快捷導(dǎo)航

基于SpringBoot+Redis實(shí)現(xiàn)一個(gè)簡單的限流器

更新時(shí)間：2023年08月15日 11:08:57 作者：冰點(diǎn).

在Spring?Boot中使用Redis和過濾器實(shí)現(xiàn)請求限流,過濾器將在每個(gè)請求到達(dá)時(shí)檢查請求頻率,并根據(jù)設(shè)定的閾值進(jìn)行限制,這樣可以保護(hù)您的應(yīng)用程序免受惡意請求或高并發(fā)請求的影響,本文我們通過Spring?Boot?+Redis?實(shí)現(xiàn)一個(gè)輕量級(jí)的消息隊(duì)列,需要的朋友可以參考下

1.基礎(chǔ)介紹

1.1. 限流場景

假設(shè)我們有一個(gè)API接口，需要限制每個(gè)用戶在一段時(shí)間內(nèi)的請求頻率。比如每秒只允許請求100次等等的業(yè)務(wù)需求。

1.2. 實(shí)現(xiàn)限流邏輯：

使用Redis的計(jì)數(shù)器功能可以實(shí)現(xiàn)基于時(shí)間窗口的限流算法。通過在Redis中存儲(chǔ)請求計(jì)數(shù)器和過期時(shí)間，可以控制單位時(shí)間內(nèi)的請求頻率。在需要進(jìn)行限流的接口或方法中，使用Redis的原子操作（如INCR和EXPIRE）來增加計(jì)數(shù)器并設(shè)置過期時(shí)間。

在每個(gè)請求到達(dá)時(shí)，檢查計(jì)數(shù)器的值是否超過設(shè)定的閾值，如果超過則拒絕請求，否則允許請求繼續(xù)執(zhí)行。

2.步驟

2.1. 引入依賴

<dependencies>
    <!-- Spring Data Redis -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-redis</artifactId>
    </dependency>
</dependencies>

2.2. 配置文件

# Redis連接配置
spring.redis.host=127.0.0.1
spring.redis.port=6379
spring.redis.password=your_password
spring.redis.database=0
# Redis連接池配置
spring.redis.jedis.pool.max-active=50
spring.redis.jedis.pool.max-idle=10
spring.redis.jedis.pool.min-idle=5
spring.redis.jedis.pool.max-wait=-1

在上面的配置中，您可以根據(jù)實(shí)際情況修改以下屬性：

spring.redis.host：Redis服務(wù)器的主機(jī)名或IP地址。
spring.redis.port：Redis服務(wù)器的端口號(hào)。
spring.redis.password：Redis服務(wù)器的密碼（如果有的話）。
spring.redis.database：Redis數(shù)據(jù)庫的索引，默認(rèn)為0。

另外，您還可以配置Redis連接池的屬性，以控制連接池的行為。在示例配置中，設(shè)置了以下連接池屬性：

spring.redis.jedis.pool.max-active：連接池中的最大活動(dòng)連接數(shù)。
spring.redis.jedis.pool.max-idle：連接池中的最大空閑連接數(shù)。
spring.redis.jedis.pool.min-idle：連接池中的最小空閑連接數(shù)。
spring.redis.jedis.pool.max-wait：從連接池獲取連接的最大等待時(shí)間（毫秒），-1表示無限等待。

如果使用的是YAML格式的配置文件（application.yml），可以將上述配置轉(zhuǎn)換為相應(yīng)的格式：

spring:
  redis:
    host: 127.0.0.1
    port: 6379
    password: your_password
    database: 0
  redis.jedis.pool:
    max-active: 50
    max-idle: 10
    min-idle: 5
    max-wait: -1

請根據(jù)您的實(shí)際Redis服務(wù)器配置進(jìn)行調(diào)整，并根據(jù)需要添加其他相關(guān)配置，如超時(shí)設(shè)置、SSL配置等。

2.3. 核心源碼

實(shí)現(xiàn)請求限流過濾器：
創(chuàng)建一個(gè)實(shí)現(xiàn)javax.servlet.Filter接口的請求限流過濾器。在過濾器中，使用Redis的計(jì)數(shù)器功能來實(shí)現(xiàn)請求限流邏輯。

