可能要用心学高并发核心编程，限流原理与实战，分布式令牌桶限流
愿天堂没有BUG
共 5991字，需浏览 12分钟
·
2022-03-02 11:30
实战：分布式令牌桶限流
本节介绍的分布式令牌桶限流通过Lua+Java结合完成，首先在Lua脚本中完成限流的计算，然后在Java代码中进行组织和调用。
分布式令牌桶限流Lua脚本
分布式令牌桶限流Lua脚本的核心逻辑和Java令牌桶的执行逻辑类似，只是限流计算相关的统计和时间数据存放于Redis中。
这里将限流的脚本命名为rate_limiter.lua，该脚本既使用Redis存储令牌桶信息，自身又执行于Redis中，所以笔者将该脚本放置于base-redis基础模块中，它的代码如下：
---此脚本的环境：redis内部，不是运行在Nginx内部
---方法：申请令牌
----1：failed
---1：success
---@param key：key限流关键字
---@param apply：申请的令牌数量
local function acquire(key, apply)
local times = redis.call('TIME');
--times[1] 秒数 --times[2] 微秒数
local curr_mill_second = times[1] *1000000 + times[2];
curr_mill_second = curr_mill_second / 1000;
local cacheInfo = redis.pcall("HMGET", key, "last_mill_second", "curr_permits", "max_permits", "rate")
---局部变量：上次申请的时间
local last_mill_second = cacheInfo[1];
---局部变量：之前的令牌数
local curr_permits = tonumber(cacheInfo[2]);
---局部变量：桶的容量
local max_permits = tonumber(cacheInfo[3]);
---局部变量：令牌的发放速率
local rate = cacheInfo[4];
---局部变量：本次的令牌数
local local_curr_permits = max_permits;
if (type(last_mill_second) ~= 'boolean' and last_mill_second ~= nil) then
--计算时间段内的令牌数
local reverse_permits = math.floor(((curr_mill_second - last_mill_second) / 1000) *rate);
--令牌总数
local expect_curr_permits = reverse_permits + curr_permits;
--可以申请的令牌总数
local_curr_permits = math.min(expect_curr_permits, max_permits);
else
--第一次获取令牌
redis.pcall("HSET", key, "last_mill_second", curr_mill_second)
end
local result = -1;
--有足够的令牌可以申请
if (local_curr_permits - apply >= 0) then
--保存剩余的令牌
redis.pcall("HSET", key, "curr_permits", local_curr_permits - apply);
--保存时间，下次令牌获取时使用
redis.pcall("HSET", key, "last_mill_second", curr_mill_second)
--返回令牌获取成功
result = 1;
else
--保存令牌总数
redis.pcall("HSET", key, "curr_permits", local_curr_permits);
--返回令牌获取失败
result = -1;
end
return result
end
---方法：初始化限流器
---1 success
---@param key key
---@param max_permits 桶的容量
---@param rate 令牌的发放速率
local function init(key, max_permits, rate)
local rate_limit_info = redis.pcall("HMGET", key, "last_mill_second", "curr_permits", "max_permits", "rate")
local org_max_permits = tonumber(rate_limit_info[3])
local org_rate = rate_limit_info[4]
if (org_max_permits == nil) or (rate ~= org_rate or max_permits ~= org_max_permits) then
redis.pcall("HMSET", key, "max_permits", max_permits, "rate", rate, "curr_permits", max_permits)
end
return 1;
end
---方法：删除限流Key
local function delete(key)
redis.pcall("DEL", key) return 1;
end
local key = KEYS[1]
local method = ARGV[1]
if method == 'acquire' then
return acquire(key, ARGV[2], ARGV[3])
elseif method == 'init' then
return init(key, ARGV[2], ARGV[3])
elseif method == 'delete' then
return delete(key)
else
--ignore
end该脚本有3个方法，其中两个方法比较重要，分别说明如下：
（1）限流器初始化方法init（key，max_permits，rate），此方法在限流开始时被调用。
（2）限流检测的方法acquire（key，apply），此方法在请求到来时被调用。
Java分布式令牌桶限流
rate_limiter.lua脚本既可以在Java中调用，又可以在Nginx中调用。本小节先介绍其在Java中的使用，第10章再介绍其在Nginx中的使用。
Java分布式令牌桶限流器的实现就是通过Java代码向Redis加载rate_limiter.lua脚本，然后封装其令牌桶初始化方法init（...）和限流监测方法acquire（...），以供外部调用。它的代码如下：
package com.crazymaker.springcloud.standard.ratelimit;
...
