【高併發】億級流量場景下如何實現分散式限流？看完我徹底懂了！！（文末有福利）
阿新 • • 發佈：2020-08-01
## 寫在前面
> 在網際網路應用中，高併發系統會面臨一個重大的挑戰，那就是大量流高併發訪問，比如：天貓的雙十一、京東618、秒殺、搶購促銷等，這些都是典型的大流量高併發場景。關於秒殺，小夥伴們可以參見我的另一篇文章《[【高併發】高併發秒殺系統架構解密，不是所有的秒殺都是秒殺！](https://mp.weixin.qq.com/s?__biz=Mzg3MzE1NTIzNA==&mid=2247484357&idx=1&sn=23e6e38143704db0fa4588186b534e13&chksm=cee51c08f992951e5b883c55b788588f9cbc822e41694b5b4a334ea5d2dc0ae62a5d64e39dc2&token=1388808518&lang=zh_CN#rd)》
>
> 關於【冰河技術】微信公眾號，解鎖更多【高併發】專題文章。
>
> 注意：由於原文篇幅比較長，所以被拆分為：理論、演算法、實戰（HTTP介面實戰+分散式限流實戰）三大部分。
>
>理論篇：《[【高併發】如何實現億級流量下的分散式限流？這些理論你必須掌握！！](https://mp.weixin.qq.com/s?__biz=Mzg3MzE1NTIzNA==&mid=2247485706&idx=1&sn=c7d71c0c6b9b15c3b330766f1083e29c&chksm=cee516c7f9929fd170ce636a63fc3764d5ef62eb7ef67a7601664d3d56b0d04c8759e666bc87&token=378924601&lang=zh_CN#rd)》
>
>演算法篇：《[【高併發】如何實現億級流量下的分散式限流？這些演算法你必須掌握！！](https://mp.weixin.qq.com/s?__biz=Mzg3MzE1NTIzNA==&mid=2247485719&idx=1&sn=8659791a07a55ae4b646679846d0264f&chksm=cee516daf9929fcc33961276715980832d0b2d875cf563121052592141f132dfa31bbd669ebf&token=378924601&lang=zh_CN#rd)》
>
>專案原始碼已提交到github：https://github.com/sunshinelyz/mykit-ratelimiter
本文是在《[【高併發】億級流量場景下如何為HTTP介面限流？看完我懂了！！](https://mp.weixin.qq.com/s?__biz=Mzg3MzE1NTIzNA==&mid=2247485730&idx=1&sn=dd48c84389aae92f0126f1c815f71d20&chksm=cee516eff9929ff932ae3d53928e227492afff5149b34351e2060e0b4d7d6124063cacb52799&token=430998188&lang=zh_CN#rd)》一文的基礎上進行實現，有關專案的搭建可參見《[【高併發】億級流量場景下如何為HTTP介面限流？看完我懂了！！](https://mp.weixin.qq.com/s?__biz=Mzg3MzE1NTIzNA==&mid=2247485730&idx=1&sn=dd48c84389aae92f0126f1c815f71d20&chksm=cee516eff9929ff932ae3d53928e227492afff5149b34351e2060e0b4d7d6124063cacb52799&token=430998188&lang=zh_CN#rd)》一文的內容。小夥伴們可以關注【冰河技術】微信公眾號來閱讀上述文章。
前面介紹的限流方案有一個缺陷就是：它不是全域性的，不是分散式的，無法很好的應對分散式場景下的大流量衝擊。那麼，接下來，我們就介紹下如何實現億級流量下的分散式限流。
分散式限流的關鍵就是需要將限流服務做成全域性的，統一的。可以採用Redis+Lua技術實現，通過這種技術可以實現高併發和高效能的限流。
Lua是一種輕量小巧的指令碼程式語言，用標準的C語言編寫的開源指令碼，其設計的目的是為了嵌入到應用程式中，為應用程式提供靈活的擴充套件和定製功能。
## Redis+Lua指令碼實現分散式限流思路
我們可以使用Redia+Lua指令碼的方式來對我們的分散式系統進行統一的全侷限流，Redis+Lua實現的Lua指令碼：
```lua
local key = KEYS[1] --限流KEY(一秒一個)
local limit = tonumber(ARGV[1]) --限流大小
local current = tonumber(redis.call('get', key) or "0")
if current + 1 > limit then --如果超出限流大小
return 0
else --請求數+1，並設定2秒過期
redis.call("INCRBY", key, "1")
redis.call("expire", key "2")
return 1
end
```
我們可以按照如下的思路來理解上述Lua指令碼程式碼。
（1）在Lua指令碼中，有兩個全域性變數，用來接收Redis應用端傳遞的鍵和其他引數，分別為：KEYS、ARGV；
（2）在應用端傳遞KEYS時是一個數組列表，在Lua指令碼中通過索引下標方式獲取陣列內的值。
（3）在應用端傳遞ARGV時引數比較靈活，可以是一個或多個獨立的引數，但對應到Lua指令碼中統一用ARGV這個陣列接收，獲取方式也是通過陣列下標獲取。
（4）以上操作是在一個Lua指令碼中，又因為我當前使用的是Redis 5.0版本（Redis 6.0支援多執行緒），執行的請求是單執行緒的，因此，Redis+Lua的處理方式是執行緒安全的，並且具有原子性。
這裡，需要注意一個知識點，那就是原子性操作：如果一個操作時不可分割的，是多執行緒安全的，我們就稱為原子性操作。
接下來，我們可以使用如下Java程式碼來判斷是否需要限流。
```java
//List設定Lua的KEYS[1]
String key = "ip:" + System.currentTimeMillis() / 10