限流浅析

前言

咱们每一个系统在作压测的时候，都有一个处理峰值，当接近峰值继续接受请求的时候，会致使整个系统响应缓慢；为了保护系统，须要拒绝处理过载的请求，这就是咱们下面介绍的限流，经过设定一个峰值阈值，限制请求达到这个峰值，以此来保护系统；咱们常见的一些中间件好比tomcat，mysql，redis等等都有相似的限制。

限流算法

作限流的时候咱们有一些经常使用的限流算法包括：计数器限流，令牌桶限流，漏桶限流；

• 1.令牌桶限流

令牌桶算法的原理是系统以必定速率向桶中放入令牌，填满了就丢弃令牌；请求来时会先从桶中取出令牌，若是能取到令牌，则能够继续完成请求，不然等待或者拒绝服务；令牌桶容许必定程度突发流量，只要有令牌就能够处理，支持一次拿多个令牌；

• 2.漏桶限流

漏桶算法的原理是按照固定常量速率流出请求，流入请求速率任意，当请求数超过桶的容量时，新的请求等待或者拒绝服务；能够看出漏桶算法能够强制限制数据的传输速度；

• 3.计数器限流

计数器是一种比较简单粗暴的算法，主要用来限制总并发数，好比数据库链接池、线程池、秒杀的并发数；计数器限流只要必定时间内的总请求数超过设定的阀值则进行限流；

如何限流

了解了限流算法以后，咱们须要知道在什么地方限流，以及如何限流；对于一个系统来讲咱们经常能够在接入层进行限流，这个大部分状况下能够直接使用nginx，OpenResty等中间件直接处理；也能够在业务层进行限流，这个须要根据咱们不一样的业务需求使用相关的限流算法来处理。

业务层限流

对于业务层咱们多是单节点的，也多是多节点用户绑定的，也多是多节点无绑定的；这时候咱们就要区分是进程内的限流仍是须要分布式限流。

进程内限流

对于进程内限流相对来讲仍是比较简单的，guava是咱们常用的利器，下面分别看看如何限制接口的总并发量，某个时间窗口的请求数，以及使用令牌桶和漏桶算法更加平滑的限流；

• 限制接口的总并发量

只须要配置一个总并发量，而后使用一个计算器记录每次请求，而后和总并发量比较便可：

private static int max = 10;
private static AtomicInteger limiter = new AtomicInteger();

if (limiter.incrementAndGet() > max){
    System.err.println("超过最大限制数");
    return;
}

• 限制时间窗口请求数

限制某个接口在指定时间以内的请求量，可使用guava的cache来缓存计数器，而后再设置过时时间；好比下面设置每分钟最大请求为100：

LoadingCache<Long, AtomicLong> counter = CacheBuilder.newBuilder().expireAfterWrite(1, TimeUnit.MINUTES).build(new CacheLoader<Long, AtomicLong>() {
        @Override
        public AtomicLong load(Long key) throws Exception {
            return new AtomicLong(0);
        }
});

private static int max = 100;
long curMinutes = System.currentTimeMillis() / 1000 * 60;
if (counter.get(curMinutes).incrementAndGet() > max) {
    System.err.println("时间窗口请求数超过上限");
    return;
}

过时时间为一分钟，每分钟自动清零；这种处理方式可能会出现超限的状况，好比前59秒都没有消息，到60的时候一会儿来了200条消息，这时候先接受了100条消息，恰好到期计数器清0，而后又接受了100条消息；这种状况能够参考TCP的滑动窗口思路来解决。

• 平滑限流请求

计数器的方式仍是比较粗暴的，令牌桶和漏桶限流这两种算法相对来讲仍是比较平滑的，能够直接使用guava提供的RateLimiter类：

RateLimiter limiter = RateLimiter.create(2);
System.out.println(limiter.acquire(4));
System.out.println(limiter.acquire());
System.out.println(limiter.acquire());
System.out.println(limiter.acquire(2));
System.out.println(limiter.acquire());
System.out.println(limiter.acquire());

create(2)表示桶容量为2而且每秒新增2个令牌，也就是500毫秒新增一个令牌，acquire()表示从里面获取一个令牌，返回值为等待的时间，输出结果以下：

0.0
1.998633
0.49644
0.500224
0.999335
0.500186

能够看到此算法是容许必定突发状况的，第一次获取4个令牌等待时间为0，后面再获取须要等待2秒才能够，后面每次获取须要500毫秒。

分布式限流

如今大部分系统都采用了多节点部署，因此一个业务可能在多个进程内被处理，因此这时候分布式限流必不可少，好比常见的秒杀系统，可能同时有N台业务逻辑节点；
常规的作法是使用Redis+lua和OpenResty+lua来实现，将限流服务作成原子化，同时也要保证高性能；Redis和OpenResty都已高性能著称，同时也提供了原子化方案，具体以下所示；

