欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

使用Redis實現(xiàn)API網(wǎng)關(guān)或單個服務的請求限流的具體代碼

 更新時間:2025年07月30日 09:56:52   作者:冰糖心書房  
在微服務架構(gòu)中,對 API 網(wǎng)關(guān)或單個服務的請求進行速率限制至關(guān)重要,以防止惡意攻擊、資源濫用并確保系統(tǒng)的穩(wěn)定性和可用性,本文將詳細探討如何利用 Redis 實現(xiàn) API 網(wǎng)關(guān)或單個服務的請求限流,深入分析各種主流算法,需要的朋友可以參考下

引言

在微服務架構(gòu)中,對 API 網(wǎng)關(guān)或單個服務的請求進行速率限制至關(guān)重要,以防止惡意攻擊、資源濫用并確保系統(tǒng)的穩(wěn)定性和可用性。 Redis 憑借其高性能、原子操作和豐富的數(shù)據(jù)結(jié)構(gòu),成為實現(xiàn)請求限流的理想選擇。

本文將詳細探討如何利用 Redis 實現(xiàn) API 網(wǎng)關(guān)或單個服務的請求限流,深入分析各種主流算法,并提供在 Python 和 Java 環(huán)境下的具體代碼示例,包括使用 Lua 腳本確保操作的原子性。

為什么選擇 Redis 進行限流?

Redis 之所以成為實現(xiàn)限流的熱門選擇,主要得益于其以下幾個關(guān)鍵特性:

  • 卓越的性能: Redis 是一款內(nèi)存數(shù)據(jù)庫,能夠提供極快的讀寫速度,這對于需要實時處理大量請求的限流場景至關(guān)重要。
  • 原子操作: Redis 的 INCR、EXPIRE 等命令是原子性的,可以避免在并發(fā)請求下出現(xiàn)競態(tài)條件,確保計數(shù)和過期的準確性。
  • 豐富的數(shù)據(jù)結(jié)構(gòu): Redis 提供了字符串、哈希、列表、有序集合等多種數(shù)據(jù)結(jié)構(gòu),可以靈活地實現(xiàn)各種復雜的限流算法。
  • 可擴展性: Redis 支持集群和橫向擴展,能夠應對高并發(fā)的請求環(huán)境。
  • 自帶過期機制: 通過 EXPIRE 命令可以為鍵設置生存時間(TTL),輕松實現(xiàn)時間窗口的自動重置。

核心概念:識別請求來源

在實施限流之前,首先需要確定如何識別和區(qū)分不同的請求來源。常見的識別方式包括:

  • IP 地址: 基于客戶端的 IP 地址進行限制,是簡單有效的常用方法。
  • 用戶 ID 或 API 密鑰: 針對已認證的用戶或第三方應用進行精細化限流。
  • 設備 ID: 對移動端等特定設備進行限制。

主流限流算法及其 Redis 實現(xiàn)

以下是幾種主流的限流算法及其使用 Redis 的實現(xiàn)方式:

1. 固定窗口計數(shù)器 (Fixed Window Counter)

這是最簡單的限流算法。它在固定的時間窗口內(nèi)(例如,每分鐘)統(tǒng)計請求次數(shù),如果超過預設的閾值,則拒絕后續(xù)的請求,直到下一個時間窗口開始。

優(yōu)點: 實現(xiàn)簡單,容易理解。

缺點: 在時間窗口的邊界處可能會出現(xiàn)“突刺”流量問題。例如,在窗口結(jié)束前的瞬間和新窗口開始的瞬間,可能會有兩倍于限制的請求通過。

Redis 實現(xiàn):

主要利用 INCREXPIRE 命令。

Python 示例:

import redis
import time

r = redis.Redis()

def is_rate_limited_fixed_window(user_id: str, limit: int, window: int) -> bool:
    key = f"rate_limit:{user_id}"
    current_requests = r.get(key)

    if current_requests is None:
        # 使用 pipeline 保證原子性
        pipe = r.pipeline()
        pipe.incr(key)
        pipe.expire(key, window)
        pipe.execute()
        return False

    if int(current_requests) >= limit:
        return True

    r.incr(key)
    return False

# 示例: 每位用戶每60秒最多10個請求
for i in range(15):
    if is_rate_limited_fixed_window("user123", 10, 60):
        print("請求被限制")
    else:
        print("請求成功")
    time.sleep(1)

使用 Lua 腳本保證原子性:

