一、什么是限流？為什么要限流？

不知道大家有沒有做過帝都的地鐵，就是進地鐵站都要排隊的那種，為什么要這樣擺長龍轉圈圈？答案就是為了限流！因為一趟地鐵的運力是有限的，一下擠進去太多人會造成站臺的擁擠、列車的超載，存在一定的安全隱患。同理，我們的程序也是一樣，它處理請求的能力也是有限的，一旦請求多到超出它的處理極限就會崩潰。為了不出現最壞的崩潰情況，只能耽誤一下大家進站的時間。

限流是保證系統高可用的重要手段！！！

由于互聯網公司的流量巨大，系統上線會做一個流量峰值的評估，尤其是像各種秒殺促銷活動，為了保證系統不被巨大的流量壓垮，會在系統流量到達一定閾值時，拒絕掉一部分流量。

限流會導致用戶在短時間內（這個時間段是毫秒級的）系統不可用，一般我們衡量系統處理能力的指標是每秒的QPS或者TPS，假設系統每秒的流量閾值是1000，理論上一秒內有第1001個請求進來時，那么這個請求就會被限流。

二、限流方案

1、計數器

Java內部也可以通過原子類計數器AtomicInteger、Semaphore信號量來做簡單的限流。

// 限流的個數 private int maxCount = 10; // 指定的時間內 private long interval = 60; // 原子類計數器 private AtomicInteger atomicInteger = new AtomicInteger(0); // 起始時間 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; } // 超過了間隔時間，直接重新開始計數 if (System.currentTimeMillis() - startTime > interval * 1000) { startTime = System.currentTimeMillis(); atomicInteger.set(1); return true; } // 還在間隔時間內,check有沒有超過限流的個數 if (atomicInteger.get() > maxCount) { return false; } return true; }

2、漏桶算法

漏桶算法思路很簡單，我們把水比作是請求，漏桶比作是系統處理能力極限，水先進入到漏桶里，漏桶里的水按一定速率流出，當流出的速率小于流入的速率時，由于漏桶容量有限，后續進入的水直接溢出（拒絕請求），以此實現限流。

3、令牌桶算法

令牌桶算法的原理也比較簡單，我們可以理解成醫院的掛號看病，只有拿到號以后才可以進行診病。

系統會維護一個令牌（token）桶，以一個恒定的速度往桶里放入令牌（token），這時如果有請求進來想要被處理，則需要先從桶里獲取一個令牌（token），當桶里沒有令牌（token）可取時，則該請求將被拒絕服務。令牌桶算法通過控制桶的容量、發放令牌的速率，來達到對請求的限制。

4、Redis + Lua

很多同學不知道Lua是啥？個人理解，Lua腳本和 MySQL數據庫的存儲過程比較相似，他們執行一組命令，所有命令的執行要么全部成功或者失敗，以此達到原子性。也可以把Lua腳本理解為，一段具有業務邏輯的代碼塊。

而Lua本身就是一種編程語言，雖然redis 官方沒有直接提供限流相應的API，但卻支持了 Lua 腳本的功能，可以使用它實現復雜的令牌桶或漏桶算法，也是分布式系統中實現限流的主要方式之一。

相比Redis事務，Lua腳本的優點：

減少網絡開銷： 使用Lua腳本，無需向Redis 發送多次請求，執行一次即可，減少網絡傳輸 原子操作：Redis 將整個Lua腳本作為一個命令執行，原子，無需擔心并發 復用：Lua腳本一旦執行，會永久保存 Redis 中,，其他客戶端可復用

Lua腳本大致邏輯如下：

-- 獲取調用腳本時傳入的第一個key值（用作限流的 key）local key = KEYS[1]-- 獲取調用腳本時傳入的第一個參數值（限流大小）local limit = tonumber(ARGV[1])-- 獲取當前流量大小local curentLimit = tonumber(redis.call(’get’, key) or '0')-- 是否超出限流if curentLimit + 1 > limit then -- 返回(拒絕) return 0else -- 沒有超出 value + 1 redis.call('INCRBY', key, 1) -- 設置過期時間 redis.call('EXPIRE', key, 2) -- 返回(放行) return 1end 通過KEYS[1] 獲取傳入的key參數 通過ARGV[1]獲取傳入的limit參數 redis.call方法，從緩存中get和key相關的值，如果為null那么就返回0 接著判斷緩存中記錄的數值是否會大于限制大小，如果超出表示該被限流，返回0 如果未超過，那么該key的緩存值+1，并設置過期時間為1秒鐘以后，并返回緩存值+1

