Java 限流策略

概要

在大数据量高并发访问时，常常会出现服务或接口面对暴涨的请求而不可用的状况，甚至引起连锁反映致使整个系统崩溃。此时你须要使用的技术手段之一就是限流，当请求达到必定的并发数或速率，就进行等待、排队、降级、拒绝服务等。在限流时，常见的两种算法是漏桶和令牌桶算法。

限流算法

令牌桶(Token Bucket)、漏桶(leaky bucket)和计数器算法是最经常使用的三种限流的算法。

1. 令牌桶算法

令牌桶算法的原理是系统会以一个恒定的速度往桶里放入令牌，而若是请求须要被处理，则须要先从桶里获取一个令牌，当桶里没有令牌可取时，则拒绝服务。 当桶满时，新添加的令牌被丢弃或拒绝。

令牌桶算法示例

public class RateLimiterDemo {
    private static RateLimiter limiter = RateLimiter.create(5);

    public static void exec() {
        limiter.acquire(1);
        try {
            // 处理核心逻辑
            TimeUnit.SECONDS.sleep(1);
            System.out.println("--" + System.currentTimeMillis() / 1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

Guava RateLimiter 提供了令牌桶算法可用于平滑突发限流策略。
该示例为每秒中产生5个令牌，每200毫秒会产生一个令牌。
limiter.acquire() 表示消费一个令牌。当桶中有足够的令牌时，则直接返回0，不然阻塞，直到有可用的令牌数才返回，返回的值为阻塞的时间。

2. 漏桶算法

它的主要目的是控制数据注入到网络的速率，平滑网络上的突发流量，数据能够以任意速度流入到漏桶中。漏桶算法提供了一种机制，经过它，突发流量能够被整形以便为网络提供一个稳定的流量。 漏桶能够看做是一个带有常量服务时间的单服务器队列，若是漏桶为空，则不须要流出水滴，若是漏桶（包缓存）溢出，那么水滴会被溢出丢弃。

3. 计数器限流算法

计数器限流算法也是比较经常使用的，主要用来限制总并发数，好比数据库链接池大小、线程池大小、程序访问并发数等都是使用计数器算法。

使用计数器限流示例1

public class CountRateLimiterDemo1 {

    private static AtomicInteger count = new AtomicInteger(0);

    public static void exec() {
        if (count.get() >= 5) {
            System.out.println("请求用户过多，请稍后在试！"+System.currentTimeMillis()/1000);
        } else {
            count.incrementAndGet();
            try {
                //处理核心逻辑
                TimeUnit.SECONDS.sleep(1);
                System.out.println("--"+System.currentTimeMillis()/1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            } finally {
                count.decrementAndGet();
            }
        }
    }
}

使用AomicInteger来进行统计当前正在并发执行的次数，若是超过域值就简单粗暴的直接响应给用户，说明系统繁忙，请稍后再试或其它跟业务相关的信息。

弊端：使用 AomicInteger 简单粗暴超过域值就拒绝请求，可能只是瞬时的请求量高，也会拒绝请求。

使用计数器限流示例2

public class CountRateLimiterDemo2 {

    private static Semaphore semphore = new Semaphore(5);

    public static void exec() {
        if(semphore.getQueueLength()>100){
            System.out.println("当前等待排队的任务数大于100，请稍候再试...");
        }
        try {
            semphore.acquire();
            // 处理核心逻辑
            TimeUnit.SECONDS.sleep(1);
            System.out.println("--" + System.currentTimeMillis() / 1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            semphore.release();
        }
    }
}

使用Semaphore信号量来控制并发执行的次数，若是超过域值信号量，则进入阻塞队列中排队等待获取信号量进行执行。若是阻塞队列中排队的请求过多超出系统处理能力，则能够在拒绝请求。

相对Atomic优势：若是是瞬时的高并发，能够使请求在阻塞队列中排队，而不是立刻拒绝请求，从而达到一个流量削峰的目的。