常用限流方式分析 怎么設(shè)計出高并發(fā)限流方案

來源：樓仔

常用限流方式

計數(shù)器

滑動窗口

漏桶

令牌桶

Redis + Lua 分布式限流

聊聊其它

限流對比

什么是限流呢？限流是限制到達(dá)系統(tǒng)的并發(fā)請求數(shù)量，保證系統(tǒng)能夠正常響應(yīng)部分用戶請求，而對于超過限制的流量，則通過拒絕服務(wù)的方式保證整體系統(tǒng)的可用性。

根據(jù)限流作用范圍，可以分為單機(jī)限流和分布式限流 ；根據(jù)限流方式，又分為計數(shù)器、滑動窗口、漏桶和令牌桶限流 ，下面我們對這塊詳細(xì)進(jìn)行講解。

常用限流方式

計數(shù)器

計數(shù)器是一種最簡單限流算法，其原理就是：在一段時間間隔內(nèi)，對請求進(jìn)行計數(shù)，與閥值進(jìn)行比較判斷是否需要限流，一旦到了時間臨界點，將計數(shù)器清零。

這個就像你去坐車一樣，車廂規(guī)定了多少個位置，滿了就不讓上車了，不然就是超載了，被交警叔叔抓到了就要罰款的，如果我們的系統(tǒng)那就不是罰款的事情了，可能直接崩掉了。

程序執(zhí)行邏輯：

可以在程序中設(shè)置一個變量 count，當(dāng)過來一個請求我就將這個數(shù) +1，同時記錄請求時間。

當(dāng)下一個請求來的時候判斷 count 的計數(shù)值是否超過設(shè)定的頻次，以及當(dāng)前請求的時間和第一次請求時間是否在 1 分鐘內(nèi)。

如果在 1 分鐘內(nèi)并且超過設(shè)定的頻次則證明請求過多，后面的請求就拒絕掉。

如果該請求與第一個請求的間隔時間大于計數(shù)周期，且 count 值還在限流范圍內(nèi)，就重置 count。

那么問題來了，如果有個需求對于某個接口 /query 每分鐘最多允許訪問 200 次，假設(shè)有個用戶在第 59 秒的最后幾毫秒瞬間發(fā)送 200 個請求，當(dāng) 59 秒結(jié)束后 Counter 清零了，他在下一秒的時候又發(fā)送 200 個請求。

那么在 1 秒鐘內(nèi)這個用戶發(fā)送了 2 倍的請求，這個是符合我們的設(shè)計邏輯的，這也是計數(shù)器方法的設(shè)計缺陷，系統(tǒng)可能會承受惡意用戶的大量請求，甚至擊穿系統(tǒng)。這種方法雖然簡單，但也有個大問題就是沒有很好的處理單位時間的邊界。

不過說實話，這個計數(shù)引用了鎖，在高并發(fā)場景，這個方式可能不太實用，我建議將鎖去掉，然后將 l.count++ 的邏輯通過原子計數(shù)處理，這樣就可以保證 l.count 自增時不會被多個線程同時執(zhí)行，即通過原子計數(shù)的方式實現(xiàn)限流。

滑動窗口

滑動窗口是針對計數(shù)器存在的臨界點缺陷，所謂滑動窗口（Sliding window）是一種流量控制技術(shù)，這個詞出現(xiàn)在 TCP 協(xié)議中?；瑒哟翱诎压潭〞r間片進(jìn)行劃分，并且隨著時間的流逝，進(jìn)行移動，固定數(shù)量的可以移動的格子，進(jìn)行計數(shù)并判斷閥值。