這種方式是本文推薦的方案，具體實現會在后邊做細說。

5、網關層限流

限流常在網關這一層做，比如Nginx、Openresty、kong、zuul、Spring Cloud Gateway等，而像spring cloud - gateway網關限流底層實現原理，就是基于Redis + Lua，通過內置Lua限流腳本的方式。

三、Redis + Lua 限流實現

下面我們通過自定義注解、aop、Redis + Lua 實現限流，步驟會比較詳細，為了小白能讓快速上手這里??亂壞悖?芯?櫚睦夏衩嵌嗟４?幌隆?/p>

1、環境準備

springboot 項目創建地址：https://start.spring.io，很方便實用的一個工具。

2、引入依賴包

pom文件中添加如下依賴包，比較關鍵的就是 spring-boot-starter-data-redis 和 spring-boot-starter-aop。

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-aop</artifactId> </dependency> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>21.0</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-lang3</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> <exclusions><exclusion> <groupId>org.junit.vintage</groupId> <artifactId>junit-vintage-engine</artifactId></exclusion> </exclusions> </dependency> </dependencies>

3、配置application.properties

在 application.properties 文件中配置提前搭建好的 redis 服務地址和端口。

spring.redis.host=127.0.0.1spring.redis.port=6379

4、配置RedisTemplate實例

@Configurationpublic class RedisLimiterHelper { @Bean public RedisTemplate<String, Serializable> limitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) { RedisTemplate<String, Serializable> template = new RedisTemplate<>(); template.setKeySerializer(new StringRedisSerializer()); template.setValueSerializer(new GenericJackson2JsonRedisSerializer()); template.setConnectionFactory(redisConnectionFactory); return template; }}

限流類型枚舉類

/** * @author fu * @description 限流類型 * @date 2020/4/8 13:47 */public enum LimitType { /** * 自定義key */ CUSTOMER, /** * 請求者IP */ IP;}

5、自定義注解

我們自定義個@Limit注解，注解類型為ElementType.METHOD即作用于方法上。

period表示請求限制時間段，count表示在period這個時間段內允許放行請求的次數。limitType代表限流的類型，可以根據請求的IP、自定義key，如果不傳limitType屬性則默認用方法名作為默認key。

/** * @author fu * @description 自定義限流注解 * @date 2020/4/8 13:15 */@Target({ElementType.METHOD, ElementType.TYPE})@Retention(RetentionPolicy.RUNTIME)@Inherited@Documentedpublic @interface Limit { /** * 名字 */ String name() default ''; /** * key */ String key() default ''; /** * Key的前綴 */ String prefix() default ''; /** * 給定的時間范圍 單位(秒) */ int period(); /** * 一定時間內最多訪問次數 */ int count(); /** * 限流的類型(用戶自定義key 或者 請求ip) */ LimitType limitType() default LimitType.CUSTOMER;}

