是须要分布式限流。

过程内限流

对于过程内限流相对来说还是比较简单的，guava是咱们常常应用的利器，上面别离看看如何限度接口的总并发量，某个工夫窗口的申请数，以及应用令牌桶和漏桶算法更加平滑的限流；

限度接口的总并发量

只须要配置一个总并发量，而后应用一个计算器记录每次申请，而后和总并发量比拟即可：

private static int max = 10;

private static AtomicInteger limiter = new AtomicInteger();

if (limiter.incrementAndGet() > max){

System.err.println("超过最大限度数");

return;

}

限度工夫窗口申请数

限度某个接口在指定工夫之内的申请量，能够应用guava的cache来缓存计数器，而后再设置过期工夫；比方上面设置每分钟最大申请为100：

LoadingCache counter = CacheBuilder.newBuilder().expireAfterWrite(1, TimeUnit.MINUTES).build(new CacheLoader() {

@Override

public AtomicLong load(Long key) throws Exception {

return new AtomicLong(0);

}

});

private static int max = 100;

long curMinutes = System.currentTimeMillis() / 1000 * 60;

if (counter.get(curMinutes).incrementAndGet() > max) {

System.err.println("工夫窗口申请数超过下限");

return;

}

过期工夫为一分钟，每分钟主动清零；这种解决形式可能会呈现超限的状况，比方前59秒都没有音讯，到60的时候一下子来了200条音讯，这时候先承受了100条音讯，刚好到期计数器清0，而后又承受了100条音讯；这种状况能够参考TCP的滑动窗口思路来解决。

平滑限流申请

计数器的形式还是比拟粗犷的，令牌桶和漏桶限流这两种算法相对来说还是比拟平滑的，能够间接应用guava提供的RateLimiter类：

RateLimiter limiter = RateLimiter.create(2);

System.out.println(limiter.acquire(4));

System.out.println(limiter.acquire());

System.out.println(limiter.acquire());

System.out.println(limiter.acquire(2));

System.out.println(limiter.acquire());

System.out.println(limiter.acquire());

create(2)示意桶容量为2并且每秒新增2个令牌，也就是500毫秒新增一个令牌，acquire()示意从外面获取一个令牌，返回值为期待的工夫，输入后果如下：

0.0

1.998633

0.49644

0.500224

0.999335

0.500186

能够看到此算法是容许肯定突发状况的，第一次获取4个令牌等待时间为0，前面再获取须要期待2秒才能够，前面每次获取须要500毫秒。

分布式限流

当初大部分零碎都采纳了多节点部署，所以一个业务可能在多个过程内被解决，所以这时候分布式限流必不可少，比方常见的秒杀零碎，可能同时有N台业务逻辑节点；

惯例的做法是应用Redis+lua和OpenResty+lua来实现，将限流服务做成原子化，同时也要保障高性能；Redis和OpenResty都已高性能著称，同时也提供了原子化计划，具体如下所示；

Redis+lua

Redis在服务端对音讯的解决是单线程的，同时反对lua脚本的执行，能够将限流的相干逻辑用lua脚本实现，来保障原子性，大体实现如下：

-- 限流 key

local key = KEYS[1]

-- 限流大小

local limit = tonumber(ARGV[1])

-- 过期工夫

local expire = tonumber(ARGV[2])

local current = tonumber(redis.call('get',key) or "0")

if current + 1 > limit then

return 0;

else

redis.call("INCRBY", key, 1)

redis.call("EXPIRE", key, expire)

return current + 1

end

以上应用计数器算法来实现限流，在调用lua的中央能够传入限流key，限流大小以及key的有效期；返回后果如果为0示意超出限流大小，否则返回以后累计的值。

OpenResty+lua

OpenResty外围就是nginx，然而在这个根底之上加了很多第三方模块，ngx_lua模块将lua嵌入到了nginx中，使得nginx能够作为一个web服务器来应用；还有其余罕用的开发模块如：lua-resty-lock，lua-resty-limit-traffic，lua-resty-memcached，lua-resty-mysql，lua-resty-redis等等；

本大节咱们先应用lua-resty-lock模块来实现一个简略计数器限流，相干lua代码如下：

local locks = require "resty.lock";

local function acquire()

local lock = locks:new("locks");

local elapsed, err = lock:lock("limit_key");

local limit_counter = ngx.shared.limit_counter;

--获取客户端ip

local key = ngx.var.remote_addr;

--限流大小

local limit = 5;

local current = limit_counter:get(key);

--打印key和以后值

ngx.say("key="..key..",value="..tostring(current));

if current ~= nil and current + 1 > limit then

lock:unlock();

return 0;

end

if current == nil then

limit_counter:set(key,1,5); --设置过期工夫为5秒

else

limit_counter:incr(key,1);

end

lock:unlock();

return 1;

end

以上是一个对ip进行限流的实例，因为须要保障原子性，所以应用了resty.lock模块，同时也相似redis设置了过期工夫重置，另外一点须要留神对锁的开释；还须要设置两个共享字典

http {

...