示例中，RequestLimitFilter是一個(gè)實(shí)現(xiàn)了javax.servlet.Filter接口的請求限流過濾器。它使用Redis的計(jì)數(shù)器功能來實(shí)現(xiàn)請求限流邏輯。每個(gè)請求到達(dá)時(shí)，根據(jù)客戶端的IP地址作為Redis的鍵，增加計(jì)數(shù)器的值并設(shè)置過期時(shí)間為指定的時(shí)間窗口。如果計(jì)數(shù)器超過了設(shè)定的閾值（這里是100），則返回HTTP 429 Too Many Requests響應(yīng)

示例中使用的是RedisTemplate<String, String>來操作Redis，可以根據(jù)需要調(diào)整為適合您的數(shù)據(jù)類型和操作方式的RedisTemplate。

@Component
public class RequestLimitFilter implements Filter {
    @Autowired
    private RedisTemplate<String, String> redisTemplate;
    private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";
    private static final long REQUEST_LIMIT = 100; // 請求限制數(shù)量
    private static final long TIME_WINDOW = 60; // 時(shí)間窗口（單位：秒）
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)
            throws IOException, ServletException {
        HttpServletRequest httpRequest = (HttpServletRequest) request;
        String ipAddress = getClientIpAddress(httpRequest);
        String key = REQUEST_LIMIT_PREFIX + ipAddress;
        Long counter = redisTemplate.opsForValue().increment(key, 1);
        if (counter == 1) {
            redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);
        }
        if (counter > REQUEST_LIMIT) {
            HttpServletResponse httpResponse = (HttpServletResponse) response;
            httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
            httpResponse.getWriter().write("請求頻率超過限制，請稍后再試！");
            return;
        }
        chain.doFilter(request, response);
    }
  private String getClientIpAddress(HttpServletRequest request) {
    String ipAddress = request.getHeader("X-Forwarded-For");
    if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {
        ipAddress = request.getHeader("Proxy-Client-IP");
    }
    if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {
        ipAddress = request.getHeader("WL-Proxy-Client-IP");
    }
    if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {
        ipAddress = request.getRemoteAddr();
    }
    return ipAddress;
}
}

優(yōu)化后

public class RequestLimitFilter implements Filter {
    @Autowired
    private RedisTemplate<String, String> redisTemplate;
    private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";
    private static final long REQUEST_LIMIT = 100; // 請求限制數(shù)量
    private static final long TIME_WINDOW = 60; // 時(shí)間窗口（單位：秒）
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)
            throws IOException, ServletException {
        HttpServletRequest httpRequest = (HttpServletRequest) request;
        String ipAddress = getClientIpAddress(httpRequest);
        String key = REQUEST_LIMIT_PREFIX + ipAddress;
        Long counter = redisTemplate.opsForValue().increment(key, 1);
        if (counter == 1) {
            redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);
        }
        if (counter > REQUEST_LIMIT) {
            HttpServletResponse httpResponse = (HttpServletResponse) response;
            httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
            try (PrintWriter writer = httpResponse.getWriter()) {
                writer.write("請求頻率超過限制，請稍后再試！");
            }
            return;
        }
        chain.doFilter(request, response);
    }
    private String getClientIpAddress(HttpServletRequest request) {
      ...
        return ipAddress;
    }
}

再優(yōu)化一下加入布隆過濾器

使用布隆過濾器減少對(duì)Redis的訪問：布隆過濾器是一種高效的概率數(shù)據(jù)結(jié)構(gòu)，可以用于快速判斷元素是否存在于集合中。在限制請求頻率時(shí)，可以使用布隆過濾器來減少對(duì)Redis的訪問。只有在布隆過濾器判斷請求不是重復(fù)請求時(shí)，才進(jìn)行Redis操作。