6、切面代碼實現

/** * @author fu * @description 限流切面實現 * @date 2020/4/8 13:04 */@Aspect@Configurationpublic class LimitInterceptor { private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class); private static final String UNKNOWN = 'unknown'; private final RedisTemplate<String, Serializable> limitRedisTemplate; @Autowired public LimitInterceptor(RedisTemplate<String, Serializable> limitRedisTemplate) { this.limitRedisTemplate = limitRedisTemplate; } /** * @param pjp * @author fu * @description 切面 * @date 2020/4/8 13:04 */ @Around('execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)') public Object interceptor(ProceedingJoinPoint pjp) { MethodSignature signature = (MethodSignature) pjp.getSignature(); Method method = signature.getMethod(); Limit limitAnnotation = method.getAnnotation(Limit.class); LimitType limitType = limitAnnotation.limitType(); String name = limitAnnotation.name(); String key; int limitPeriod = limitAnnotation.period(); int limitCount = limitAnnotation.count(); /** * 根據限流類型獲取不同的key ,如果不傳我們會以方法名作為key */ switch (limitType) { case IP:key = getIpAddress();break; case CUSTOMER:key = limitAnnotation.key();break; default:key = StringUtils.upperCase(method.getName()); } ImmutableList<String> keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(), key)); try { String luaScript = buildLuaScript(); RedisScript<Number> redisScript = new DefaultRedisScript<>(luaScript, Number.class); Number count = limitRedisTemplate.execute(redisScript, keys, limitCount, limitPeriod); logger.info('Access try count is {} for name={} and key = {}', count, name, key); if (count != null && count.intValue() <= limitCount) {return pjp.proceed(); } else {throw new RuntimeException('You have been dragged into the blacklist'); } } catch (Throwable e) { if (e instanceof RuntimeException) {throw new RuntimeException(e.getLocalizedMessage()); } throw new RuntimeException('server exception'); } } /** * @author fu * @description 編寫 redis Lua 限流腳本 * @date 2020/4/8 13:24 */ public String buildLuaScript() { StringBuilder lua = new StringBuilder(); lua.append('local c'); lua.append('nc = redis.call(’get’,KEYS[1])'); // 調用不超過最大值，則直接返回 lua.append('nif c and tonumber(c) > tonumber(ARGV[1]) then'); lua.append('nreturn c;'); lua.append('nend'); // 執行計算器自加 lua.append('nc = redis.call(’incr’,KEYS[1])'); lua.append('nif tonumber(c) == 1 then'); // 從第一次調用開始限流，設置對應鍵值的過期 lua.append('nredis.call(’expire’,KEYS[1],ARGV[2])'); lua.append('nend'); lua.append('nreturn c;'); return lua.toString(); } /** * @author fu * @description 獲取id地址 * @date 2020/4/8 13:24 */ public String getIpAddress() { HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); String ip = request.getHeader('x-forwarded-for'); if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader('Proxy-Client-IP'); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader('WL-Proxy-Client-IP'); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getRemoteAddr(); } return ip; }}

7、控制層實現

我們將@Limit注解作用在需要進行限流的接口方法上，下邊我們給方法設置@Limit注解，在10秒內只允許放行3個請求，這里為直觀一點用AtomicInteger計數。

/** * @Author: fu * @Description: */@RestControllerpublic class LimiterController { private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger(); /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'limitTest', period = 10, count = 3) @GetMapping('/limitTest1') public int testLimiter1() { return ATOMIC_INTEGER_1.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'customer_limit_test', period = 10, count = 3, limitType = LimitType.CUSTOMER) @GetMapping('/limitTest2') public int testLimiter2() { return ATOMIC_INTEGER_2.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = 'ip_limit_test', period = 10, count = 3, limitType = LimitType.IP) @GetMapping('/limitTest3') public int testLimiter3() { return ATOMIC_INTEGER_3.incrementAndGet(); }}

8、測試

測試預期：連續請求3次均可以成功，第4次請求被拒絕。接下來看一下是不是我們預期的效果，請求地址：http://127.0.0.1:8080/limitTest1，用postman進行測試，有沒有postman url直接貼瀏覽器也是一樣。

可以看到第四次請求時，應用直接拒絕了請求，說明我們的 Springboot + aop + lua 限流方案搭建成功。

總結

以上 springboot + aop + Lua 限流實現是比較簡單的，旨在讓大家認識下什么是限流？如何做一個簡單的限流功能，面試要知道這是個什么東西。上面雖然說了幾種實現限流的方案，但選哪種還要結合具體的業務場景，不能為了用而用。

到此這篇關于詳解springboot+aop+Lua分布式限流的最佳實踐的文章就介紹到這了,更多相關springboot+aop+Lua分布式限流內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！