詳解springboot+aop+Lua分散式限流的最佳實踐
一、什麼是限流?為什麼要限流?
不知道大家有沒有做過帝都的地鐵,就是進地鐵站都要排隊的那種,為什麼要這樣擺長龍轉圈圈?答案就是為了限流
!因為一趟地鐵的運力是有限的,一下擠進去太多人會造成站臺的擁擠、列車的超載,存在一定的安全隱患。同理,我們的程式也是一樣,它處理請求的能力也是有限的,一旦請求多到超出它的處理極限就會崩潰。為了不出現最壞的崩潰情況,只能耽誤一下大家進站的時間。
限流是保證系統高可用的重要手段!!!
由於網際網路公司的流量巨大,系統上線會做一個流量峰值的評估,尤其是像各種秒殺促銷活動,為了保證系統不被巨大的流量壓垮,會在系統流量到達一定閾值時,拒絕掉一部分流量。
限流會導致使用者在短時間內(這個時間段是毫秒級的)系統不可用,一般我們衡量系統處理能力的指標是每秒的QPS
TPS
,假設系統每秒的流量閾值是1000,理論上一秒內有第1001個請求進來時,那麼這個請求就會被限流。
二、限流方案
1、計數器
Java內部也可以通過原子類計數器AtomicInteger
、Semaphore
訊號量來做簡單的限流。
// 限流的個數 private int maxCount = 10; // 指定的時間內 private long interval = 60; // 原子類計數器 private AtomicInteger atomicInteger = new AtomicInteger(0); // 起始時間 private long startTime = System.currentTimeMillis(); public boolean limit(int maxCount,int interval) { atomicInteger.addAndGet(1); if (atomicInteger.get() == 1) { startTime = System.currentTimeMillis(); atomicInteger.addAndGet(1); return true; } // 超過了間隔時間,直接重新開始計數 if (System.currentTimeMillis() - startTime > interval * 1000) { startTime = System.currentTimeMillis(); atomicInteger.set(1); return true; } // 還在間隔時間內,check有沒有超過限流的個數 if (atomicInteger.get() > maxCount) { return false; } return true; }
2、漏桶演算法
漏桶演算法思路很簡單,我們把水比作是請求
,漏桶比作是系統處理能力極限
,水先進入到漏桶裡,漏桶裡的水按一定速率流出,當流出的速率小於流入的速率時,由於漏桶容量有限,後續進入的水直接溢位(拒絕請求),以此實現限流。
3、令牌桶演算法
令牌桶演算法的原理也比較簡單,我們可以理解成醫院的掛號看病,只有拿到號以後才可以進行診病。
系統會維護一個令牌(token
)桶,以一個恆定的速度往桶裡放入令牌(token
),這時如果有請求進來想要被處理,則需要先從桶裡獲取一個令牌(token
),當桶裡沒有令牌(token
)可取時,則該請求將被拒絕服務。令牌桶演算法通過控制桶的容量、發放令牌的速率,來達到對請求的限制。
4、Redis + Lua
很多同學不知道Lua
是啥?個人理解,Lua
指令碼和 MySQL
資料庫的儲存過程比較相似,他們執行一組命令,所有命令的執行要麼全部成功或者失敗,以此達到原子性。也可以把Lua
指令碼理解為,一段具有業務邏輯的程式碼塊。
而Lua
本身就是一種程式語言,雖然redis
官方沒有直接提供限流相應的API
,但卻支援了 Lua
指令碼的功能,可以使用它實現複雜的令牌桶或漏桶演算法,也是分散式系統中實現限流的主要方式之一。
相比Redis
事務,Lua指令碼
的優點:
- 減少網路開銷: 使用Lua指令碼,無需向Redis 傳送多次請求,執行一次即可,減少網路傳輸
- 原子操作:Redis 將整個Lua指令碼作為一個命令執行,原子,無需擔心併發
- 複用:Lua指令碼一旦執行,會永久儲存 Redis 中,,其他客戶端可複用
Lua
指令碼大致邏輯如下:
-- 獲取呼叫指令碼時傳入的第一個key值(用作限流的 key) local key = KEYS[1] -- 獲取呼叫指令碼時傳入的第一個引數值(限流大小) local limit = tonumber(ARGV[1]) -- 獲取當前流量大小 local curentLimit = tonumber(redis.call('get',key) or "0") -- 是否超出限流 if curentLimit + 1 > limit then -- 返回(拒絕) return 0 else -- 沒有超出 value + 1 redis.call("INCRBY",key,1) -- 設定過期時間 redis.call("EXPIRE",2) -- 返回(放行) return 1 end
- 通過KEYS[1] 獲取傳入的key引數
- 通過ARGV[1]獲取傳入的limit引數
- redis.call方法,從快取中get和key相關的值,如果為null那麼就返回0
- 接著判斷快取中記錄的數值是否會大於限制大小,如果超出表示該被限流,返回0
- 如果未超過,那麼該key的快取值+1,並設定過期時間為1秒鐘以後,並返回快取值+1
這種方式是本文推薦的方案,具體實現會在後邊做細說。
5、閘道器層限流
限流常在閘道器這一層做,比如Nginx
、Openresty
、kong
、zuul
、Spring Cloud Gateway
等,而像spring cloud - gateway
閘道器限流底層實現原理,就是基於Redis + Lua
,通過內建Lua
限流指令碼的方式。
三、Redis + Lua 限流實現
下面我們通過自定義註解
、aop
、Redis + Lua
實現限流,步驟會比較詳細,為了小白能讓快速上手這裡囉嗦一點,有經驗的老鳥們多擔待一下。
1、環境準備
springboot
專案建立地址:https://start.spring.io,很方便實用的一個工具。
2、引入依賴包
pom檔案中新增如下依賴包,比較關鍵的就是 spring-boot-starter-data-redis
和 spring-boot-starter-aop
。