為了避免 GETINCR 之間的競態(tài)條件,強烈建議使用 Lua 腳本將多個命令作為一個原子操作執(zhí)行。

-- rate_limiter.lua
local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = tonumber(ARGV[2])

local current = tonumber(redis.call("GET", key) or "0")

if current >= limit then
    return 1 -- 1 表示被限制
end

if current == 0 then
    redis.call("INCR", key)
    redis.call("EXPIRE", key, window)
else
    redis.call("INCR", key)
end

return 0 -- 0 表示未被限制

Java (Jedis) 調(diào)用 Lua 腳本示例:

import redis.clients.jedis.Jedis;

public class RateLimiter {
    private final Jedis jedis;
    private final String script;

    public RateLimiter(Jedis jedis) {
        this.jedis = jedis;
        // 實際項目中應從文件加載
        this.script = "local key = KEYS[1]..."
    }

    public boolean isRateLimited(String key, int limit, int window) {
        Object result = jedis.eval(this.script, 1, key, String.valueOf(limit), String.valueOf(window));
        return "1".equals(result.toString());
    }
}

2. 滑動窗口日志 (Sliding Window Log)

該算法記錄每個請求的時間戳。當一個新請求到達時,會移除時間窗口之外的舊時間戳,然后統(tǒng)計窗口內(nèi)的時間戳數(shù)量。如果數(shù)量超過限制,則拒絕請求。

優(yōu)點: 限流精度高,有效解決了固定窗口的邊界問題。

缺點: 需要存儲所有請求的時間戳,當請求量很大時會占用較多內(nèi)存。

Redis 實現(xiàn):

使用有序集合 (Sorted Set),將成員 (member) 設置為唯一值(如請求 ID 或時間戳),將分數(shù) (score) 設置為請求的時間戳。

Python 示例:

import redis
import time

r = redis.Redis()

def is_rate_limited_sliding_log(user_id: str, limit: int, window: int) -> bool:
    key = f"rate_limit_log:{user_id}"
    now = int(time.time() * 1000)
    window_start = now - window * 1000

    # 使用 pipeline 保證原子性
    pipe = r.pipeline()
    # 移除窗口外的數(shù)據(jù)
    pipe.zremrangebyscore(key, 0, window_start)
    # 添加當前請求
    pipe.zadd(key, {f"{now}:{int(time.time()*1000000)}": now}) # 保證 member 唯一
    # 獲取窗口內(nèi)的請求數(shù)
    pipe.zcard(key)
    # 設置過期時間,防止冷數(shù)據(jù)占用內(nèi)存
    pipe.expire(key, window)
    results = pipe.execute()

    current_requests = results[2]
    return current_requests > limit

使用 Lua 腳本實現(xiàn)滑動窗口:

-- sliding_window.lua
local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = tonumber(ARGV[2])
local now = redis.call("TIME")
local now_ms = (now[1] * 1000) + math.floor(now[2] / 1000)
local window_start = now_ms - window * 1000

-- 移除過期的請求記錄
redis.call("ZREMRANGEBYSCORE", key, 0, window_start)

-- 獲取當前窗口內(nèi)的請求數(shù)
local count = redis.call("ZCARD", key)

if count >= limit then
    return 1 -- 被限制
end

-- 添加當前請求
redis.call("ZADD", key, now_ms, now_ms .. "-" .. count) -- member 保證唯一性
redis.call("EXPIRE", key, window)

return 0 -- 未被限制

3. 令牌桶算法 (Token Bucket)

該算法的核心是一個固定容量的“令牌桶”,系統(tǒng)會以恒定的速率向桶里放入令牌。每個請求需要從桶里獲取一個令牌才能被處理。如果桶里沒有令牌,請求將被拒絕或排隊等待。

優(yōu)點: 能夠應對突發(fā)流量,只要桶內(nèi)有足夠的令牌,就可以一次性處理多個請求。

缺點: 實現(xiàn)相對復雜,需要一個獨立的進程或定時任務來持續(xù)生成令牌。

Redis 實現(xiàn):

可以使用 Redis 的列表 (List) 作為令牌桶。一個后臺任務(或在每次請求時計算)負責向列表中添加令牌。

Java (Spring Boot with Bucket4j) 示例:

Bucket4j 是一個流行的 Java 限流庫,可以與 Redis 結(jié)合使用實現(xiàn)分布式令牌桶。

// 依賴: bucket4j-core, jcache-api, redisson
// 配置 RedissonClient...