public class RequestLimitFilter implements Filter {
    @Autowired
    private RedisTemplate<String, String> redisTemplate;
    private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";
    private static final long REQUEST_LIMIT = 100; // 請求限制數(shù)量
    private static final long TIME_WINDOW = 60; // 時(shí)間窗口（單位：秒）
    private BloomFilter<String> bloomFilter;
    @Override
    public void init(FilterConfig filterConfig) throws ServletException {
        // 初始化布隆過濾器
        int expectedInsertions = 1000; // 預(yù)期插入數(shù)量
        double falsePositiveProbability = 0.01; // 誤判率
        bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), expectedInsertions, falsePositiveProbability);
    }
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)
            throws IOException, ServletException {
        HttpServletRequest httpRequest = (HttpServletRequest) request;
        String ipAddress = getClientIpAddress(httpRequest);
        if (bloomFilter.mightContain(ipAddress)) {
            // 布隆過濾器判斷可能是重復(fù)請求，直接放行
            chain.doFilter(request, response);
            return;
        }
        String key = REQUEST_LIMIT_PREFIX + ipAddress;
        Long counter;
        boolean isNewKey = false;
        try {
            counter = redisTemplate.opsForValue().increment(key, 1);
            if (counter == 1) {
                redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);
                isNewKey = true;
            }
        } catch (Exception e) {
            // 處理Redis操作異常
            // 可以選擇記錄日志或采取適當(dāng)?shù)奶幚泶胧?
            e.printStackTrace();
            chain.doFilter(request, response);
            return;
        }
        if (counter > REQUEST_LIMIT) {
            if (isNewKey) {
                // 刪除新創(chuàng)建的鍵，避免無限增長
                redisTemplate.delete(key);
            }
            HttpServletResponse httpResponse = (HttpServletResponse) response;
            httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
            try (PrintWriter writer = httpResponse.getWriter()) {
                writer.write("請求頻率超過限制，請稍后再試！");
            }
            return;
        }
        bloomFilter.put(ipAddress); // 將IP地址添加到布隆過濾器
        chain.doFilter(request, response);
    }
    @Override
    public void destroy() {
        // 清理資源，如關(guān)閉Redis連接等
    }
    private String getClientIpAddress(HttpServletRequest request) {
        // 獲取客戶端IP地址的邏輯
        // ...
    }
}

在上述代碼中，我們引入了布隆過濾器來減少對(duì)Redis的訪問。如果布隆過濾器判斷請求可能是重復(fù)請求，則直接放行，無需進(jìn)行Redis操作。同時(shí)，我們還添加了對(duì)Redis操作異常的處理，并在限流超過閾值時(shí)刪除新創(chuàng)建的鍵，以避免無限增長。請根據(jù)實(shí)際情況進(jìn)行適當(dāng)調(diào)整和完善。

注冊過濾器：
在Spring Boot應(yīng)用程序的配置類中注冊過濾器，以便它能夠在請求處理過程中生效。

@Configuration
public class WebConfig implements WebMvcConfigurer {
    @Autowired
    private RequestLimitFilter requestLimitFilter;
    @Override
    public void addInterceptors(InterceptorRegistry registry) {
        registry.addInterceptor(requestLimitFilter);
    }
}

通過將過濾器添加到addInterceptors方法中，它將被注冊為Spring Boot應(yīng)用程序的全局過濾器，并在請求到達(dá)時(shí)執(zhí)行限流邏輯。

3.總結(jié)

其實(shí)上面我們寫完的還是有問題的

如果系統(tǒng)部署在多個(gè)節(jié)點(diǎn)上，可以考慮使用分布式限流算法，如令牌桶算法或漏桶算法。這些算法可以在分布式環(huán)境中平衡請求的處理，并保證全局的請求限制。
將請求限流的參數(shù)，如請求限制數(shù)量和時(shí)間窗口，配置為可動(dòng)態(tài)調(diào)整的參數(shù)。可以使用注解或配置文件來管理這些參數(shù)，以便在運(yùn)行時(shí)進(jìn)行調(diào)整，而無需重新編譯代碼。

到此這篇關(guān)于基于SpringBoot+Redis實(shí)現(xiàn)一個(gè)簡單的限流器的文章就介紹到這了,更多相關(guān)SpringBoot+Redis實(shí)現(xiàn)限流器內(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！

您可能感興趣的文章: