接口的限流：AtomicIntege、goole的guava ：RateLimiter、redis + lua ... ...

问题描述

某天A君突然发现自己的接口请求量突然涨到之前的10倍，没多久该接口几乎不可使用，并引发连锁反应导致整个系统崩溃。如何应对这种情况呢？

常见的限流算法

1、计数器：Java内部也可以通过原子类计数器AtomicIntege

// 限流的个数
    private int maxCount = 10;
    // 指定的时间内
    private long interval = 60;
    // 原子类计数器
    private AtomicInteger atomicInteger = new AtomicInteger(0);
    // 起始时间
    private long startTime = System.currentTimeMillis();

    public boolean limit(int maxCount, int interval) {
        atomicInteger.addAndGet(1);
        if (atomicInteger.get() == 1) {
            startTime = System.currentTimeMillis();
            atomicInteger.addAndGet(1);
            return true;
        }
        // 超过了间隔时间，直接重新开始计数
        if (System.currentTimeMillis() - startTime > interval * 1000) {
            startTime = System.currentTimeMillis();
            atomicInteger.set(1);
            return true;
        }
        // 还在间隔时间内,check有没有超过限流的个数
        if (atomicInteger.get() > maxCount) {
            return false;
        }
        return true;
    }

漏桶算法和令牌桶算法。

2、漏桶算法：漏桶算法思路很简单，请求先进入到漏桶里，漏桶以一定的速度出水，当水请求过大会直接溢出，可以看出漏桶算法能强行限制数据的传输速率。

3、令牌桶算法：对于很多应用场景来说，除了要求能够限制数据的平均传输速率外，还要求允许某种程度的突发传输。这时候漏桶算法可能就不合适了，令牌桶算法更为适合。如图2所示，令牌桶算法的原理是系统会以一个恒定的速度往桶里放入令牌，而如果请求需要被处理，则需要先从桶里获取一个令牌，当桶里没有令牌可取时，则拒绝服务。

3、redis + lua

      https://mp.weixin.qq.com/s/sP4Hu8HdbVrE-Cm0uPPotg

限流工具类RateLimiter

google开源工具包guava提供了限流工具类RateLimiter，该类基于“令牌桶算法”，非常方便使用

package com.emax.paycenter.web.utils;

import com.google.common.util.concurrent.RateLimiter;

/**
 * Created by wangxiaodong on 2019/9/6.
 */
public class RateLimiterDemo {

	public static void main(String[] args) {
		testNoRateLimiter();
		testWithRateLimiter();
	}

	public static void testNoRateLimiter() {
		Long start = System.currentTimeMillis();
		for (int i = 0; i < 10; i++) {
			new Thread(new Task(i, null)).start();
		}
		Long end = System.currentTimeMillis();
		System.out.println(end - start);
	}

	public static void testWithRateLimiter() {
		Long start = System.currentTimeMillis();
//		RateLimiter limiter = RateLimiter.create(2); // 每秒不超过2个任务被提交 10个循环 大概5s执行完
		RateLimiter limiter = RateLimiter.create(0.2); // 每秒不超过0.2个任务被提交   10个循环 大概50s执行完

		for (int i = 0; i < 10; i++) {
			new Thread(new Task(i, limiter)).start();
		}
		Long end = System.currentTimeMillis();
		System.out.println(end - start);
	}

	static class Task implements Runnable {
		private int i;
		private RateLimiter limiter;

		public Task(int i, RateLimiter limiter) {
			this.i = i;
			this.limiter = limiter;
		}

		@Override
		public void run() {
			if(limiter!=null){
				limiter.acquire();//请求RateLimiter, 超过permits会被阻塞
			}
			System.out.println(System.currentTimeMillis()+"工人" + this.i + "：WORKING...");
		}
	}

}