// 創(chuàng)建一個基于 Redis 的代理管理器
ProxyManager<String> proxyManager = new JCacheProxyManager<>(jcache);

// 定義令牌桶配置:每分鐘補充10個令牌,桶容量為10
BucketConfiguration configuration = BucketConfiguration.builder()
        .addLimit(Bandwidth.simple(10, Duration.ofMinutes(1)))
        .build();

// 獲取或創(chuàng)建令牌桶
Bucket bucket = proxyManager.getProxy("rate-limit-bucket:user123", configuration);

// 嘗試消費一個令牌
if (bucket.tryConsume(1)) {
    // 請求成功
} else {
    // 請求被限制
}

Spring Cloud Gateway 也內(nèi)置了基于 Redis 的令牌桶算法限流器。

4. 漏桶算法 (Leaky Bucket)

漏桶算法將請求看作是流入“漏桶”的水,而漏桶以固定的速率漏出水(處理請求)。如果流入的速率過快,導致桶溢出,則多余的請求將被丟棄。

優(yōu)點: 能夠平滑請求流量,保證服務以恒定的速率處理請求。

缺點: 無法有效利用系統(tǒng)空閑資源來處理突發(fā)流量。

Redis 實現(xiàn):

Redis-Cell 模塊提供了基于 GCRA (Generic Cell Rate Algorithm) 的漏桶算法實現(xiàn)。

API 網(wǎng)關(guān)限流 vs. 單個服務限流

限流邏輯可以部署在不同的層面,主要分為 API 網(wǎng)關(guān)層和單個微服務層。

API 網(wǎng)關(guān)限流

在 API 網(wǎng)關(guān)層面進行統(tǒng)一限流是一種常見的做法。

優(yōu)點:

  • 集中管理: 可以在一個地方統(tǒng)一配置和管理所有服務的限流規(guī)則。
  • 保護后端服務: 將惡意或超額流量擋在微服務集群之外,保護整個系統(tǒng)的穩(wěn)定性。

實現(xiàn)方式:

  • 利用網(wǎng)關(guān)自帶功能: 像 Spring Cloud Gateway、Kong、KrakenD 等 API 網(wǎng)關(guān)都提供了基于 Redis 的限流插件或模塊。
  • 自定義中間件: 在網(wǎng)關(guān)中編寫自定義的中間件或過濾器,嵌入上述的 Redis 限流邏輯。

Spring Cloud Gateway 示例 (application.yml):

spring:
  cloud:
    gateway:
      routes:
      - id: my_route
        uri: lb://my-service
        predicates:
        - Path=/my-api/**
        filters:
        - name: RequestRateLimiter
          args:
            redis-rate-limiter.replenishRate: 10      # 令牌桶每秒填充速率
            redis-rate-limiter.burstCapacity: 20     # 令牌桶容量
            redis-rate-limiter.requestedTokens: 1  # 每次請求消耗的令牌數(shù)
            key-resolver: "#{@ipKeyResolver}"     # 使用 IP 地址作為限流的 key

單個服務限流

將限流邏輯直接實現(xiàn)在單個微服務內(nèi)部。

優(yōu)點:

  • 靈活性: 每個服務可以根據(jù)自身的負載能力和業(yè)務需求,定制更精細化的限流策略。
  • 獨立性: 不依賴于特定的 API 網(wǎng)關(guān)。

實現(xiàn)方式:

  • 通過 AOP (面向切面編程) 創(chuàng)建注解,對需要限流的 Controller 方法進行攔截。
  • 在服務的入口處,如攔截器或過濾器中,調(diào)用 Redis 進行限流判斷。

Python (FastAPI 中間件) 示例:

from fastapi import FastAPI, Request
from fastapi.responses import JSONResponse
import redis

app = FastAPI()
r = redis.Redis()

@app.middleware("http")
async def rate_limit_middleware(request: Request, call_next):
    # 簡單示例:使用固定窗口計數(shù)器
    ip = request.client.host
    key = f"rate_limit:{ip}"
    limit = 5
    window = 60

    # 此處應使用 Lua 腳本保證原子性
    current = r.incr(key)
    if current == 1:
        r.expire(key, window)

    if current > limit:
        return JSONResponse(status_code=429, content={"message": "Too Many Requests"})

    response = await call_next(request)
    return response

總結(jié)

使用 Redis 實現(xiàn)請求限流是一種高效且可擴展的方案。開發(fā)者應根據(jù)具體的業(yè)務場景和需求選擇合適的限流算法。

  • 對于簡單的限流需求,固定窗口計數(shù)器是一個不錯的起點。
  • 為了更精確地控制流量并避免邊界問題,滑動窗口日志滑動窗口計數(shù)器是更好的選擇。
  • 如果需要應對突發(fā)流量,令牌桶算法則非常適用。

