Redis分布式限流的幾種實現(xiàn)
一、 簡介
分布式限流是指通過將限流策略嵌入到分布式系統(tǒng)中，以控制流量或保護(hù)服務(wù)，保證系統(tǒng)在高并發(fā)訪問情況下不被過載。
分布式限流可以防止系統(tǒng)因大量請求同時到達(dá)導(dǎo)致壓力過大而崩潰，從而提高系統(tǒng)的穩(wěn)定性和可靠性。同時，它可以使得業(yè)務(wù)資源能夠更好地分配，提高系統(tǒng)的效率。
二、分布式限流
1 數(shù)據(jù)結(jié)構(gòu)
1.1 Redis List
Redis List 是一個可以輸入相同元素和非唯一元素的集合且支持在兩端進(jìn)行快速（O(1)）插入和刪除元素。
1.2 Redis Set
Redis Set 是一個無序，但不允許重復(fù)元素的集合。您可以使用這些命令對Redis集進(jìn)行常規(guī)操作： SADD，SREM，SISMEMBER，SMEMBERS等。
1.3 Redis Sorted Set
Redis Sorted Set 是一個有序的、不重復(fù)的元素集合。每個元素都關(guān)聯(lián)著一個浮點數(shù)值（稱為 Score）。通過 Score 可以從小到大排序得到一個有序集合。
2 實現(xiàn)分布式限流
在Redis中可以使用令牌桶算法來實現(xiàn)分布式限速。具體方法為：
Step 1：創(chuàng)建一個列表作為Redis令牌桶
String key = "rate_limit:" + userId; // 模擬用戶請求訪問 List<String> tokens = redis.lrange(key, 0, -1);
Step 2：設(shè)定令牌桶的基準(zhǔn)參數(shù)
int maxTokens = 50; long timeInterval = 1 * 1000; long now = System.currentTimeMillis();
Step 3：計算Redis中令牌數(shù)量
long expiredTokens = tokens.stream().filter(t -> Long.parseLong(t) < now - timeInterval).count(); tokens = tokens.subList((int) expiredTokens, tokens.size()); long remainTokens = maxTokens - tokens.size();
Step 4：基于令牌數(shù)量，判斷是否超過限制
if (remainTokens < 1) {
throw new RateLimitException("請求太頻繁，請稍后再試！");
}
Step 5：如果沒有超出限制，則更新Redis中令牌數(shù)并設(shè)置過期時間
Long expiresIn = now + timeInterval; redis.multi(); redis.rpush(key, String.valueOf(expiresIn)); redis.pexpire(key, timeInterval); redis.exec();
3 實現(xiàn)原理分析
以上代碼所示首先需要建立Redis List用于存儲Token，其次需要設(shè)定令牌桶的基準(zhǔn)參數(shù)（比如最大Token數(shù)量和Token過期間隔等）。在用戶訪問請求時，需要計算Redis中的令牌數(shù)量，根據(jù)規(guī)則對訪問量進(jìn)行限制。如果沒有超過限制，則需要更新Redis List中令牌數(shù)并設(shè)置過期時間；如果超過了限制，則需要返回錯誤信息并拒絕服務(wù)。
整個過程中，需要注意并發(fā)訪問情況下的線程安全問題，并確保流量控制配置的公共協(xié)商，如最大QPS（Queries Per Second），哪些接口需限制流量等。
三、分布式限流算法
在實際的系統(tǒng)設(shè)計中，為了防止某一時刻出現(xiàn)大量請求導(dǎo)致系統(tǒng)崩潰，我們通常會采用限流策略來控制流量，而Redis作為分布式NoSQL數(shù)據(jù)庫，在限流中也有著廣泛的應(yīng)用。下面介紹一些Redis分布式限流的經(jīng)典算法。
1. 計數(shù)器算法
計數(shù)器算法比較簡單，直接利用Redis存儲每個IP或者用戶的請求次數(shù)，當(dāng)請求次數(shù)超過預(yù)設(shè)閾值時拒絕服務(wù)。代碼如下：
public boolean isAllowed(String key, int limit, int timeout) {
Jedis jedis = getJedis();
long count = jedis.incr(key);
if (count == 1) {
jedis.expire(key, timeout);
}
boolean allowed = count <= limit;
if (!allowed) {
