基于?Redis?實(shí)現(xiàn)接口限流的方式

更新時間：2022年05月26日 15:40:46 作者：Resourceful!

今天想和小伙伴們聊聊用?Redis?處理接口限流，這也是最近的?TienChin?項(xiàng)目涉及到這個知識點(diǎn)了，我就拎出來和大家聊聊這個話題

基于 Redis 實(shí)現(xiàn)接口限流

Redis 除了做緩存，還能干很多很多事情：分布式鎖、限流、處理請求接口冪等性。。。太多太多了～

今天想和小伙伴們聊聊用 Redis 處理接口限流，這也是最近的 TienChin 項(xiàng)目涉及到這個知識點(diǎn)了，我就拎出來和大家聊聊這個話題，后面視頻也會講。

1. 準(zhǔn)備工作

首先我們創(chuàng)建一個 Spring Boot 工程，引入 Web 和 Redis 依賴，同時考慮到接口限流一般是通過注解來標(biāo)記，而注解是通過 AOP 來解析的，所以我們還需要加上 AOP 的依賴，最終的依賴如下：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-aop</artifactId>
</dependency>

然后提前準(zhǔn)備好一個 Redis 實(shí)例，這里我們項(xiàng)目配置好之后，直接配置一下 Redis 的基本信息即可，如下：

spring.redis.host=localhost
spring.redis.port=6379
spring.redis.password=123

好啦，準(zhǔn)備工作就算是到位了。

2. 限流注解

接下來我們創(chuàng)建一個限流注解，我們將限流分為兩種情況：

針對當(dāng)前接口的全局性限流，例如該接口可以在 1 分鐘內(nèi)訪問 100 次。
針對某一個 IP 地址的限流，例如某個 IP 地址可以在 1 分鐘內(nèi)訪問 100 次。

針對這兩種情況，我們創(chuàng)建一個枚舉類：

public enum LimitType {
    /**
     * 默認(rèn)策略全局限流
     */
    DEFAULT,
    /**
     * 根據(jù)請求者IP進(jìn)行限流
     */
    IP
}

接下來我們來創(chuàng)建限流注解：

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface RateLimiter {
    /**
     * 限流key
     */
    String key() default "rate_limit:";

    /**
     * 限流時間,單位秒
     */
    int time() default 60;

    /**
     * 限流次數(shù)
     */
    int count() default 100;

    /**
     * 限流類型
     */
    LimitType limitType() default LimitType.DEFAULT;
}

第一個參數(shù)限流的 key，這個僅僅是一個前綴，將來完整的 key 是這個前綴再加上接口方法的完整路徑，共同組成限流 key，這個 key 將被存入到 Redis 中。

另外三個參數(shù)好理解，我就不多說了。

好了，將來哪個接口需要限流，就在哪個接口上添加 @RateLimiter 注解，然后配置相關(guān)參數(shù)即可。

3. 定制 RedisTemplate

小伙伴們知道，在 Spring Boot 中，我們其實(shí)更習(xí)慣使用 Spring Data Redis 來操作 Redis，不過默認(rèn)的 RedisTemplate 有一個小坑，就是序列化用的是 JdkSerializationRedisSerializer，不知道小伙伴們有沒有注意過，直接用這個序列化工具將來存到 Redis 上的 key 和 value 都會莫名其妙多一些前綴，這就導(dǎo)致你用命令讀取的時候可能會出錯。

例如存儲的時候，key 是 name，value 是 javaboy，但是當(dāng)你在命令行操作的時候，get name 卻獲取不到你想要的數(shù)據(jù)，原因就是存到 redis 之后 name 前面多了一些字符，此時只能繼續(xù)使用 RedisTemplate 將之讀取出來。

我們用 Redis 做限流會用到 Lua 腳本，使用 Lua 腳本的時候，就會出現(xiàn)上面說的這種情況，所以我們需要修改 RedisTemplate 的序列化方案。