在實施時,務必使用 Lua 腳本來保證操作的原子性,避免在并發(fā)環(huán)境下出現(xiàn)數(shù)據(jù)不一致的問題。將限流邏輯部署在 API 網(wǎng)關(guān)層可以對整個系統(tǒng)起到保護作用,而部署在單個服務層則提供了更高的靈活性。在實際應用中,兩者也常常結(jié)合使用,構(gòu)建多層級的防護體系。

以上就是使用Redis實現(xiàn)API網(wǎng)關(guān)或單個服務的請求限流的具體代碼的詳細內(nèi)容,更多關(guān)于Redis API網(wǎng)關(guān)或服務請求限流的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 深入理解redis刪除策略和淘汰策略

    深入理解redis刪除策略和淘汰策略

    每隔一段時間就掃描一定數(shù)據(jù)的設置了過期時間的key,并清除其中已過期的keys,本文主要介紹了深入理解redis刪除策略和淘汰策略,感興趣的可以了解一下
    2024-08-08
  • Redis中跳表的實現(xiàn)原理分析

    Redis中跳表的實現(xiàn)原理分析

    Redis中的跳表是一種高效的多層鏈表結(jié)構(gòu),通過隨機概率算法決定節(jié)點的層數(shù),從而實現(xiàn)快速的插入、刪除和查詢操作,跳表的平均時間復雜度為O(logn),最差情況為O(n),每個節(jié)點包含值和指向更高層節(jié)點的指針,以及回退指針以提高操作效率
    2025-02-02
  • Redis中l(wèi)ua腳本實現(xiàn)及其應用場景

    Redis中l(wèi)ua腳本實現(xiàn)及其應用場景

    本文主要介紹了Redis中l(wèi)ua腳本實現(xiàn)及其應用場景,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2023-04-04
  • 深度解析Redis?數(shù)據(jù)淘汰策略

    深度解析Redis?數(shù)據(jù)淘汰策略

    本文將深入剖析8種淘汰策略的機制,并結(jié)合Java代碼演示生產(chǎn)環(huán)境的最佳實踐,文中通過示例代碼介紹的非常詳細,需要的朋友們下面隨著小編來一起學習學習吧
    2025-04-04
  • 一文詳解Redis在Ubuntu系統(tǒng)上的安裝步驟

    一文詳解Redis在Ubuntu系統(tǒng)上的安裝步驟

    安裝redis在Ubuntu上有多種方法,下面這篇文章主要給大家介紹了關(guān)于Redis在Ubuntu系統(tǒng)上安裝的相關(guān)資料,文中通過圖文以及代碼介紹的非常詳細,需要的朋友可以參考下
    2024-07-07
  • Redis的配置、啟動、操作和關(guān)閉方法

    Redis的配置、啟動、操作和關(guān)閉方法

    今天小編就為大家分享一篇Redis的配置、啟動、操作和關(guān)閉方法,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
    2018-05-05
  • Redis中ServiceStack.Redis和StackExchange.Redis區(qū)別詳解

    Redis中ServiceStack.Redis和StackExchange.Redis區(qū)別詳解

    本文主要介紹了Redis中ServiceStack.Redis和StackExchange.Redis區(qū)別詳解,文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-05-05
  • redis lua腳本實戰(zhàn)秒殺和減庫存的實現(xiàn)

    redis lua腳本實戰(zhàn)秒殺和減庫存的實現(xiàn)

    本文主要是學習一下redis lua腳本的編寫,以及在redisson這個redis客戶端中是怎樣使用的,實戰(zhàn)一下秒殺場景redis減庫存lua腳本的編寫,并偽真實環(huán)境壓測查看效果。感興趣的可以了解一下
    2021-11-11
  • 詳解如何清理Redis內(nèi)存碎片

    詳解如何清理Redis內(nèi)存碎片

    操作系統(tǒng)的剩余空間總量足夠,但申請一塊N字節(jié)連續(xù)地址的空間時,剩余內(nèi)存空間中沒有大小為N字節(jié)的連續(xù)空間,那么這些剩余內(nèi)存空間中,小于N字節(jié)的連續(xù)內(nèi)存空間就是內(nèi)存碎片,本文詳細介紹了如何清理Redis內(nèi)存碎片,需要的朋友可以參考一下
    2023-04-04
  • redis清空所有數(shù)據(jù)的三種方法

    redis清空所有數(shù)據(jù)的三種方法

    本文主要介紹了redis清空所有數(shù)據(jù)的三種方法,主要包括FLUSHALL,FLUSHDB,SCREPT FLUSH這三個指令,具有一定的參考價值,感興趣的可以了解一下
    2023-09-09

最新評論