jedis.del(key);
}
jedis.close();
return allowed;
}
key：需要限流的用戶標(biāo)識，可根據(jù)IP、UserID等進(jìn)行定義limit：閾值，即允許的最大請求數(shù)timeout：過期時間，對于計數(shù)器算法，一定要設(shè)置過期時間，否則緩存中的請求次數(shù)會一直不斷累加
2. 漏斗算法
漏斗算法的核心思想是將請求按照恒定的速率轉(zhuǎn)換為水流，有效控制請求超出服務(wù)處理能力的情況。漏斗算法實現(xiàn)代碼如下：
public boolean isAllowed(String key, int capacity, double leakRate, int reqCount) {
Jedis jedis = getJedis();
long nowTime = System.currentTimeMillis();
String luaScript =
"local currentCapacity = tonumber(redis.call('hget', KEYS[1], 'leftCapacity'))\n"
+ "if currentCapacity == nil then\n"
+ " redis.call('hset', KEYS[1], 'lastTime', ARGV[2])\n"
+ " redis.call('hset', KEYS[1], 'leftCapacity', ARGV[1] - 1)\n"
+ " return 1\n"
+ "end\n"
+ "local changeTime = tonumber(redis.call('hget', KEYS[1], 'lastTime'))\n"
+ "local delayMillSeconds = nowTime - changeTime\n"
+ "local currentDelayCount = tonumber(delayMillSeconds*ARGV[3])\n"
+ "local currentCapacity = math.min(currentDelayCount+currentCapacity, ARGV[1])\n"
+ "if currentCapacity >= ARGV[4] then\n"
+ " return 0\n"
+ "else\n"
+ " redis.call('hset', KEYS[1], 'leftCapacity', currentCapacity-1)\n"
+ " redis.call('hset', KEYS[1], 'lastTime', nowTime)\n"
+ " return 1\n"
+ "end";
Object result = jedis.eval(
luaScript,
Collections.singletonList(key),
Arrays.asList(String.valueOf(capacity), String.valueOf(nowTime), String.valueOf(leakRate), String.valueOf(reqCount))
);
boolean allowed = (result instanceof Long ? (Long) result : 0L) == 1L;
jedis.close();
return allowed;
}
key：需要進(jìn)行限流的用戶標(biāo)識capacity：漏斗容量，即最大允許請求數(shù)量leakRate：漏嘴流水速率，保證有序的請求到達(dá)reqCount：預(yù)計請求量，用于計算漏斗每次流出的數(shù)量
3. 令牌桶算法
令牌桶算法的特點是以一個固定的速率不斷產(chǎn)生令牌，并將令牌放入到桶中，訪問時若桶為空，則表示請求數(shù)超限。令牌桶算法實現(xiàn)代碼如下：
public boolean isAllowed(String key, int capacity, double rate, int reqCount) {
long nowTime = System.currentTimeMillis();
Jedis jedis = getJedis();
String luaScript =
"local currentLimit = tonumber(redis.call('get', KEYS[1]) or '0')\n"
+ "if currentLimit + ARGV[1] > tonumber(KEYS[2]) then\n"
+ " return false\n"
+ "else\n"
+ " redis.call('incrby', KEYS[1], ARGV[1])\n"
+ " redis.call('expire', KEYS[1], ARGV[2])\n"
+ " return true\n"
+ "end";
