zl程序教程

您现在的位置是:首页 >  大数据

当前栏目

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

2023-06-13 09:14:10 时间

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[] * + times[];
 curr_mill_second = curr_mill_second / ; 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[]; ---局部变量:之前的令牌数
 local curr_permits = tonumber(cacheInfo[]); ---局部变量:桶的容量
 local max_permits = tonumber(cacheInfo[]); ---局部变量:令牌的发放速率
 local rate = cacheInfo[]; ---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) / ) *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 >= ) 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 = ; 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 resultend---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[]) local org_rate = rate_limit_info[] 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 ;end---方法:删除限流Keylocal function delete(key)
 redis.pcall("DEL", key) return ;endlocal key = KEYS[]local method = ARGV[]if method == 'acquire' then
 return acquire(key, ARGV[], ARGV[])elseif method == 'init' then
 return init(key, ARGV[], ARGV[])elseif method == 'delete' then
 return delete(key)else
 --ignoreend

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
 **/@Slf4jpublic 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<Long> 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(":") <= )
 {
 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 == )
 { 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(); @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
 , //桶容量
 ); //每秒令牌数
 AtomicInteger count = new AtomicInteger(); long start = System.currentTimeMillis(); //线程数
 final int threads = ; //每条线程的执行轮数
 final int turns = ; //同步器
 CountDownLatch countDownLatch = new CountDownLatch(threads); for (int i = ; i < threads; i++)
 {
 pool.submit(() ->
 { try
 { //每个用户访问turns次
 for (int j = ; j < turns; j++)
 { boolean limited = limitService.tryAcquire
 ("seckill:10000"); if (limited)
 {
 count.getAndIncrement();
 }
 Thread.sleep();
 }
 } 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

  1. 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;
  2. 觉得文章不错的朋友可以转发此文关注小编;
  3. 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。