上圖中我們用紅色的虛線代表一個時間窗口（一分鐘），每個時間窗口有 6 個格子，每個格子是 10 秒鐘。每過 10 秒鐘時間窗口向右移動一格，可以看紅色箭頭的方向。我們?yōu)槊總€格子都設(shè)置一個獨立的計數(shù)器 Counter，假如一個請求在 0:45 訪問了那么我們將第五個格子的計數(shù)器 +1（也是就是 0:40~0:50），在判斷限流的時候需要把所有格子的計數(shù)加起來和設(shè)定的頻次進(jìn)行比較即可。

那么滑動窗口如何解決我們上面遇到的問題呢？來看下面的圖：

當(dāng)用戶在 0:59 秒鐘發(fā)送了 200 個請求就會被第六個格子的計數(shù)器記錄 +200，當(dāng)下一秒的時候時間窗口向右移動了一個，此時計數(shù)器已經(jīng)記錄了該用戶發(fā)送的 200 個請求，所以再發(fā)送的話就會觸發(fā)限流，則拒絕新的請求。

其實計數(shù)器就是滑動窗口啊，只不過只有一個格子而已，所以想讓限流做的更精確只需要劃分更多的格子就可以了，為了更精確我們也不知道到底該設(shè)置多少個格子，格子的數(shù)量影響著滑動窗口算法的精度，依然有時間片的概念，無法根本解決臨界點問題。

漏桶

漏桶算法（Leaky Bucket），原理就是一個固定容量的漏桶，按照固定速率流出水滴。

用過水龍頭都知道，打開龍頭開關(guān)水就會流下滴到水桶里，而漏桶指的是水桶下面有個漏洞可以出水,如果水龍頭開的特別大那么水流速就會過大，這樣就可能導(dǎo)致水桶的水滿了然后溢出。

一個固定容量的桶，有水流進(jìn)來，也有水流出去。對于流進(jìn)來的水來說，我們無法預(yù)計一共有多少水會流進(jìn)來，也無法預(yù)計水流的速度。但是對于流出去的水來說，這個桶可以固定水流出的速率（處理速度），從而達(dá)到流量整形和流量控制的效果。

漏桶算法有以下特點：

漏桶具有固定容量，出水速率是固定常量（流出請求）

如果桶是空的，則不需流出水滴

可以以任意速率流入水滴到漏桶（流入請求）

如果流入水滴超出了桶的容量，則流入的水滴溢出（新請求被拒絕）

漏桶限制的是常量流出速率（即流出速率是一個固定常量值），所以最大的速率就是出水的速率，不能出現(xiàn)突發(fā)流量。

令牌桶

令牌桶算法（Token Bucket）是網(wǎng)絡(luò)流量整形（Traffic Shaping）和速率限制（Rate Limiting）中最常使用的一種算法。典型情況下，令牌桶算法用來控制發(fā)送到網(wǎng)絡(luò)上的數(shù)據(jù)的數(shù)目，并允許突發(fā)數(shù)據(jù)的發(fā)送。

我們有一個固定的桶，桶里存放著令牌（token）。一開始桶是空的，系統(tǒng)按固定的時間（rate）往桶里添加令牌，直到桶里的令牌數(shù)滿，多余的請求會被丟棄。當(dāng)請求來的時候，從桶里移除一個令牌，如果桶是空的則拒絕請求或者阻塞。

令牌桶有以下特點：

令牌按固定的速率被放入令牌桶中

桶中最多存放 B 個令牌，當(dāng)桶滿時，新添加的令牌被丟棄或拒絕

如果桶中的令牌不足 N 個，則不會刪除令牌，且請求將被限流（丟棄或阻塞等待）

令牌桶限制的是平均流入速率 （允許突發(fā)請求，只要有令牌就可以處理，支持一次拿3個令牌，4個令牌...），并允許一定程度突發(fā)流量，所以也是非常常用的限流算法。

Redis + Lua 分布式限流

單機(jī)版限流僅能保護(hù)自身節(jié)點，但無法保護(hù)應(yīng)用依賴的各種服務(wù)，并且在進(jìn)行節(jié)點擴(kuò)容、縮容時也無法準(zhǔn)確控制整個服務(wù)的請求限制。