Object result = jedis.eval(luaScript, 2, key, String.valueOf(capacity), String.valueOf(reqCount), String.valueOf(rate * (nowTime / 1000)));
boolean allowed = (result instanceof Boolean ? (Boolean) result : false);
jedis.close();
return allowed;
}
key：需要進(jìn)行限流的用戶標(biāo)識capacity：桶容量rate：令牌發(fā)放速率reqCount：請求數(shù)量
四、分布式限流實戰(zhàn)
1. 單機(jī)限流實現(xiàn)
假設(shè)我們有一個需求，需要限制每個IP一分鐘內(nèi)最多只能發(fā)送100個請求?？梢酝ㄟ^Redis的INCR、EXPIRE等API操作來簡單實現(xiàn)單機(jī)限流。
public boolean isAllowed(String ip, int limit, int interval) {
Jedis jedis = getJedis();
String key = "ip:" + ip;
long count = jedis.incr(key);
if (count == 1) {
jedis.expire(key, interval);
}
boolean allowed = count <= limit;
if (!allowed) {
jedis.del(key);
}
jedis.close();
return allowed;
}
2. 基于Redis Clusters的分布式限流實現(xiàn)
當(dāng)業(yè)務(wù)規(guī)模擴(kuò)大時，單機(jī)的限流已經(jīng)無法滿足需求，這時候需要考慮使用Redis Clusters實現(xiàn)分布式限流。Clusers擴(kuò)展了原先Redis的功能，不僅支持橫向擴(kuò)展，而且提高了整個集群的可用性。限流算法同上，只是需要使用把數(shù)據(jù)分配到Cluser內(nèi)不同的節(jié)點上。
public boolean isAllowed(String ip, int limit, int interval) {
JedisCluster jedis = getJedisCluster();
String key = "ip:" + ip;
long count = jedis.incr(key);
if (count == 1) {
jedis.expire(key, interval);
}
boolean allowed = count <= limit;
if (!allowed) {
jedis.del(key);
}
return allowed;
}
五、基于Redis分布式限流的優(yōu)化
1. 緩存擊穿
1.1 問題描述
在高并發(fā)場景下，如果存在大量的緩存未命中請求，將會導(dǎo)致訪問底層數(shù)據(jù)存儲系統(tǒng)，這種情況被稱為緩存擊穿。
1.2 解決方案
1.2.1 使用互斥鎖
/**
* 獲取緩存值方法
* @param key 緩存鍵值
* @return 緩存值
*/
public String getCacheValue(String key) {
String value = cache.get(key);
if (value == null) { //緩存未命中
//使用互斥鎖
Lock lock = redisson.getLock(key);
if (lock.tryLock()) { //嘗試獲取鎖
try {
value = cache.get(key); //再次嘗試獲取緩存
if (value == null) { //如果仍然未命中，從數(shù)據(jù)庫中獲取
value = db.get(key);
cache.put(key, value); //將查詢結(jié)果放入緩存
}
} finally {
lock.unlock(); //釋放鎖
}
} else {
Thread.sleep(100); //自旋一段時間后重試
return getCacheValue(key);
}
}
return value;
}
1.2.2 使用預(yù)熱機(jī)制
預(yù)熱機(jī)制是指在系統(tǒng)啟動的時候，提前加載熱點數(shù)據(jù)到緩存中，以減少緩存未命中請求。預(yù)熱的方式可以使用定時任務(wù)或者其他方式，在系統(tǒng)低峰期進(jìn)行加載。
2. 熱點key問題的解決方案
2.1 問題描述
在高并發(fā)場景下，如果某個key的請求量過大，將會導(dǎo)致這個key成為熱點key，從而導(dǎo)致緩存雪崩問題。
2.2 解決方案
2.2.1 分布式鎖
/**
* 獲取緩存值方法
* @param key 緩存鍵值
* @return 緩存值
*/
public String getCacheValue(String key) {
String value = cache.get(key);