• Redis+lua

Redis在服务端对消息的处理是单线程的，同时支持lua脚本的执行，能够将限流的相关逻辑用lua脚本实现，来保证原子性，大致实现以下：

-- 限流 key
local key = KEYS[1]
-- 限流大小
local limit = tonumber(ARGV[1])
-- 过时时间
local expire = tonumber(ARGV[2])

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

if current + 1 > limit then
    return 0;
else
    redis.call("INCRBY", key, 1)
    redis.call("EXPIRE", key, expire)
    return current + 1
end

以上使用计数器算法来实现限流，在调用lua的地方能够传入限流key，限流大小以及key的有效期；返回结果若是为0表示超出限流大小，不然返回当前累计的值。

• OpenResty+lua

OpenResty核心就是nginx，可是在这个基础之上加了不少第三方模块，ngx_lua模块将lua嵌入到了nginx中，使得nginx能够做为一个web服务器来使用；还有其余经常使用的开发模块如：lua-resty-lock，lua-resty-limit-traffic，lua-resty-memcached，lua-resty-mysql，lua-resty-redis等等；
本小节咱们先使用lua-resty-lock模块来实现一个简单计数器限流，相关lua代码以下：

local locks = require "resty.lock";

local function acquire()
    local lock = locks:new("locks");
    local elapsed, err = lock:lock("limit_key");
    local limit_counter = ngx.shared.limit_counter;
    --获取客户端ip
    local key = ngx.var.remote_addr;
    --限流大小
    local limit = 5; 
    local current = limit_counter:get(key);
    
    --打印key和当前值
    ngx.say("key="..key..",value="..tostring(current));
    
    if current ~= nil and current + 1 > limit then 
       lock:unlock();
       return 0;
    end
    
    if current == nil then 
       limit_counter:set(key,1,5); --设置过时时间为5秒
    else 
       limit_counter:incr(key,1);
    end
    lock:unlock();
    return 1;
end

以上是一个对ip进行限流的实例，由于须要保证原子性，因此使用了resty.lock模块，同时也相似redis设置了过时时间重置，另一点须要注意对锁的释放；还须要设置两个共享字典

http {
    ...
    #lua_shared_dict <name> <size> 定义一块名为name的共享内存空间，内存大小为size;  经过该命令定义的共享内存对象对于Nginx中全部worker进程都是可见的
    lua_shared_dict locks 10m;
    lua_shared_dict limit_counter 10m;
}

接入层限流

接入层一般就是流量入口处，Nginx被不少系统用做流量入口，固然OpenResty也不例外，并且OpenResty提供了更强大的功能，好比这里将要介绍的lua-resty-limit-traffic模块，是一个功能强大的限流模块；在使用lua-resty-limit-traffic以前咱们先大体看一下如何使用OpenResty；

OpenResty安装使用

• 下载安装配置

直接去官方下载便可：http://openresty.org/en/download.html，启动，重载，中止命令以下：

nginx.exe
nginx.exe -s reload
nginx.exe -s stop

打开ip+端口，能够看到：Welcome to OpenResty! 即表示启动成功；

• lua脚本实例

首先须要在nginx.conf的http目录下作以下配置：

http {
    ...
    lua_package_path "/lualib/?.lua;;";  #lua 模块  
    lua_package_cpath "/lualib/?.so;;";  #c模块   
    include lua.conf;   #导入自定义lua配置文件
}

这里自定义了一个lua.conf，有关lua的请求都在这里面配置，放在和nginx.conf一个路径下便可；已一个test.lua为例，lua.conf配置以下：

#lua.conf  
server {  
    charset utf-8; #设置编码
    listen       8081;  
    server_name  _;  
    location /test {  
        default_type 'text/html';  
        content_by_lua_file lua/api/test.lua;
    } 
}

这里把全部的lua文件都放在lua/api目录下，好比一个最简单的hello world：

ngx.say("hello world");

lua-resty-limit-traffic模块

lua-resty-limit-traffic提供了限制最大并发链接数，时间窗口请求数，以及平滑限制请求数三种方式，分别对应：resty.limit.conn，resty.limit.count，resty.limit.req；相关文档能够直接在pod/lua-resty-limit-traffic中找到，里面有完整的实例；