而分布式限流，以集群為維度，可以方便的控制這個集群的請求限制，從而保護(hù)下游依賴的各種服務(wù)資源。

分布式限流最關(guān)鍵的是要將限流服務(wù)做成原子化 ，我們可以借助 Redis 的計數(shù)器，Lua 執(zhí)行的原子性，進(jìn)行分布式限流，大致的 Lua 腳本代碼如下：

localkey="rate.limit:"..KEYS[1]--限流KEY

locallimit=tonumber(ARGV[1])--限流大小

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

ifcurrent+1>limitthen--如果超出限流大小

return0

else--請求數(shù)+1，并設(shè)置1秒過期

redis.call("INCRBY",key,"1")

redis.call("expire",key,"1")

returncurrent+1

end

限流邏輯（Java 語言）：

publicstaticbooleanaccquire()throwsIOException,URISyntaxException{

Jedisjedis=newJedis("127.0.0.1");

FileluaFile=newFile(RedisLimitRateWithLUA.class.getResource("/").toURI().getPath()+"limit.lua");

StringluaScript=FileUtils.readFileToString(luaFile);



Stringkey="ip:"+System.currentTimeMillis()/1000;//當(dāng)前秒

Stringlimit="5";//最大限制

Listkeys=newArrayList();

keys.add(key);

Listargs=newArrayList();

args.add(limit);

Longresult=(Long)(jedis.eval(luaScript,keys,args));//執(zhí)行l(wèi)ua腳本，傳入?yún)?shù)

returnresult==1;

}

聊聊其它

上面的限流方式，主要是針對服務(wù)器進(jìn)行限流，我們也可以對容器進(jìn)行限流，比如 Tomcat、Nginx 等限流手段。

Tomcat 可以設(shè)置最大線程數(shù)（maxThreads），當(dāng)并發(fā)超過最大線程數(shù)會排隊等待執(zhí)行；而 Nginx 提供了兩種限流手段：一是控制速率，二是控制并發(fā)連接數(shù)。

對于 Java 語言，我們其實有相關(guān)的限流組件，比如大家常用的 RateLimiter，其實就是基于令牌桶算法 ，大家知道為什么唯獨選用令牌桶么？

在實際的限流場景中，我們也可以控制單個 IP、城市、渠道、設(shè)備 id、用戶 id 等在一定時間內(nèi)發(fā)送的請求數(shù)；如果是開放平臺，需要為每個 appkey 設(shè)置獨立的訪問速率規(guī)則。

限流對比

下面我們就對常用的線程策略，總結(jié)它們的優(yōu)缺點，便于以后選型。

計數(shù)器：

優(yōu)點：固定時間段計數(shù)，實現(xiàn)簡單，適用不太精準(zhǔn)的場景；

缺點：對邊界沒有很好處理，導(dǎo)致限流不能精準(zhǔn)控制。

滑動窗口：

優(yōu)點：將固定時間段分塊，時間比“計數(shù)器”復(fù)雜，適用于稍微精準(zhǔn)的場景；

缺點：實現(xiàn)稍微復(fù)雜，還是不能徹底解決“計數(shù)器”存在的邊界問題。

漏桶：

優(yōu)點：可以很好的控制消費頻率；

缺點：實現(xiàn)稍微復(fù)雜，單位時間內(nèi)，不能多消費，感覺不太靈活。

令牌桶：

優(yōu)點：可以解決“漏桶”不能靈活消費的問題，又能避免過渡消費，強烈推薦；

缺點：實現(xiàn)稍微復(fù)雜，其它缺點沒有想到。

Redis + Lua 分布式限流：

優(yōu)點：支持分布式限流，有效保護(hù)下游依賴的服務(wù)資源；

缺點：依賴 Redis，對邊界沒有很好處理，導(dǎo)致限流不能精準(zhǔn)控制。