在開(kāi)發(fā)高并發(fā)系統(tǒng)時(shí)有三把利器用來(lái)保護(hù)系統(tǒng)：緩存、降級(jí)和限流。本文結(jié)合作者的一些經(jīng)驗(yàn)介紹限流的相關(guān)概念、算法和常規(guī)的實(shí)現(xiàn)方式。

緩存

緩存比較好理解，在大型高并發(fā)系統(tǒng)中，如果沒(méi)有緩存數(shù)據(jù)庫(kù)將分分鐘被爆，系統(tǒng)也會(huì)瞬間癱瘓。使用緩存不單單能夠提升系統(tǒng)訪問(wèn)速度、提高并發(fā)訪問(wèn)量，也是保護(hù)數(shù)據(jù)庫(kù)、保護(hù)系統(tǒng)的有效方式。大型網(wǎng)站一般主要是“讀”，緩存的使用很容易被想到。在大型“寫(xiě)”系統(tǒng)中，緩存也常常扮演者非常重要的角色。比如累積一些數(shù)據(jù)批量寫(xiě)入，內(nèi)存里面的緩存隊(duì)列（生產(chǎn)消費(fèi)），以及HBase寫(xiě)數(shù)據(jù)的機(jī)制等等也都是通過(guò)緩存提升系統(tǒng)的吞吐量或者實(shí)現(xiàn)系統(tǒng)的保護(hù)措施。甚至消息中間件，你也可以認(rèn)為是一種分布式的數(shù)據(jù)緩存。

降級(jí)

服務(wù)降級(jí)是當(dāng)服務(wù)器壓力劇增的情況下，根據(jù)當(dāng)前業(yè)務(wù)情況及流量對(duì)一些服務(wù)和頁(yè)面有策略的降級(jí)，以此釋放服務(wù)器資源以保證核心任務(wù)的正常運(yùn)行。降級(jí)往往會(huì)指定不同的級(jí)別，面臨不同的異常等級(jí)執(zhí)行不同的處理。根據(jù)服務(wù)方式：可以拒接服務(wù)，可以延遲服務(wù)，也有時(shí)候可以隨機(jī)服務(wù)。根據(jù)服務(wù)范圍：可以砍掉某個(gè)功能，也可以砍掉某些模塊?？傊?wù)降級(jí)需要根據(jù)不同的業(yè)務(wù)需求采用不同的降級(jí)策略。主要的目的就是服務(wù)雖然有損但是總比沒(méi)有好。

限流

限流可以認(rèn)為服務(wù)降級(jí)的一種，限流就是限制系統(tǒng)的輸入和輸出流量已達(dá)到保護(hù)系統(tǒng)的目的。一般來(lái)說(shuō)系統(tǒng)的吞吐量是可以被測(cè)算的，為了保證系統(tǒng)的穩(wěn)定運(yùn)行，一旦達(dá)到的需要限制的閾值，就需要限制流量并采取一些措施以完成限制流量的目的。比如：延遲處理，拒絕處理，或者部分拒絕處理等等。

限流的算法

常見(jiàn)的限流算法有：計(jì)數(shù)器、漏桶和令牌桶算法。

計(jì)數(shù)器

計(jì)數(shù)器是最簡(jiǎn)單粗暴的算法。比如某個(gè)服務(wù)最多只能每秒鐘處理100個(gè)請(qǐng)求。我們可以設(shè)置一個(gè)1秒鐘的滑動(dòng)窗口，窗口中有10個(gè)格子，每個(gè)格子100毫秒，每100毫秒移動(dòng)一次，每次移動(dòng)都需要記錄當(dāng)前服務(wù)請(qǐng)求的次數(shù)。內(nèi)存中需要保存10次的次數(shù)。可以用數(shù)據(jù)結(jié)構(gòu)LinkedList來(lái)實(shí)現(xiàn)。格子每次移動(dòng)的時(shí)候判斷一次，當(dāng)前訪問(wèn)次數(shù)和LinkedList中最后一個(gè)相差是否超過(guò)100，如果超過(guò)就需要限流了。

很明顯，當(dāng)滑動(dòng)窗口的格子劃分的越多，那么滑動(dòng)窗口的滾動(dòng)就越平滑，限流的統(tǒng)計(jì)就會(huì)越精確。