如下会用到三个共享字典，事先在http下配置：

http {
    lua_shared_dict my_limit_conn_store 100m;
    lua_shared_dict my_limit_count_store 100m;
    lua_shared_dict my_limit_req_store 100m;
}

• 限制最大并发链接数

提供的resty.limit.conn限制最大链接数，具体脚本以下：

local limit_conn = require "resty.limit.conn"

--B<syntax:> C<obj, err = class.new(shdict_name, conn, burst, default_conn_delay)>
local lim, err = limit_conn.new("my_limit_conn_store", 1, 0, 0.5)
if not lim then
    ngx.log(ngx.ERR,
            "failed to instantiate a resty.limit.conn object: ", err)
    return ngx.exit(500)
end

local key = ngx.var.binary_remote_addr
local delay, err = lim:incoming(key, true)
if not delay then
    if err == "rejected" then
        return ngx.exit(502)
    end
    ngx.log(ngx.ERR, "failed to limit req: ", err)
    return ngx.exit(500)
end

if lim:is_committed() then
    local ctx = ngx.ctx
    ctx.limit_conn = lim
    ctx.limit_conn_key = key
    ctx.limit_conn_delay = delay
end

local conn = err

if delay >= 0.001 then
    ngx.sleep(delay)
end

new()参数分别是：字典名称，容许的最大并发请求数，容许的突发链接数，链接延迟；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，不然就直接运行；
返回值：若是请求不超过方法中指定的conn值，则此方法返回0做为延迟以及当前时间的并发请求（或链接）数；

• 限制时间窗口请求数

提供的resty.limit.count能够限制必定请求数在一个时间窗口内，具体脚本以下：

local limit_count = require "resty.limit.count"

--B<syntax:> C<obj, err = class.new(shdict_name, count, time_window)>
--速率限制在20/10s
local lim, err = limit_count.new("my_limit_count_store", 20, 10)
if not lim then
    ngx.log(ngx.ERR, "failed to instantiate a resty.limit.count object: ", err)
    return ngx.exit(500)
end

local local key = ngx.var.binary_remote_addr
--B<syntax:> C<delay, err = obj:incoming(key, commit)>
local delay, err = lim:incoming(key, true)

if not delay then
    if err == "rejected" then
        return ngx.exit(503)
    end
    ngx.log(ngx.ERR, "failed to limit count: ", err)
    return ngx.exit(500)
end

new()中指定的三个参数分别是：字典名称，指定的请求阈值，请求个数复位前的窗口时间，以秒为单位；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，不然就直接运行；
返回值：若是请求数在限制范围内，则返回当前请求被处理的延迟和将被处理的请求的剩余数；

• 平滑限制请求数

提供的resty.limit.req能够已更加平滑的方式限制请求，具体脚本以下：

local limit_req = require "resty.limit.req"

--B<syntax:> C<obj, err = class.new(shdict_name, rate, burst)>
--限制在200个请求/秒如下，给与100个请求/秒的突发请求；也就说每秒请求最大能够200-300之间，超出300报错
local lim, err = limit_req.new("my_limit_req_store", 200, 100)
if not lim then
    ngx.log(ngx.ERR,
            "failed to instantiate a resty.limit.req object: ", err)
    return ngx.exit(500)
end

local key = ngx.var.binary_remote_addr
local delay, err = lim:incoming(key, true)
if not delay then
    if err == "rejected" then
        return ngx.exit(503)
    end
    ngx.log(ngx.ERR, "failed to limit req: ", err)
    return ngx.exit(500)
end

if delay >= 0.001 then
    local excess = err
    ngx.sleep(delay)
end

new()三个参数分别是：字典名称，请求速率（每秒数）阈值，每秒容许延迟的过多请求数；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，不然就直接运行，能够理解为一个开关；
返回值：若是请求数在限制范围内，则此方法返回0做为当前时间的延迟和每秒过多请求的（零）个数；

更多能够直接查看官方文档：pod/lua-resty-limit-traffic目录下

总结

本文首先介绍了常见的限流算法，而后介绍在业务层进程内和分布式应用分别是如何进行限流的，最后接入层经过OpenResty的lua-resty-limit-traffic模块进行限流。

感谢关注

能够关注微信公众号「 回滚吧代码」，第一时间阅读，文章持续更新；专一Java源码、架构、算法和面试。