限流算法:漏桶算法与令牌桶算法
限流
何为限流?
顾名思义:即对请求或者并发数进行限制。如果我们的服务资源有限、处理能力有限,那么就需要对调用服务的调用方进行流量限制,以防止自身服务由于资源耗尽造成服务崩溃等问题的发生。
常见的限流算法有很多种:
- 固定窗口算法
- 滑动窗口算法
- 漏桶算法
- 令牌桶算法
此篇文章中,主要对其中两种算法进行分析,分别是:漏桶算法和令牌桶算法。
这两种算法都可以对流量进行限制,而不同点是漏桶算法由于桶的大小是固定的,如果桶满了之后就没法再往里面注水,所以相应来说对请求速率的限制是恒定的,如果我们限制QPS固定是100,那么每秒最多就只会进入100个请求。而令牌桶算法虽然说也是用于限流控制,但是其原理是每秒钟向桶内投入一定量的令牌,当我们的请求进入时会先去桶中拿取令牌,拿到令牌的才可以继续执行。但是比如前一秒钟桶内令牌数量是100,但是只进入了50个请求,那么在下一秒开始的时候是不会清空桶中的令牌数量的,也就是说下一秒桶中的初始令牌数就是50。如果说下一秒放入令牌之前没有请求进入,那么会放入令牌至桶中令牌数达到100。但是如果在放入令牌时有请求进入,那么当前这一秒钟总共可放行的请求数就可能不止100。
对于具体选择哪种限流算法,应当根据具体的业务场景进行选择。总的来说漏桶算法适合恒定限流的业务,而令牌桶算法适合在限流业务情况下,同时接受突发高流量的处理能力。
以下,对这两种算法进行具体分析。
漏桶算法(Leaky Bucket)
代码示例:
package com.springboot.cli.limiter;
/**
* 漏桶算法
*
* @author liangtl
* @Date 2024/8/11
*/
public class LeakyBucketLimiter {
// 桶的容量
private final int capacity;
// 漏出速率(单位:秒)
private final int permitsPerSecond;
// 剩余水量
private long leftWater;
// 上次注入时间
private long timeStamp;
public LeakyBucketLimiter(int capacity, int permitsPerSecond) {
this.capacity = capacity;
this.permitsPerSecond = permitsPerSecond;
this.leftWater = 0;
this.timeStamp = System.currentTimeMillis();
}
public synchronized boolean tryAcquire(long amount) {
// 计算该段时间之后的剩余水量
long now = System.currentTimeMillis();
long time = (now - timeStamp) / 1000;
leftWater = Math.max(0, leftWater - permitsPerSecond * time);
// 更新注水时间
timeStamp = now;
// 如果未满,则允许加水,更新注水时间
if (leftWater + amount < capacity) {
leftWater += amount;
return true;
}
return false;
}
}
令牌桶算法(TokenBucketLimiter)
代码示例:
package com.springboot.cli.limiter;
/**
* 令牌桶算法
*
* @author liangtl
* @Date 2024/8/11
*/
public class TokenBucketLimiter {
// 桶的容量
private final long capacity;
// 当前令牌数量
private long tokens;
// 令牌生成速率(单位:s)
private long refillRate;
// 上次填充时间
private long lastRefillTime;
public TokenBucketLimiter(long capacity, long tokens) {
this.capacity = capacity;
this.tokens = tokens;
this.refillRate = 0;
this.lastRefillTime = System.currentTimeMillis();
}
public synchronized boolean tryAcquire(long amount) {
// 计算该段时间内填充令牌
long now = System.currentTimeMillis();
long timestamp = (now - lastRefillTime) / 1000;
long newTokens = refillRate * timestamp;
// 如果令牌数大于0,在不超过桶容量的前提下添加到桶内
if (newTokens > 0) {
tokens = Math.min(capacity, newTokens);
lastRefillTime = now;
}
if (tokens > amount) {
tokens -= amount;
return true;
}
return false;
}
}
guava的RateLimiter限流
guava目前已有线程的基于令牌桶的限流工具类:RateLimiter
使用方法也非常简单,导入依赖:
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>31.1-jre</version>
</dependency>
方法介绍:
/**
* 创建一个新的 RateLimiter 实例,允许每秒发放固定数量的令牌。
* 例子:RateLimiter limiter = RateLimiter.create(5.0); // 每秒钟允许5个令牌
*/
public static RateLimiter create(double permitsPerSecond) {
return create(permitsPerSecond, RateLimiter.SleepingStopwatch.createFromSystemTimer());
}
/**
* 该方法会从 RateLimiter 中获取一个令牌,如果令牌不可用,它会阻塞等待直到令牌可用。
* 返回获取该令牌所需的时间(单位为秒)。
*/
public double acquire(int permits) {
long microsToWait = this.reserve(permits);
this.stopwatch.sleepMicrosUninterruptibly(microsToWait);
return 1.0D * (double)microsToWait / (double)TimeUnit.SECONDS.toMicros(1L);
}
/**
* 尝试获取permits个令牌,最多等待 timeout 时间,如果未能在该时间内获取,则返回 false。
*/
public boolean tryAcquire(int permits, long timeout, TimeUnit unit) {
long timeoutMicros = Math.max(unit.toMicros(timeout), 0L);
checkPermits(permits);
long microsToWait;
synchronized(this.mutex()) {
long nowMicros = this.stopwatch.readMicros();
if (!this.canAcquire(nowMicros, timeoutMicros)) {
return false;
}
microsToWait = this.reserveAndGetWaitLength(permits, nowMicros);
}
this.stopwatch.sleepMicrosUninterruptibly(microsToWait);
return true;
}
/**
* 剩余的一些方法大家可以自行去源码中翻阅,这里只是简单举例了几个常用的
*/
缺陷
以上的算法都不适用于分布式环境,只能用于单机服务
如果要在分布式环境下达到限流效果,需要使用redis。