示例代碼如下：

//服務(wù)訪問(wèn)次數(shù)，可以放在Redis中，實(shí)現(xiàn)分布式系統(tǒng)的訪問(wèn)計(jì)數(shù)
Long counter = 0L;
//使用LinkedList來(lái)記錄滑動(dòng)窗口的10個(gè)格子。
LinkedList<Long> ll = new LinkedList<Long>();
public static void main(String[] args)
{
  Counter counter = new Counter();
  counter.doCheck();
}
private void doCheck()
{
  while (true)
  {
    ll.addLast(counter);
    if (ll.size() > 10)
    {
      ll.removeFirst();
    }
    //比較最后一個(gè)和第一個(gè)，兩者相差一秒
    if ((ll.peekLast() - ll.peekFirst()) > 100)
    {
      //To limit rate
    }
    Thread.sleep(100);
  }
}

漏桶算法

漏桶算法即leaky bucket是一種非常常用的限流算法，可以用來(lái)實(shí)現(xiàn)流量整形（Traffic Shaping）和流量控制（Traffic Policing）。貼了一張維基百科上示意圖幫助大家理解：

漏桶算法的主要概念如下：

一個(gè)固定容量的漏桶，按照常量固定速率流出水滴；

如果桶是空的，則不需流出水滴；

可以以任意速率流入水滴到漏桶；

如果流入水滴超出了桶的容量，則流入的水滴溢出了（被丟棄），而漏桶容量是不變的。

漏桶算法比較好實(shí)現(xiàn)，在單機(jī)系統(tǒng)中可以使用隊(duì)列來(lái)實(shí)現(xiàn)（.Net中TPL DataFlow可以較好的處理類(lèi)似的問(wèn)題，你可以在這里找到相關(guān)的介紹），在分布式環(huán)境中消息中間件或者Redis都是可選的方案。

令牌桶算法

令牌桶算法是一個(gè)存放固定容量令牌（token）的桶，按照固定速率往桶里添加令牌。令牌桶算法基本可以用下面的幾個(gè)概念來(lái)描述：

令牌將按照固定的速率被放入令牌桶中。比如每秒放10個(gè)。
桶中最多存放b個(gè)令牌，當(dāng)桶滿時(shí)，新添加的令牌被丟棄或拒絕。
當(dāng)一個(gè)n個(gè)字節(jié)大小的數(shù)據(jù)包到達(dá)，將從桶中刪除n個(gè)令牌，接著數(shù)據(jù)包被發(fā)送到網(wǎng)絡(luò)上。
如果桶中的令牌不足n個(gè)，則不會(huì)刪除令牌，且該數(shù)據(jù)包將被限流（要么丟棄，要么緩沖區(qū)等待）。

如下圖：

令牌算法是根據(jù)放令牌的速率去控制輸出的速率，也就是上圖的tonetwork的速率。tonetwork我們可以理解為消息的處理程序，執(zhí)行某段業(yè)務(wù)或者調(diào)用某個(gè)RPC。

漏桶和令牌桶的比較

令牌桶可以在運(yùn)行時(shí)控制和調(diào)整數(shù)據(jù)處理的速率，處理某時(shí)的突發(fā)流量。放令牌的頻率增加可以提升整體數(shù)據(jù)處理的速度，而通過(guò)每次獲取令牌的個(gè)數(shù)增加或者放慢令牌的發(fā)放速度和降低整體數(shù)據(jù)處理速度。而漏桶不行，因?yàn)樗牧鞒鏊俾适枪潭ǖ?，程序處理速度也是固定的?/p>

整體而言，令牌桶算法更優(yōu)，但是實(shí)現(xiàn)更為復(fù)雜一些。

限流算法實(shí)現(xiàn)

Guava

Guava是一個(gè)Google開(kāi)源項(xiàng)目，包含了若干被Google的Java項(xiàng)目廣泛依賴(lài)的核心庫(kù)，其中的RateLimiter提供了令牌桶算法實(shí)現(xiàn)：平滑突發(fā)限流(SmoothBursty)和平滑預(yù)熱限流(SmoothWarmingUp)實(shí)現(xiàn)。

1.常規(guī)速率：

創(chuàng)建一個(gè)限流器，設(shè)置每秒放置的令牌數(shù)：2個(gè)。返回的RateLimiter對(duì)象可以保證1秒內(nèi)不會(huì)給超過(guò)2個(gè)令牌，并且是固定速率的放置。達(dá)到平滑輸出的效果

public void test()
{
  /**
   * 創(chuàng)建一個(gè)限流器，設(shè)置每秒放置的令牌數(shù)：2個(gè)。速率是每秒可以2個(gè)的消息。
   * 返回的RateLimiter對(duì)象可以保證1秒內(nèi)不會(huì)給超過(guò)2個(gè)令牌，并且是固定速率的放置。達(dá)到平滑輸出的效果
   */
  RateLimiter r = RateLimiter.create(2);
  while (true)
  {
    /**
     * acquire()獲取一個(gè)令牌，并且返回這個(gè)獲取這個(gè)令牌所需要的時(shí)間。如果桶里沒(méi)有令牌則等待，直到有令牌。
     * acquire(N)可以獲取多個(gè)令牌。
     */
    System.out.println(r.acquire());
  }
}

