滑动窗口限流 java_Java应用限流

在开发高并发系统时，有三把利器用来保护系统：缓存、降级和限流：

缓存：缓存的目的是提升系统访问速度和增大系统处理容量

降级：降级是当服务出现问题或者影响到核心流程时，需要暂时屏蔽掉，待高峰或者问题解决后再打开

限流：限流的目的是通过对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理

常见算法：

1、计时器限流

2、滑动窗口

3、漏桶算法

4、令牌桶算法

计时器限流

计时器是限流算法中比较简单的一种算法，比如：限制一个接口1分钟内不能超过100次请求，可以在一开始设置一个计数器，每当接收到请求时，将计数器加1，如果计数器的值大于100并且当前请求与第一个请求的执行时间间隔还在1分钟内的，那就说明请求过多；如果当前请求与第一次请求的时间间隔超过1分钟，并且请求次数没有超限的，那么重置计数器

import org.springframework.data.redis.core.RedisTemplate;

/**

* 计数器限流

* 限制1分钟内请求100次

* 弊端：

* 1、当前窗口100个请求全部集中到结束点，下个窗口100个请求全部集中到起始点，临界点就会出现请求暴增的情况，可能瞬间压垮应用

* 2、只适用于单机应用，分布式环境中无法满足

*

* @author lile

* @date 2019/7/1618:59

*/

public class CounterLimit {

//时间窗口内的最大请求数

public final int reqCount = 100;

//时间窗口内的当前请求数

private int currentReqCount;

//时间窗口的长度 单位：ms

public final int interval = 60 * 1000;

//当前时间

public Long currentTimestamp = System.currentTimeMillis();

public RedisTemplate redisTemplate;

public final String key = "minute_test";

/**

* 计数器限流

*

* @return

*/

public boolean grant() {

Long nowTimestamp = System.currentTimeMillis();

if (nowTimestamp < currentTimestamp + interval) {

//在当前时间窗口内

currentReqCount++;

//判断当前时间窗口的请求数是否小于最大的请求限制数

return currentReqCount < reqCount;

}

//不在当前窗口内时，重置下个窗口的首次请求时间及窗口内请求数

currentReqCount = 1;

currentTimestamp = nowTimestamp;

return true;

}

/**

* 滑动窗口的限流

* 保证时间窗口中的请求数不超过最大限制数即可，能平稳的控制请求的速率，请求过快会被拒绝

* 窗口时间范围定为1分钟，每次接收到请求后重新划分时间窗口，当前时间往前的1分钟范围为新的时间窗口

*

* @return

*/

public boolean DuoJiQi() {

Long nowTimestamp = System.currentTimeMillis();

if (redisTemplate.opsForZSet().size(key) > 0) {

//移除不在当前时间窗口的数据

redisTemplate.opsForZSet().removeRangeByScore(key, 0, nowTimestamp - interval);

}

redisTemplate.opsForZSet().add(key, "当前请求的唯一ID", nowTimestamp);

if (redisTemplate.opsForZSet().size(key) > reqCount) {

//请求超限，禁止提交请求

return false;

}

return true;

}

}

滑动窗口