?可能有小伙伴會說為什么不用 StringRedisTemplate 呢？StringRedisTemplate 確實(shí)不存在上面所說的問題，但是它能夠存儲的數(shù)據(jù)類型不夠豐富，所以這里不考慮。

修改 RedisTemplate 序列化方案，代碼如下：

@Configuration
public class RedisConfig {
    @Bean
    public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory connectionFactory) {
        RedisTemplate<Object, Object> redisTemplate = new RedisTemplate<>();
        redisTemplate.setConnectionFactory(connectionFactory);
        // 使用Jackson2JsonRedisSerialize 替換默認(rèn)序列化(默認(rèn)采用的是JDK序列化)
        Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
        redisTemplate.setKeySerializer(jackson2JsonRedisSerializer);
        redisTemplate.setValueSerializer(jackson2JsonRedisSerializer);
        redisTemplate.setHashKeySerializer(jackson2JsonRedisSerializer);
        redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer);
        return redisTemplate;
    }
}

這個其實(shí)也沒啥好說的，key 和 value 我們都使用 Spring Boot 中默認(rèn)的 jackson 序列化方式來解決。

4. 開發(fā) Lua 腳本

這個其實(shí)我在之前 vhr 那一套視頻中講過，Redis 中的一些原子操作我們可以借助 Lua 腳本來實(shí)現(xiàn)，想要調(diào)用 Lua 腳本，我們有兩種不同的思路：

在 Redis 服務(wù)端定義好 Lua 腳本，然后計(jì)算出來一個散列值，在 Java 代碼中，通過這個散列值鎖定要執(zhí)行哪個 Lua 腳本。
直接在 Java 代碼中將 Lua 腳本定義好，然后發(fā)送到 Redis 服務(wù)端去執(zhí)行。

Spring Data Redis 中也提供了操作 Lua 腳本的接口，還是比較方便的，所以我們這里就采用第二種方案。

我們在 resources 目錄下新建 lua 文件夾專門用來存放 lua 腳本，腳本內(nèi)容如下：

local key = KEYS[1]
local count = tonumber(ARGV[1])
local time = tonumber(ARGV[2])
local current = redis.call('get', key)
if current and tonumber(current) > count then
    return tonumber(current)
end
current = redis.call('incr', key)
if tonumber(current) == 1 then
    redis.call('expire', key, time)
end
return tonumber(current)

這個腳本其實(shí)不難，大概瞅一眼就知道干啥用的。KEYS 和 ARGV 都是一會調(diào)用時候傳進(jìn)來的參數(shù)，tonumber 就是把字符串轉(zhuǎn)為數(shù)字，redis.call 就是執(zhí)行具體的 redis 指令，具體流程是這樣：

首先獲取到傳進(jìn)來的 key 以及限流的 count 和時間 time。
通過 get 獲取到這個 key 對應(yīng)的值，這個值就是當(dāng)前時間窗內(nèi)這個接口可以訪問多少次。
如果是第一次訪問，此時拿到的結(jié)果為 nil，否則拿到的結(jié)果應(yīng)該是一個數(shù)字，所以接下來就判斷，如果拿到的結(jié)果是一個數(shù)字，并且這個數(shù)字還大于 count，那就說明已經(jīng)超過流量限制了，那么直接返回查詢的結(jié)果即可。
如果拿到的結(jié)果為 nil，說明是第一次訪問，此時就給當(dāng)前 key 自增 1，然后設(shè)置一個過期時間。
最后把自增 1 后的值返回就可以了。

其實(shí)這段 Lua 腳本很好理解。

接下來我們在一個 Bean 中來加載這段 Lua 腳本，如下：

@Bean
public DefaultRedisScript<Long> limitScript() {
    DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();
    redisScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("lua/limit.lua")));
    redisScript.setResultType(Long.class);
    return redisScript;
}