上面代碼執(zhí)行的結(jié)果如下圖，基本是0.5秒一個(gè)數(shù)據(jù)。拿到令牌后才能處理數(shù)據(jù)，達(dá)到輸出數(shù)據(jù)或者調(diào)用接口的平滑效果。acquire()的返回值是等待令牌的時(shí)間，如果需要對(duì)某些突發(fā)的流量進(jìn)行處理的話，可以對(duì)這個(gè)返回值設(shè)置一個(gè)閾值，根據(jù)不同的情況進(jìn)行處理，比如過(guò)期丟棄。

2. 突發(fā)流量：

突發(fā)流量可以是突發(fā)的多，也可以是突發(fā)的少。首先來(lái)看個(gè)突發(fā)多的例子。還是上面例子的流量，每秒2個(gè)數(shù)據(jù)令牌。如下代碼使用acquire方法，指定參數(shù)。

System.out.println(r.acquire(2));
System.out.println(r.acquire(1));
System.out.println(r.acquire(1));
System.out.println(r.acquire(1));

得到如下類(lèi)似的輸出。

如果要一次新處理更多的數(shù)據(jù)，則需要更多的令牌。代碼首先獲取2個(gè)令牌，那么下一個(gè)令牌就不是0.5秒之后獲得了，還是1秒以后，之后又恢復(fù)常規(guī)速度。這是一個(gè)突發(fā)多的例子，如果是突發(fā)沒(méi)有流量，如下代碼：

System.out.println(r.acquire(1));
Thread.sleep(2000);
System.out.println(r.acquire(1));
System.out.println(r.acquire(1));
System.out.println(r.acquire(1));

得到如下類(lèi)似的結(jié)果：

等了兩秒鐘之后，令牌桶里面就積累了3個(gè)令牌，可以連續(xù)不花時(shí)間的獲取出來(lái)。處理突發(fā)其實(shí)也就是在單位時(shí)間內(nèi)輸出恒定。這兩種方式都是使用的RateLimiter的子類(lèi)SmoothBursty。另一個(gè)子類(lèi)是SmoothWarmingUp，它提供的有一定緩沖的流量輸出方案。

/**
* 創(chuàng)建一個(gè)限流器，設(shè)置每秒放置的令牌數(shù)：2個(gè)。速率是每秒可以210的消息。
* 返回的RateLimiter對(duì)象可以保證1秒內(nèi)不會(huì)給超過(guò)2個(gè)令牌，并且是固定速率的放置。達(dá)到平滑輸出的效果
* 設(shè)置緩沖時(shí)間為3秒
*/
RateLimiter r = RateLimiter.create(2,3,TimeUnit.SECONDS);
while (true) {
  /**
   * acquire()獲取一個(gè)令牌，并且返回這個(gè)獲取這個(gè)令牌所需要的時(shí)間。如果桶里沒(méi)有令牌則等待，直到有令牌。
   * acquire(N)可以獲取多個(gè)令牌。
   */
  System.out.println(r.acquire(1));
  System.out.println(r.acquire(1));
  System.out.println(r.acquire(1));
  System.out.println(r.acquire(1));
}

輸出結(jié)果如下圖，由于設(shè)置了緩沖的時(shí)間是3秒，令牌桶一開(kāi)始并不會(huì)0.5秒給一個(gè)消息，而是形成一個(gè)平滑線性下降的坡度，頻率越來(lái)越高，在3秒鐘之內(nèi)達(dá)到原本設(shè)置的頻率，以后就以固定的頻率輸出。圖中紅線圈出來(lái)的3次累加起來(lái)正好是3秒左右。這種功能適合系統(tǒng)剛啟動(dòng)需要一點(diǎn)時(shí)間來(lái)“熱身”的場(chǎng)景。

Nginx

對(duì)于Nginx接入層限流可以使用Nginx自帶了兩個(gè)模塊：連接數(shù)限流模塊ngx_http_limit_conn_module和漏桶算法實(shí)現(xiàn)的請(qǐng)求限流模塊ngx_http_limit_req_module。