#lua_shared_dict 定义一块名为name的共享内存空间，内存大小为size; 通过该命令定义的共享内存对象对于Nginx中所有worker过程都是可见的

lua_shared_dict locks 10m;

lua_shared_dict limit_counter 10m;

}

接入层限流

接入层通常就是流量入口处，Nginx被很多零碎用作流量入口，当然OpenResty也不例外，而且OpenResty提供了更弱小的性能，比方这里将要介绍的lua-resty-limit-traffic模块，是一个功能强大的限流模块；在应用lua-resty-limit-traffic之前咱们先大抵看一下如何应用OpenResty；

OpenResty装置应用

下载安装配置

间接去官网下载即可：http://openresty.org/en/download.html，启动，重载，进行命令如下：

nginx.exe

nginx.exe -s reload

nginx.exe -s stop

关上ip+端口，能够看到：Welcome to OpenResty! 即示意启动胜利；

lua脚本实例

首先须要在nginx.conf的http目录下做如下配置：

http {

...

lua_package_path "/lualib/?.lua;;"; #lua 模块

lua_package_cpath "/lualib/?.so;;"; #c模块

include lua.conf; #导入自定义lua配置文件

}

这里自定义了一个lua.conf，无关lua的申请都在这外面配置，放在和nginx.conf一个门路下即可；已一个test.lua为例，lua.conf配置如下：

#lua.conf

server {

charset utf-8; #设置编码

listen 8081;

server_name _;

location /test {

default_type 'text/html';

content_by_lua_file lua/api/test.lua;

}

}

这里把所有的lua文件都放在lua/api目录下，比方一个最简略的hello world：

ngx.say("hello world");

lua-resty-limit-traffic模块

lua-resty-limit-traffic提供了限度最大并发连接数，工夫窗口申请数，以及平滑限度申请数三种形式，别离对应：resty.limit.conn，resty.limit.count，resty.limit.req；相干文档能够间接在pod/lua-resty-limit-traffic中找到，外面有残缺的实例；

以下会用到三个共享字典，当时在http下配置：

http {

lua_shared_dict my_limit_conn_store 100m;

lua_shared_dict my_limit_count_store 100m;

lua_shared_dict my_limit_req_store 100m;

}

限度最大并发连接数

提供的resty.limit.conn限度最大连接数，具体脚本如下：

local limit_conn = require "resty.limit.conn"

--B C

local lim, err = limit_conn.new("my_limit_conn_store", 1, 0, 0.5)

if not lim then

ngx.log(ngx.ERR,

"failed to instantiate a resty.limit.conn object: ", err)

return ngx.exit(500)

end

local key = ngx.var.binary_remote_addr

local delay, err = lim:incoming(key, true)

if not delay then

if err == "rejected" then

return ngx.exit(502)

end

ngx.log(ngx.ERR, "failed to limit req: ", err)

return ngx.exit(500)

end

if lim:is_committed() then

local ctx = ngx.ctx

ctx.limit_conn = lim

ctx.limit_conn_key = key

ctx.limit_conn_delay = delay

end

local conn = err

if delay >= 0.001 then

ngx.sleep(delay)

end

new()参数别离是：字典名称，容许的最大并发申请数，容许的突发连接数，连贯提早；

incoming()中commit是一个布尔值，当为true时示意记录以后申请的数量，否则就间接运行；

返回值：如果申请不超过办法中指定的conn值，则此办法返回0作为提早以及以后工夫的并发申请(或连贯)数；

限度工夫窗口申请数

提供的resty.limit.count能够限度肯定申请数在一个工夫窗口内，具体脚本如下：

local limit_count = require "resty.limit.count"

--B C

--速率限度在20/10s

local lim, err = limit_count.new("my_limit_count_store", 20, 10)

if not lim then

ngx.log(ngx.ERR, "failed to instantiate a resty.limit.count object: ", err)

return ngx.exit(500)

end

local local key = ngx.var.binary_remote_addr

--B C

local delay, err = lim:incoming(key, true)

if not delay then

if err == "rejected" then

return ngx.exit(503)

end

ngx.log(ngx.ERR, "failed to limit count: ", err)

return ngx.exit(500)

end

new()中指定的三个参数别离是：字典名称，指定的申请阈值，申请个数复位前的窗口工夫，以秒为单位；

incoming()中commit是一个布尔值，当为true时示意记录以后申请的数量，否则就间接运行；

返回值：如果申请数在限度范畴内，则返回以后申请被解决的提早和将被解决的申请的残余数；

平滑限度申请数

提供的resty.limit.req能够已更加平滑的形式限度申请，具体脚本如下：

local limit_req = require "resty.limit.req"

--B C

--限度在200个申请/秒以下，给与100个申请/秒的突发申请；也就说每秒申请最大能够200-300之间，超出300报错

local lim, err = limit_req.new("my_limit_req_store", 200, 100)

if not lim then

ngx.log(ngx.ERR,

"failed to instantiate a resty.limit.req object: ", err)

return ngx.exit(500)

end

local key = ngx.var.binary_remote_addr

local delay, err = lim:incoming(key, true)

if not delay then

if err == "rejected" then

return ngx.exit(503)

end

ngx.log(ngx.ERR, "failed to limit req: ", err)

return ngx.exit(500)

end

if delay >= 0.001 then

local excess = err

ngx.sleep(delay)

end

new()三个参数别离是：字典名称，申请速率(每秒数)阈值，每秒容许提早的过多申请数；

incoming()中commit是一个布尔值，当为true时示意记录以后申请的数量，否则就间接运行，能够了解为一个开关；

返回值：如果申请数在限度范畴内，则此办法返回0作为以后工夫的提早和每秒过多申请的(零)个数；

更多能够间接查看官网文档：pod/lua-resty-limit-traffic目录下

总结

本文首先介绍了常见的限流算法，而后介绍在业务层过程内和分布式应用别离是如何进行限流的，最初接入层通过OpenResty的lua-resty-limit-traffic模块进行限流。

感激关注

能够关注微信公众号「回滚吧代码」，第一工夫浏览，文章继续更新；专一Java源码、架构、算法和面试。