可以啦，我們的 Lua 腳本現(xiàn)在就準(zhǔn)備好了。

5. 注解解析

接下來我們就需要自定義切面，來解析這個注解了，我們來看看切面的定義：

@Aspect
@Component
public class RateLimiterAspect {
    private static final Logger log = LoggerFactory.getLogger(RateLimiterAspect.class);
    @Autowired
    private RedisTemplate<Object, Object> redisTemplate;
    @Autowired
    private RedisScript<Long> limitScript;
    @Before("@annotation(rateLimiter)")
    public void doBefore(JoinPoint point, RateLimiter rateLimiter) throws Throwable {
        String key = rateLimiter.key();
        int time = rateLimiter.time();
        int count = rateLimiter.count();
        String combineKey = getCombineKey(rateLimiter, point);
        List<Object> keys = Collections.singletonList(combineKey);
        try {
            Long number = redisTemplate.execute(limitScript, keys, count, time);
            if (number==null || number.intValue() > count) {
                throw new ServiceException("訪問過于頻繁，請稍候再試");
            }
            log.info("限制請求'{}',當(dāng)前請求'{}',緩存key'{}'", count, number.intValue(), key);
        } catch (ServiceException e) {
            throw e;
        } catch (Exception e) {
            throw new RuntimeException("服務(wù)器限流異常，請稍候再試");
        }
    }
    public String getCombineKey(RateLimiter rateLimiter, JoinPoint point) {
        StringBuffer stringBuffer = new StringBuffer(rateLimiter.key());
        if (rateLimiter.limitType() == LimitType.IP) {
            stringBuffer.append(IpUtils.getIpAddr(((ServletRequestAttributes) RequestContextHolder.currentRequestAttributes()).getRequest())).append("-");
        }
        MethodSignature signature = (MethodSignature) point.getSignature();
        Method method = signature.getMethod();
        Class<?> targetClass = method.getDeclaringClass();
        stringBuffer.append(targetClass.getName()).append("-").append(method.getName());
        return stringBuffer.toString();
    }
}

這個切面就是攔截所有加了 @RateLimiter 注解的方法，在前置通知中對注解進(jìn)行處理。

首先獲取到注解中的 key、time 以及 count 三個參數(shù)。
獲取一個組合的 key，所謂的組合的 key，就是在注解的 key 屬性基礎(chǔ)上，再加上方法的完整路徑，如果是 IP 模式的話，就再加上 IP 地址。以 IP 模式為例，最終生成的 key 類似這樣：rate_limit:127.0.0.1-org.javaboy.ratelimiter.controller.HelloController-hello（如果不是 IP 模式，那么生成的 key 中就不包含 IP 地址）。
將生成的 key 放到集合中。
通過 redisTemplate.execute 方法取執(zhí)行一個 Lua 腳本，第一個參數(shù)是腳本所封裝的對象，第二個參數(shù)是 key，對應(yīng)了腳本中的 KEYS，后面是可變長度的參數(shù)，對應(yīng)了腳本中的 ARGV。
將 Lua 腳本執(zhí)行的結(jié)果與 count 進(jìn)行比較，如果大于 count，就說明過載了，拋異常就行了。

好了，大功告成了。

6. 接口測試

接下來我們就進(jìn)行接口的一個簡單測試，如下：

@RestController
public class HelloController {
    @GetMapping("/hello")
    @RateLimiter(time = 5,count = 3,limitType = LimitType.IP)
    public String hello() {
        return "hello>>>"+new Date();
    }
}

每一個 IP 地址，在 5 秒內(nèi)只能訪問 3 次。

這個自己手動刷新瀏覽器都能測試出來。

7. 全局異常處理

由于過載的時候是拋異常出來，所以我們還需要一個全局異常處理器，如下：

@RestControllerAdvice
public class GlobalException {
    @ExceptionHandler(ServiceException.class)
    public Map<String,Object> serviceException(ServiceException e) {
        HashMap<String, Object> map = new HashMap<>();
        map.put("status", 500);
        map.put("message", e.getMessage());
        return map;
    }
}

這是一個小 demo，我就不去定義實(shí)體類了，直接用 Map 來返回 JSON 了。

好啦，大功告成。

最后我們看看過載時的測試效果：