最近，我們的業(yè)務(wù)系統(tǒng)引入了Guava的RateLimiter限流組件，它是基于令牌桶算法實(shí)現(xiàn)的,而令牌桶是非常經(jīng)典的限流算法。本文將跟大家一起學(xué)習(xí)幾種經(jīng)典的限流算法。

限流是什么?

維基百科的概念如下：

In?computer?networks,?rate?limiting?is?used?to?control?the?rate?of?requests?sent?or received?by?a?network?interface?controller.?It?can?be?used?to?prevent?DoS?attacks? and?limit?web?scraping

簡單翻譯一下：在計(jì)算機(jī)網(wǎng)絡(luò)中，限流就是控制網(wǎng)絡(luò)接口發(fā)送或接收請(qǐng)求的速率，它可防止DoS攻擊和限制Web爬蟲。

限流，也稱流量控制。是指系統(tǒng)在面臨高并發(fā)，或者大流量請(qǐng)求的情況下，限制新的請(qǐng)求對(duì)系統(tǒng)的訪問，從而保證系統(tǒng)的穩(wěn)定性。限流會(huì)導(dǎo)致部分用戶請(qǐng)求處理不及時(shí)或者被拒，這就影響了用戶體驗(yàn)。所以一般需要在系統(tǒng)穩(wěn)定和用戶體驗(yàn)之間平衡一下。舉個(gè)生活的例子：

★

一些熱門的旅游景區(qū)，一般會(huì)對(duì)每日的旅游參觀人數(shù)有限制的。每天只會(huì)賣出固定數(shù)目的門票，比如5000張。假設(shè)在五一、國慶假期，你去晚了，可能當(dāng)天的票就已經(jīng)賣完了，就無法進(jìn)去游玩了。即使你進(jìn)去了，排隊(duì)也能排到你懷疑人生。

”

常見的限流算法

固定窗口限流算法

首先維護(hù)一個(gè)計(jì)數(shù)器，將單位時(shí)間段當(dāng)做一個(gè)窗口，計(jì)數(shù)器記錄這個(gè)窗口接收請(qǐng)求的次數(shù)。

• 當(dāng)次數(shù)少于限流閥值，就允許訪問，并且計(jì)數(shù)器+1

• 當(dāng)次數(shù)大于限流閥值，就拒絕訪問。

• 當(dāng)前的時(shí)間窗口過去之后，計(jì)數(shù)器清零。

假設(shè)單位時(shí)間是1秒，限流閥值為3。在單位時(shí)間1秒內(nèi)，每來一個(gè)請(qǐng)求,計(jì)數(shù)器就加1，如果計(jì)數(shù)器累加的次數(shù)超過限流閥值3，后續(xù)的請(qǐng)求全部拒絕。等到1s結(jié)束后，計(jì)數(shù)器清0，重新開始計(jì)數(shù)。如下圖：

偽代碼如下：

????/***?固定窗口時(shí)間算法*?@return*/boolean?fixedWindowsTryAcquire()?{long?currentTime?=?System.currentTimeMillis();??//獲取系統(tǒng)當(dāng)前時(shí)間if?(currentTime?-?lastRequestTime?>?windowUnit)?{??//檢查是否在時(shí)間窗口內(nèi)counter?=?0;??//?計(jì)數(shù)器清0lastRequestTime?=?currentTime;??//開啟新的時(shí)間窗口}if?(counter?<?threshold)?{??//?小于閥值counter++;??//計(jì)數(shù)器加1return?true;}return?false;}

但是，這種算法有一個(gè)很明顯的臨界問題：假設(shè)限流閥值為5個(gè)請(qǐng)求，單位時(shí)間窗口是1s,如果我們?cè)趩挝粫r(shí)間內(nèi)的前0.8-1s和1-1.2s，分別并發(fā)5個(gè)請(qǐng)求。雖然都沒有超過閥值，但是如果算0.8-1.2s,則并發(fā)數(shù)高達(dá)10，已經(jīng)超過單位時(shí)間1s不超過5閥值的定義啦。

滑動(dòng)窗口限流算法

滑動(dòng)窗口限流解決固定窗口臨界值的問題。它將單位時(shí)間周期分為n個(gè)小周期，分別記錄每個(gè)小周期內(nèi)接口的訪問次數(shù)，并且根據(jù)時(shí)間滑動(dòng)刪除過期的小周期。