if (value == null) { //緩存未命中
//使用分布式鎖
RLock lock = redisson.getFairLock(key);
if (lock.tryLock()) { //嘗試獲取鎖
try {
value = cache.get(key); //再次嘗試獲取緩存
if (value == null) { //如果仍然未命中，從數(shù)據(jù)庫中獲取
value = db.get(key);
cache.put(key, value); //將查詢結(jié)果放入緩存
}
} finally {
lock.unlock(); //釋放鎖
}
} else {
Thread.sleep(100); //自旋一段時間后重試
return getCacheValue(key);
}
}
return value;
}
2.2.2 分布式緩存
使用分布式緩存將數(shù)據(jù)均勻地分散到多個節(jié)點上，從而避免單點瓶頸問題。
3. 并發(fā)競爭優(yōu)化
3.1 問題描述
在高并發(fā)場景下，對于某些資源的并發(fā)訪問將會導(dǎo)致性能瓶頸，需要進(jìn)行并發(fā)競爭優(yōu)化。
3.2 解決方案
3.2.1 使用限流器
限流器類似于信號燈，用于控制并發(fā)請求的數(shù)量，在高峰期可以采用漏桶算法或令牌桶算法進(jìn)行限流。
3.2.2 使用異步線程池
對于一些耗時的操作，可以使用異步線程池進(jìn)行處理，從而避免阻塞主線程，提升系統(tǒng)的并發(fā)能力。
到此這篇關(guān)于Redis分布式限流的幾種實現(xiàn)的文章就介紹到這了,更多相關(guān)Redis分布式限流內(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！
相關(guān)文章
Redis是一個內(nèi)存數(shù)據(jù)庫由于其性能極高，因此經(jīng)常作為中間件、緩存使用，緩存某些內(nèi)容是為了保存昂貴計算的結(jié)果，這樣就不必在下次執(zhí)行計算，接下來通過本文給大家分享redis配置緩存的方法，感興趣的朋友一起看看吧2021-06-06
Redis和數(shù)據(jù)庫 數(shù)據(jù)同步問題的解決
這篇文章主要介紹了Redis和數(shù)據(jù)庫 數(shù)據(jù)同步問題的解決操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-01-01
Redis EXISTS 命令用于檢查給定 key 是否存在，本文重點給大家介紹Redis exists命令bug分析，感興趣的朋友跟隨小編一起看看吧2022-02-02
Redis是一個key-value存儲系統(tǒng)，現(xiàn)在在各種系統(tǒng)中的使用越來越多，大部分情況下是因為其高性能的特性，被當(dāng)做緩存使用，這里介紹下Redis經(jīng)常遇到的使用場景2021-06-06
在使用Redis作為數(shù)據(jù)存儲的時候,定期進(jìn)行巡檢是非常重要的,本文主要介紹了Redis一鍵巡檢腳本的實現(xiàn),具有一定的參考價值,感興趣的可以了解一下2024-06-06
這篇文章主要介紹了Redis解決優(yōu)惠券秒殺應(yīng)用案例,本文先講了搶購問題，指出其中會出現(xiàn)的多線程問題，提出解決方案采用悲觀鎖和樂觀鎖兩種方式進(jìn)行實現(xiàn)，然后發(fā)現(xiàn)在搶購過程中容易出現(xiàn)一人多單現(xiàn)象，需要的朋友可以參考下2022-11-11
這篇文章主要介紹了redis分布式鎖的8大坑總結(jié)梳理，使用redis的分布式鎖，我們首先想到的可能是setNx命令，文章圍繞setNx命令展開詳細(xì)的內(nèi)容介紹，感興趣的小伙伴可以參考一下2022-07-07
在實際的業(yè)務(wù)場景中,經(jīng)常會遇到需要延時處理的業(yè)務(wù),本文就來介紹有下Redis簡易延時隊列的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2023-12-12
Redis的Zset類型及相關(guān)命令詳細(xì)講解
這篇文章主要介紹了Redis的Zset類型及相關(guān)命令的相關(guān)資料,有序集合Zset是一種Redis數(shù)據(jù)結(jié)構(gòu),它類似于集合Set,但每個元素都有一個關(guān)聯(lián)的分?jǐn)?shù)score,并且可以根據(jù)分?jǐn)?shù)對元素進(jìn)行排序,需要的朋友可以參考下2025-01-01
滑動窗口算法是一種基于時間窗口的限流算法,通過動態(tài)地滑動窗口,可以動態(tài)調(diào)整限流的速率,Redis有序集合可以用來實現(xiàn)滑動窗口限流,本文介紹基于Redis有序集合實現(xiàn)滑動窗口限流,感興趣的朋友一起看看吧2024-12-12