/**
*实现：令牌桶限流服务
*create by尼恩 @ 疯狂创客圈
**/
@Slf4j
public class RedisRateLimitImpl implements RateLimitService, InitializingBean
{
/**
*限流器的redis key前缀
*/
private static final String RATE_LIMITER_KEY_PREFIX = "rate_limiter:";
//private ScheduledExecutorService executorService = Executors.newScheduledThreadPool(1);
private RedisRateLimitProperties redisRateLimitProperties;
private RedisTemplate redisTemplate;
//lua脚本的实例
private static RedisScript rateLimiterScript = null;
//lua脚本的类路径
private static String rateLimitLua = "script/rate_limiter.lua";
static
{
//从类路径文件中加载令牌桶lua脚本
String script = IOUtil.loadJarFile(RedisRateLimitImpl.class.getClassLoader(), rateLimitLua);
if (StringUtils.isEmpty(script))
{
log.error("lua script load failed:" + rateLimitLua);
} else
{
//创建Lua脚本实例
rateLimiterScript = new DefaultRedisScript<>(script, Long.class);
}
}
public RedisRateLimitImpl(
RedisRateLimitProperties redisRateLimitProperties,
RedisTemplate redisTemplate)
{
this.redisRateLimitProperties = redisRateLimitProperties;
this.redisTemplate = redisTemplate;
}
private Map<String, LimiterInfo> limiterInfoMap = new HashMap<>();
/**
*限流器的信息
*/
@Builder
@Data
public static class LimiterInfo
{
/**
*限流器的key，如秒杀的id
*/ private String key;
/**
*限流器的类型，如seckill
*/
private String type = "default";
/**
*限流器的最大桶容量
*/
private Integer maxPermits;
/**
*限流器的速率
*/
private Integer rate;
/**
*限流器的redis key
*/
public String fullKey()
{
return RATE_LIMITER_KEY_PREFIX + type + ":" + key;
}
/**
*限流器在map中的缓存key
*/
public String cashKey()
{
return type + ":" + key;
}
}
/**
*限流检测：是否超过redis令牌桶限速器的限制
*
*@param cacheKey计数器的key
*@return true or false
*/
@Override
public Boolean tryAcquire(String cacheKey)
{
if (cacheKey == null)
{
return true;
}
if (cacheKey.indexOf(":") <= 0)
{
cacheKey = "default:" + cacheKey;
}
LimiterInfo limiterInfo = limiterInfoMap.get(cacheKey);
if (limiterInfo == null)
{
return true;
}
Long acquire = (Long) redisTemplate.execute(rateLimiterScript,
ImmutableList.of(limiterInfo.fullKey()),
"acquire",
"1");
if (acquire == 1)
{
return false;
}
return true;
}
/**
*重载方法：限流器初始化
*
*@param limiterInfo限流的类型
*/
public void initLimitKey(LimiterInfo limiterInfo)
{
if (null == rateLimiterScript)
{
return;
}
String maxPermits = limiterInfo.getMaxPermits().toString();
String rate = limiterInfo.getRate().toString();
//执行redis脚本
Long result = (Long) redisTemplate.execute(rateLimiterScript,
ImmutableList.of(limiterInfo.fullKey()),
"init",
maxPermits,
rate); limiterInfoMap.put(limiterInfo.cashKey(), limiterInfo);
}
/**
*限流器初始化
*
*@param type类型
*@param key id
*@param maxPermits上限
*@param rate 速度
*/
public void initLimitKey(String type, String key,
Integer maxPermits, Integer rate)
{
LimiterInfo limiterInfo = LimiterInfo.builder()
.type(type)
.key(key)
.maxPermits(maxPermits)
.rate(rate)
.build();
initLimitKey(limiterInfo);
}
/**
*获取redis lua脚本的sha1编码，并缓存到redis
*/
public String cacheSha1()
{
String sha1 = rateLimiterScript.getSha1();
redisTemplate.opsForValue().set("lua:sha1:rate_limiter", sha1);
return sha1;
}
} Java分布式令牌桶限流的自验证
自验证的工作：首先初始化分布式令牌桶限流器，然后使用两条
线程不断进行限流的检测。自验证的代码如下：
package com.crazymaker.springcloud.ratelimit;
...