一張圖解釋滑動(dòng)窗口算法，如下：

假設(shè)單位時(shí)間還是1s，滑動(dòng)窗口算法把它劃分為5個(gè)小周期，也就是滑動(dòng)窗口（單位時(shí)間）被劃分為5個(gè)小格子。每格表示0.2s。每過0.2s，時(shí)間窗口就會(huì)往右滑動(dòng)一格。然后呢，每個(gè)小周期，都有自己獨(dú)立的計(jì)數(shù)器，如果請(qǐng)求是0.83s到達(dá)的，0.8~1.0s對(duì)應(yīng)的計(jì)數(shù)器就會(huì)加1。

我們來看下滑動(dòng)窗口是如何解決臨界問題的？

假設(shè)我們1s內(nèi)的限流閥值還是5個(gè)請(qǐng)求，0.8~1.0s內(nèi)（比如0.9s的時(shí)候）來了5個(gè)請(qǐng)求，落在黃色格子里。時(shí)間過了1.0s這個(gè)點(diǎn)之后，又來5個(gè)請(qǐng)求，落在紫色格子里。如果是固定窗口算法，是不會(huì)被限流的，但是滑動(dòng)窗口的話，每過一個(gè)小周期，它會(huì)右移一個(gè)小格。過了1.0s這個(gè)點(diǎn)后，會(huì)右移一小格，當(dāng)前的單位時(shí)間段是0.2~1.2s，這個(gè)區(qū)域的請(qǐng)求已經(jīng)超過限定的5了，已觸發(fā)限流啦，實(shí)際上，紫色格子的請(qǐng)求都被拒絕啦。

TIPS: 當(dāng)滑動(dòng)窗口的格子周期劃分的越多，那么滑動(dòng)窗口的滾動(dòng)就越平滑，限流的統(tǒng)計(jì)就會(huì)越精確。

滑動(dòng)窗口算法偽代碼實(shí)現(xiàn)如下：

?/***?單位時(shí)間劃分的小周期（單位時(shí)間是1分鐘，10s一個(gè)小格子窗口，一共6個(gè)格子）*/private?int?SUB_CYCLE?=?10;/***?每分鐘限流請(qǐng)求數(shù)*/private?int?thresholdPerMin?=?100;/***?計(jì)數(shù)器,?k-為當(dāng)前窗口的開始時(shí)間值秒，value為當(dāng)前窗口的計(jì)數(shù)*/private?final?TreeMap<Long,?Integer>?counters?=?new?TreeMap<>();/***?滑動(dòng)窗口時(shí)間算法實(shí)現(xiàn)*/boolean?slidingWindowsTryAcquire()?{long?currentWindowTime?=?LocalDateTime.now().toEpochSecond(ZoneOffset.UTC)?/?SUB_CYCLE?*?SUB_CYCLE;?//獲取當(dāng)前時(shí)間在哪個(gè)小周期窗口int?currentWindowNum?=?countCurrentWindow(currentWindowTime);?//當(dāng)前窗口總請(qǐng)求數(shù)//超過閥值限流if?(currentWindowNum?>=?thresholdPerMin)?{return?false;}//計(jì)數(shù)器+1counters.get(currentWindowTime)++;return?true;}/***?統(tǒng)計(jì)當(dāng)前窗口的請(qǐng)求數(shù)*/private?int?countCurrentWindow(long?currentWindowTime)?{//計(jì)算窗口開始位置long?startTime?=?currentWindowTime?-?SUB_CYCLE*?(60s/SUB_CYCLE-1);int?count?=?0;//遍歷存儲(chǔ)的計(jì)數(shù)器Iterator<Map.Entry<Long,?Integer>>?iterator?=?counters.entrySet().iterator();while?(iterator.hasNext())?{Map.Entry<Long,?Integer>?entry?=?iterator.next();//?刪除無效過期的子窗口計(jì)數(shù)器if?(entry.getKey()?<?startTime)?{iterator.remove();}?else?{//累加當(dāng)前窗口的所有計(jì)數(shù)器之和count?=count?+?entry.getValue();}}return?count;}

滑動(dòng)窗口算法雖然解決了固定窗口的臨界問題，但是一旦到達(dá)限流后，請(qǐng)求都會(huì)直接暴力被拒絕。醬紫我們會(huì)損失一部分請(qǐng)求，這其實(shí)對(duì)于產(chǎn)品來說，并不太友好。

漏桶算法

漏桶算法面對(duì)限流，就更加的柔性，不存在直接的粗暴拒絕。

它的原理很簡單，可以認(rèn)為就是注水漏水的過程。往漏桶中以任意速率流入水，以固定的速率流出水。當(dāng)水超過桶的容量時(shí)，會(huì)被溢出，也就是被丟棄。因?yàn)橥叭萘渴遣蛔兊?#xff0c;保證了整體的速率。

