前言

在一個高并發(fā)系統(tǒng)中對流量的把控是非常重要的，當巨大的流量直接請求到我們的服務(wù)器上沒多久就可能造成接口不可用，不處理的話甚至?xí)斐烧麄€應(yīng)用不可用。

那么何為限流呢？顧名思義，限流就是限制流量，就像你寬帶包了1個G的流量，用完了就沒了。通過限流，我們可以很好地控制系統(tǒng)的qps，從而達到保護系統(tǒng)的目的。本篇文章將會介紹一下常用的限流算法以及他們各自的特點。

算法介紹

計數(shù)器法

計數(shù)器法是限流算法里最簡單也是最容易實現(xiàn)的一種算法。比如我們規(guī)定，對于A接口來說，我們1分鐘的訪問次數(shù)不能超過100個。那么我們可以這么做：在一開始的時候，我們可以設(shè)置一個計數(shù)器counter，每當一個請求過來的時候，counter就加1，如果counter的值大于100并且該請求與第一個請求的間隔時間還在1分鐘之內(nèi)，那么說明請求數(shù)過多；如果該請求與第一個請求的間隔時間大于1分鐘，且counter的值還在限流范圍內(nèi)，那么就重置counter，具體算法的示意圖如下：

具體的偽代碼如下：

這個算法雖然簡單，但是有一個十分致命的問題，那就是臨界問題，我們看下圖：

從上圖中我們可以看到，假設(shè)有一個惡意用戶，他在0:59時，瞬間發(fā)送了100個請求，并且1:00又瞬間發(fā)送了100個請求，那么其實這個用戶在1秒里面，瞬間發(fā)送了200個請求。我們剛才規(guī)定的是1分鐘最多100個請求，也就是每秒鐘最多1.7個請求，用戶通過在時間窗口的重置節(jié)點處突發(fā)請求，可以瞬間超過我們的速率限制。用戶有可能通過算法的這個漏洞，瞬間壓垮我們的應(yīng)用。

聰明的朋友可能已經(jīng)看出來了，剛才的問題其實是因為我們統(tǒng)計的精度太低。那么如何很好地處理這個問題呢？或者說，如何將臨界問題的影響降低呢？我們可以看下面的滑動窗口算法。

滑動窗口

滑動窗口，又稱rolling window。為了解決這個問題，我們引入了滑動窗口算法。如果學(xué)過TCP網(wǎng)絡(luò)協(xié)議的話，那么一定對滑動窗口這個名詞不會陌生。下面這張圖，很好地解釋了滑動窗口算法：

在上圖中，整個紅色的矩形框表示一個時間窗口，在我們的例子中，一個時間窗口就是一分鐘。然后我們將時間窗口進行劃分，比如圖中，我們就將滑動窗口劃成了6格，所以每格代表的是10秒鐘。每過10秒鐘，我們的時間窗口就會往右滑動一格。每一個格子都有自己獨立的計數(shù)器counter，比如當一個請求在0:35秒的時候到達，那么0:30~0:39對應(yīng)的counter就會加1。

那么滑動窗口怎么解決剛才的臨界問題的呢？我們可以看上圖，0:59到達的100個請求會落在灰色的格子中，而1:00到達的請求會落在橘黃色的格子中。當時間到達1:00時，我們的窗口會往右移動一格，那么此時時間窗口內(nèi)的總請求數(shù)量一共是200個，超過了限定的100個，所以此時能夠檢測出來觸發(fā)了限流。

我再來回顧一下剛才的計數(shù)器算法，我們可以發(fā)現(xiàn)，計數(shù)器算法其實就是滑動窗口算法。只是它沒有對時間窗口做進一步地劃分，為60s。

由此可見，當滑動窗口的格子劃分的越多，那么滑動窗口的滾動就越平滑，限流的統(tǒng)計就會越精確。

漏桶算法

漏桶算法，又稱leaky bucket。為了理解漏桶算法，我們看一下對于該算法的示意圖：

從圖中我們可以看到，整個算法其實十分簡單。首先，我們有一個固定容量的桶，有水流進來，也有水流出去。對于流進來的水來說，我們無法預(yù)計一共有多少水會流進來，也無法預(yù)計水流的速度。但是對于流出去的水來說，這個桶可以固定水流出的速率。而且，當桶滿了之后，多余的水將會溢出。

我們將算法中的水換成實際應(yīng)用中的請求，我們可以看到漏桶算法天生就限制了請求的速度。當使用了漏桶算法，我們可以保證接口會以一個常速速率來處理請求。所以漏桶算法天生不會出現(xiàn)臨界問題。具體的偽代碼實現(xiàn)如下：

令牌桶算法

令牌桶算法，又稱token bucket。為了理解該算法，我們再來看一下算法的示意圖：

從圖中我們可以看到，令牌桶算法比漏桶算法稍顯復(fù)雜。首先，我們有一個固定容量的桶，桶里存放著令牌（token）。桶一開始是空的，token以一個固定的速率r往桶里填充，直到達到桶的容量，多余的令牌將會被丟棄。每當一個請求過來時，就會嘗試從桶里移除一個令牌，如果沒有令牌的話，請求無法通過。

具體的偽代碼實現(xiàn)如下：

RateLimiter實現(xiàn)

對于令牌桶的代碼實現(xiàn)，可以直接使用Guava包中的RateLimiter。

相關(guān)變種

若仔細研究算法，我們會發(fā)現(xiàn)我們默認從桶里移除令牌是不需要耗費時間的。如果給移除令牌設(shè)置一個延時時間，那么實際上又采用了漏桶算法的思路。Google的guava庫下的SmoothWarmingUp類就采用了這個思路。

臨界問題

我們再來考慮一下臨界問題的場景。在0:59秒的時候，由于桶內(nèi)積滿了100個token，所以這100個請求可以瞬間通過。但是由于token是以較低的速率填充的，所以在1:00的時候，桶內(nèi)的token數(shù)量不可能達到100個，那么此時不可能再有100個請求通過。所以令牌桶算法可以很好地解決臨界問題。下圖比較了計數(shù)器（左）和令牌桶算法（右）在臨界點的速率變化。我們可以看到雖然令牌桶算法允許突發(fā)速率，但是下一個突發(fā)速率必須要等桶內(nèi)有足夠的token后才能發(fā)生：

總結(jié)

計數(shù)器 VS 滑動窗口

計數(shù)器算法是最簡單的算法，可以看成是滑動窗口的低精度實現(xiàn)?；瑒哟翱谟捎谛枰鎯Χ喾莸挠嫈?shù)器（每一個格子存一份），所以滑動窗口在實現(xiàn)上需要更多的存儲空間。也就是說，如果滑動窗口的精度越高，需要的存儲空間就越大。

漏桶算法 VS 令牌桶算法

漏桶算法和令牌桶算法最明顯的區(qū)別是令牌桶算法允許流量一定程度的突發(fā)。因為默認的令牌桶算法，取走token是不需要耗費時間的，也就是說，假設(shè)桶內(nèi)有100個token時，那么可以瞬間允許100個請求通過。

令牌桶算法由于實現(xiàn)簡單，且允許某些流量的突發(fā)，對用戶友好，所以被業(yè)界采用地較多。當然我們需要具體情況具體分析，只有最合適的算法，沒有最優(yōu)的算法。

到此這篇關(guān)于Spring Boot接口限流的常用算法及特點的文章就介紹到這了,更多相關(guān)Spring Boot接口限流算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論