@Slf4j
@RunWith(SpringRunner.class)
//指定启动类
@SpringBootTest(classes = {DemoCloudApplication.class})
/**
*redis分布式令牌桶测试类
*/
public class RedisRateLimitTest
{
@Resource(name = "redisRateLimitImpl")
RedisRateLimitImpl limitService;
//线程池，用于多线程模拟测试
private ExecutorService pool = Executors.newFixedThreadPool(10);
@Test
public void testRedisRateLimit()
{
//初始化分布式令牌桶限流器
limitService.initLimitKey(
"seckill", //redis key中的类型
"10000", //redis key中的业务key，比如商品id
2, //桶容量
2); //每秒令牌数
AtomicInteger count = new AtomicInteger();
long start = System.currentTimeMillis();
//线程数
final int threads = 2;
//每条线程的执行轮数
final int turns = 20;
//同步器
CountDownLatch countDownLatch = new CountDownLatch(threads);
for (int i = 0; i < threads; i++)
{
pool.submit(() ->
{
try
{
//每个用户访问turns次
for (int j = 0; j < turns; j++)
{
boolean limited = limitService.tryAcquire
("seckill:10000");
if (limited)
{
count.getAndIncrement();
}
Thread.sleep(200);
}
} catch (Exception e)
{ e.printStackTrace();
}
countDownLatch.countDown();
});
}
try
{
countDownLatch.await();
} catch (InterruptedException e)
{
e.printStackTrace();
}
float time = (System.currentTimeMillis() - start) / 1000F;
//输出统计结果
log.info("限制的次数为：" + count.get() + " 时长为：" + time);
log.info("限制的次数为：" + count.get() +
",通过的次数为：" + (threads *turns - count.get()));
log.info("限制的比例为：" +
(float) count.get() / (float) (threads *turns));
log.info("运行的时长为：" + time);
try
{
Thread.sleep(Integer.MAX_VALUE);
} catch (InterruptedException e)
{
e.printStackTrace();
}
}
}两条线程各运行20次，每一次运行休眠200毫秒，总计耗时4秒，
运行40次，部分输出结果如下：
[main] INFO c.c.s.r.RedisRateLimitTest - 限制的次数为：32 时长为：4.015
[main] INFO c.c.s.r.RedisRateLimitTest - 限制的次数为：32,通过的次数为：8
[main] INFO c.c.s.r.RedisRateLimitTest - 限制的比例为：0.8
[main] INFO c.c.s.r.RedisRateLimitTest - 运行的时长为：4.015大家可以自行调整参数，运行以上自验证程序并观察实验结果，体验一下分布式令牌桶限流的效果。
本文给大家讲解的内容是高并发核心编程，限流原理与实战，实战：分布式令牌桶限流
下篇文章给大家讲解的是高并发核心编程，Spring Cloud+Nginx秒杀实战；
觉得文章不错的朋友可以转发此文关注小编；
感谢大家的支持！
本文就是愿天堂没有BUG给大家分享的内容，大家有收获的话可以分享下，想学习更多的话可以到微信公众号里找我，我等你哦。
评论