1. ngx_http_limit_conn_module

我們經(jīng)常會(huì)遇到這種情況，服務(wù)器流量異常，負(fù)載過(guò)大等等。對(duì)于大流量惡意的攻擊訪問(wèn)，會(huì)帶來(lái)帶寬的浪費(fèi)，服務(wù)器壓力，影響業(yè)務(wù)，往往考慮對(duì)同一個(gè)ip的連接數(shù)，并發(fā)數(shù)進(jìn)行限制。ngx_http_limit_conn_module 模塊來(lái)實(shí)現(xiàn)該需求。該模塊可以根據(jù)定義的鍵來(lái)限制每個(gè)鍵值的連接數(shù)，如同一個(gè)IP來(lái)源的連接數(shù)。并不是所有的連接都會(huì)被該模塊計(jì)數(shù)，只有那些正在被處理的請(qǐng)求（這些請(qǐng)求的頭信息已被完全讀入）所在的連接才會(huì)被計(jì)數(shù)。

我們可以在nginx_conf的http{}中加上如下配置實(shí)現(xiàn)限制：

#限制每個(gè)用戶的并發(fā)連接數(shù)，取名one
limit_conn_zone $binary_remote_addr zone=one:10m;

#配置記錄被限流后的日志級(jí)別，默認(rèn)error級(jí)別
limit_conn_log_level error;
#配置被限流后返回的狀態(tài)碼，默認(rèn)返回503
limit_conn_status 503;

然后在server{}里加上如下代碼：

#限制用戶并發(fā)連接數(shù)為1
limit_conn one 1;

然后我們是使用ab測(cè)試來(lái)模擬并發(fā)請(qǐng)求：
ab -n 5 -c 5 http://10.23.22.239/index.html

得到下面的結(jié)果，很明顯并發(fā)被限制住了，超過(guò)閾值的都顯示503：

另外剛才是配置針對(duì)單個(gè)IP的并發(fā)限制，還是可以針對(duì)域名進(jìn)行并發(fā)限制，配置和客戶端IP類(lèi)似。

#http{}段配置
limit_conn_zone $ server_name zone=perserver:10m;
#server{}段配置
limit_conn perserver 1;

2. ngx_http_limit_req_module

上面我們使用到了ngx_http_limit_conn_module 模塊，來(lái)限制連接數(shù)。那么請(qǐng)求數(shù)的限制該怎么做呢？這就需要通過(guò)ngx_http_limit_req_module 模塊來(lái)實(shí)現(xiàn)，該模塊可以通過(guò)定義的鍵值來(lái)限制請(qǐng)求處理的頻率。特別的，可以限制來(lái)自單個(gè)IP地址的請(qǐng)求處理頻率。 限制的方法是使用了漏斗算法，每秒固定處理請(qǐng)求數(shù)，推遲過(guò)多請(qǐng)求。如果請(qǐng)求的頻率超過(guò)了限制域配置的值，請(qǐng)求處理會(huì)被延遲或被丟棄，所以所有的請(qǐng)求都是以定義的頻率被處理的。

在http{}中配置

#區(qū)域名稱(chēng)為one，大小為10m，平均處理的請(qǐng)求頻率不能超過(guò)每秒一次。

limit_req_zone $binary_remote_addr zone=one:10m rate=1r/s;

在server{}中配置

#設(shè)置每個(gè)IP桶的數(shù)量為5
limit_req zone=one burst=5;

上面設(shè)置定義了每個(gè)IP的請(qǐng)求處理只能限制在每秒1個(gè)。并且服務(wù)端可以為每個(gè)IP緩存5個(gè)請(qǐng)求，如果操作了5個(gè)請(qǐng)求，請(qǐng)求就會(huì)被丟棄。

使用ab測(cè)試模擬客戶端連續(xù)訪問(wèn)10次：ab -n 10 -c 10 http://10.23.22.239/index.html

如下圖，設(shè)置了通的個(gè)數(shù)為5個(gè)。一共10個(gè)請(qǐng)求，第一個(gè)請(qǐng)求馬上被處理。第2-6個(gè)被存放在桶中。由于桶滿了，沒(méi)有設(shè)置nodelay因此，余下的4個(gè)請(qǐng)求被丟棄。

總結(jié)

以上就是本文關(guān)于高并發(fā)系統(tǒng)的限流詳解及實(shí)現(xiàn)的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站：Javaweb應(yīng)用使用限流處理大量的并發(fā)請(qǐng)求詳解、java并發(fā)學(xué)習(xí)之BlockingQueue實(shí)現(xiàn)生產(chǎn)者消費(fèi)者詳解、5個(gè)并發(fā)處理技巧代碼示例等，有什么問(wèn)題可以隨時(shí)留言，小編會(huì)及時(shí)回復(fù)大家的。感謝朋友們對(duì)本站的支持！

最新評(píng)論