• 流入的水滴，可以看作是訪問系統(tǒng)的請(qǐng)求，這個(gè)流入速率是不確定的。

• 桶的容量一般表示系統(tǒng)所能處理的請(qǐng)求數(shù)。

• 如果桶的容量滿了，就達(dá)到限流的閥值，就會(huì)丟棄水滴（拒絕請(qǐng)求）

• 流出的水滴，是恒定過濾的，對(duì)應(yīng)服務(wù)按照固定的速率處理請(qǐng)求。

漏桶算法偽代碼實(shí)現(xiàn)如下：

/***?每秒處理數(shù)（出水率）*/private?long?rate;/***??當(dāng)前剩余水量*/private?long?currentWater;/***?最后刷新時(shí)間*/private?long?refreshTime;/***?桶容量*/private?long?capacity;/***?漏桶算法*?@return*/boolean?leakybucketLimitTryAcquire()?{long?currentTime?=?System.currentTimeMillis();??//獲取系統(tǒng)當(dāng)前時(shí)間long?outWater?=?(currentTime?-?refreshTime)?/?1000?*?rate;?//流出的水量?=(當(dāng)前時(shí)間-上次刷新時(shí)間)*?出水率long?currentWater?=?Math.max(0,?currentWater?-?outWater);?//?當(dāng)前水量?=?之前的桶內(nèi)水量-流出的水量refreshTime?=?currentTime;?//?刷新時(shí)間//?當(dāng)前剩余水量還是小于桶的容量，則請(qǐng)求放行if?(currentWater?<?capacity)?{currentWater++;return?true;}//?當(dāng)前剩余水量大于等于桶的容量，限流return?false;}

在正常流量的時(shí)候，系統(tǒng)按照固定的速率處理請(qǐng)求，是我們想要的。但是面對(duì)突發(fā)流量的時(shí)候，漏桶算法還是循規(guī)蹈矩地處理請(qǐng)求，這就不是我們想看到的啦。流量變突發(fā)時(shí)，我們肯定希望系統(tǒng)盡量快點(diǎn)處理請(qǐng)求，提升用戶體驗(yàn)嘛。

令牌桶算法

面對(duì)突發(fā)流量的時(shí)候，我們可以使用令牌桶算法限流。

令牌桶算法原理：

• 有一個(gè)令牌管理員，根據(jù)限流大小，定速往令牌桶里放令牌。

• 如果令牌數(shù)量滿了，超過令牌桶容量的限制，那就丟棄。

• 系統(tǒng)在接受到一個(gè)用戶請(qǐng)求時(shí)，都會(huì)先去令牌桶要一個(gè)令牌。如果拿到令牌，那么就處理這個(gè)請(qǐng)求的業(yè)務(wù)邏輯；

• 如果拿不到令牌，就直接拒絕這個(gè)請(qǐng)求。

漏桶算法偽代碼實(shí)現(xiàn)如下：

????/***?每秒處理數(shù)（放入令牌數(shù)量）*/private?long?putTokenRate;/***?最后刷新時(shí)間*/private?long?refreshTime;/***?令牌桶容量*/private?long?capacity;/***?當(dāng)前桶內(nèi)令牌數(shù)*/private?long?currentToken?=?0L;/***?漏桶算法*?@return*/boolean?tokenBucketTryAcquire()?{long?currentTime?=?System.currentTimeMillis();??//獲取系統(tǒng)當(dāng)前時(shí)間long?generateToken?=?(currentTime?-?refreshTime)?/?1000?*?putTokenRate;?//生成的令牌?=(當(dāng)前時(shí)間-上次刷新時(shí)間)*?放入令牌的速率currentToken?=?Math.min(capacity,?generateToken?+?currentToken);?//?當(dāng)前令牌數(shù)量?=?之前的桶內(nèi)令牌數(shù)量+放入的令牌數(shù)量refreshTime?=?currentTime;?//?刷新時(shí)間//桶里面還有令牌，請(qǐng)求正常處理if?(currentToken?>?0)?{currentToken--;?//令牌數(shù)量-1return?true;}return?false;}

如果令牌發(fā)放的策略正確，這個(gè)系統(tǒng)即不會(huì)被拖垮，也能提高機(jī)器的利用率。Guava的RateLimiter限流組件，就是基于令牌桶算法實(shí)現(xiàn)的。

參考與感謝

• 來，年輕人！請(qǐng)手?jǐn)]5種常見限流算法！

• 阿里云二面：你對(duì)限流了解多少？

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的详解4种经典的限流算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。