<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-aop</artifactId> </dependency> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>21.0</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-lang3</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> <exclusions> <exclusion> <groupId>org.junit.vintage</groupId> <artifactId>junit-vintage-engine</artifactId> </exclusion> </exclusions> </dependency> </dependencies>
3、配置application.properties
在 application.properties
檔案中配置提前搭建好的 redis
服務地址和埠。
spring.redis.host=127.0.0.1 spring.redis.port=6379
4、配置RedisTemplate例項
@Configuration public class RedisLimiterHelper { @Bean public RedisTemplate<String,Serializable> limitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) { RedisTemplate<String,Serializable> template = new RedisTemplate<>(); template.setKeySerializer(new StringRedisSerializer()); template.setValueSerializer(new GenericJackson2JsonRedisSerializer()); template.setConnectionFactory(redisConnectionFactory); return template; } }
限流型別列舉類
/** * @author fu * @description 限流型別 * @date 2020/4/8 13:47 */ public enum LimitType { /** * 自定義key */ CUSTOMER,/** * 請求者IP */ IP; }
5、自定義註解
我們自定義個@Limit
註解,註解型別為ElementType.METHOD
即作用於方法上。
period
表示請求限制時間段,count
表示在period
這個時間段內允許放行請求的次數。limitType
代表限流的型別,可以根據請求的IP
、自定義key
,如果不傳limitType
屬性則預設用方法名作為預設key。
/** * @author fu * @description 自定義限流注解 * @date 2020/4/8 13:15 */ @Target({ElementType.METHOD,ElementType.TYPE}) @Retention(RetentionPolicy.RUNTIME) @Inherited @Documented public @interface Limit { /** * 名字 */ String name() default ""; /** * key */ String key() default ""; /** * Key的字首 */ String prefix() default ""; /** * 給定的時間範圍 單位(秒) */ int period(); /** * 一定時間內最多訪問次數 */ int count(); /** * 限流的型別(使用者自定義key 或者 請求ip) */ LimitType limitType() default LimitType.CUSTOMER; }
6、切面程式碼實現
/** * @author fu * @description 限流切面實現 * @date 2020/4/8 13:04 */ @Aspect @Configuration public class LimitInterceptor { private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class); private static final String UNKNOWN = "unknown"; private final RedisTemplate<String,Serializable> limitRedisTemplate; @Autowired public LimitInterceptor(RedisTemplate<String,Serializable> limitRedisTemplate) { this.limitRedisTemplate = limitRedisTemplate; } /** * @param pjp * @author fu * @description 切面 * @date 2020/4/8 13:04 */ @Around("execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)") public Object interceptor(ProceedingJoinPoint pjp) { MethodSignature signature = (MethodSignature) pjp.getSignature(); Method method = signature.getMethod(); Limit limitAnnotation = method.getAnnotation(Limit.class); LimitType limitType = limitAnnotation.limitType(); String name = limitAnnotation.name(); String key; int limitPeriod = limitAnnotation.period(); int limitCount = limitAnnotation.count(); /** * 根據限流型別獲取不同的key,如果不傳我們會以方法名作為key */ switch (limitType) { case IP: key = getIpAddress(); break; case CUSTOMER: key = limitAnnotation.key(); break; default: key = StringUtils.upperCase(method.getName()); } ImmutableList<String> keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(),key)); try { String luaScript = buildLuaScript(); RedisScript<Number> redisScript = new DefaultRedisScript<>(luaScript,Number.class); Number count = limitRedisTemplate.execute(redisScript,keys,limitCount,limitPeriod); logger.info("Access try count is {} for name={} and key = {}",count,name,key); if (count != null && count.intValue() <= limitCount) { return pjp.proceed(); } else { throw new RuntimeException("You have been dragged into the blacklist"); } } catch (Throwable e) { if (e instanceof RuntimeException) { throw new RuntimeException(e.getLocalizedMessage()); } throw new RuntimeException("server exception"); } } /** * @author fu * @description 編寫 redis Lua 限流指令碼 * @date 2020/4/8 13:24 */ public String buildLuaScript() { StringBuilder lua = new StringBuilder(); lua.append("local c"); lua.append("\nc = redis.call('get',KEYS[1])"); // 呼叫不超過最大值,則直接返回 lua.append("\nif c and tonumber(c) > tonumber(ARGV[1]) then"); lua.append("\nreturn c;"); lua.append("\nend"); // 執行計算器自加 lua.append("\nc = redis.call('incr',KEYS[1])"); lua.append("\nif tonumber(c) == 1 then"); // 從第一次呼叫開始限流,設定對應鍵值的過期 lua.append("\nredis.call('expire',KEYS[1],ARGV[2])"); lua.append("\nend"); lua.append("\nreturn c;"); return lua.toString(); } /** * @author fu * @description 獲取id地址 * @date 2020/4/8 13:24 */ public String getIpAddress() { HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); String ip = request.getHeader("x-forwarded-for"); if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader("Proxy-Client-IP"); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getHeader("WL-Proxy-Client-IP"); } if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) { ip = request.getRemoteAddr(); } return ip; } }
7、控制層實現
我們將@Limit
註解作用在需要進行限流的介面方法上,下邊我們給方法設定@Limit
註解,在10秒
內只允許放行3個
請求,這裡為直觀一點用AtomicInteger
計數。
/** * @Author: fu * @Description: */ @RestController public class LimiterController { private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger(); private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger(); /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "limitTest",period = 10,count = 3) @GetMapping("/limitTest1") public int testLimiter1() { return ATOMIC_INTEGER_1.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "customer_limit_test",count = 3,limitType = LimitType.CUSTOMER) @GetMapping("/limitTest2") public int testLimiter2() { return ATOMIC_INTEGER_2.incrementAndGet(); } /** * @author fu * @description * @date 2020/4/8 13:42 */ @Limit(key = "ip_limit_test",limitType = LimitType.IP) @GetMapping("/limitTest3") public int testLimiter3() { return ATOMIC_INTEGER_3.incrementAndGet(); } }
8、測試
測試預期:連續請求3次均可以成功,第4次請求被拒絕。接下來看一下是不是我們預期的效果,請求地址:http://127.0.0.1:8080/limitTest1
,用postman
進行測試,有沒有postman
url直接貼瀏覽器也是一樣。
可以看到第四次請求時,應用直接拒絕了請求,說明我們的 Springboot + aop + lua 限流方案搭建成功。
總結
以上 springboot + aop + Lua
限流實現是比較簡單的,旨在讓大家認識下什麼是限流?如何做一個簡單的限流功能,面試要知道這是個什麼東西。上面雖然說了幾種實現限流的方案,但選哪種還要結合具體的業務場景,不能為了用而用。
到此這篇關於詳解springboot+aop+Lua分散式限流的最佳實踐的文章就介紹到這了,更多相關springboot+aop+Lua分散式限流內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!