服务接口API限流 Rate Limit

一、场景描述

很多做服务接口的人或多或少的遇到这样的场景，由于业务应用系统的负载能力有限，为了防止非预期的请求对系统压力过大而拖垮业务应用系统。

也就是面对大流量时，如何进行流量控制？

服务接口的流量控制策略：分流、降级、限流等。本文讨论下限流策略，虽然降低了服务接口的访问频率和并发量，却换取服务接口和业务应用系统的高可用。

实际场景中常用的限流策略：

Nginx前端限流

按照一定的规则如帐号、IP、系统调用逻辑等在Nginx层面做限流

业务应用系统限流

1、客户端限流

2、服务端限流

数据库限流

红线区，力保数据库

二、常用的限流算法

常用的限流算法由：楼桶算法和令牌桶算法。本文不具体的详细说明两种算法的原理，原理会在接下来的文章中做说明。

1、漏桶算法

漏桶(Leaky Bucket)算法思路很简单,水(请求)先进入到漏桶里,漏桶以一定的速度出水(接口有响应速率),当水流入速度过大会直接溢出(访问频率超过接口响应速率),然后就拒绝请求,可以看出漏桶算法能强行限制数据的传输速率.示意图如下:

可见这里有两个变量,一个是桶的大小,支持流量突发增多时可以存多少的水(burst),另一个是水桶漏洞的大小(rate)。

因为漏桶的漏出速率是固定的参数,所以,即使网络中不存在资源冲突(没有发生拥塞),漏桶算法也不能使流突发(burst)到端口速率.因此,漏桶算法对于存在突发特性的流量来说缺乏效率.

2、令牌桶算法

令牌桶算法(Token Bucket)和 Leaky Bucket 效果一样但方向相反的算法,更加容易理解.随着时间流逝,系统会按恒定1/QPS时间间隔(如果QPS=100,则间隔是10ms)往桶里加入Token(想象和漏洞漏水相反,有个水龙头在不断的加水),如果桶已经满了就不再加了.新请求来临时,会各自拿走一个Token,如果没有Token可拿了就阻塞或者拒绝服务.

　　令牌桶的另外一个好处是可以方便的改变速度. 一旦需要提高速率,则按需提高放入桶中的令牌的速率. 一般会定时(比如100毫秒)往桶中增加一定数量的令牌, 有些变种算法则实时的计算应该增加的令牌的数量.

三、基于Redis功能的实现

简陋的设计思路：假设一个用户（用IP判断）每分钟访问某一个服务接口的次数不能超过10次，那么我们可以在Redis中创建一个键，并此时我们就设置键的过期时间为60秒，每一个用户对此服务接口的访问就把键值加1，在60秒内当键值增加到10的时候，就禁止访问服务接口。在某种场景中添加访问时间间隔还是很有必要的。

1）使用Redis的incr命令，将计数器作为Lua脚本

 local current

 current = redis.call("incr",KEYS[])

 if tonumber(current) ==  then

     redis.call("expire",KEYS[],)

 end

Lua脚本在Redis中运行，保证了incr和expire两个操作的原子性。

2）使用Reids的列表结构代替incr命令

 FUNCTION LIMIT_API_CALL(ip)

 current = LLEN(ip)

 IF current >  THEN

     ERROR "too many requests per second"

 ELSE

     IF EXISTS(ip) == FALSE

         MULTI

             RPUSH(ip,ip)

             EXPIRE(ip,)

         EXEC

     ELSE

         RPUSHX(ip,ip)

     END

     PERFORM_API_CALL()

 END

Rate Limit使用Redis的列表作为容器，LLEN用于对访问次数的检查，一个事物中包含了RPUSH和EXPIRE两个命令，用于在第一次执行计数是创建列表并设置过期时间，

RPUSHX在后续的计数操作中进行增加操作。

四、基于令牌桶算法的实现

令牌桶算法可以很好的支撑突然额流量的变化即满令牌桶数的峰值。

 import java.io.BufferedWriter;

 import java.io.FileOutputStream;

 import java.io.IOException;

 import java.io.OutputStreamWriter;

 import java.util.Random;

 import java.util.concurrent.ArrayBlockingQueue;

 import java.util.concurrent.Executors;

 import java.util.concurrent.ScheduledExecutorService;

 import java.util.concurrent.TimeUnit;

 import java.util.concurrent.locks.ReentrantLock;

 import com.google.common.base.Preconditions;

 import com.netease.datastream.util.framework.LifeCycle;

 public class TokenBucket implements LifeCycle {

 // 默认桶大小个数 即最大瞬间流量是64M

  private static final int DEFAULT_BUCKET_SIZE = 1024 * 1024 * 64;

 // 一个桶的单位是1字节

  private int everyTokenSize = 1;

 // 瞬间最大流量

  private int maxFlowRate;

 // 平均流量

  private int avgFlowRate;

 // 队列来缓存桶数量：最大的流量峰值就是 = everyTokenSize*DEFAULT_BUCKET_SIZE 64M = 1 * 1024 * 1024 * 64

  private ArrayBlockingQueue<Byte> tokenQueue = new ArrayBlockingQueue<Byte>(DEFAULT_BUCKET_SIZE);

 private ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor();

 private volatile boolean isStart = false;

 private ReentrantLock lock = new ReentrantLock(true);

 private static final byte A_CHAR = 'a';

 public TokenBucket() {

  }

 public TokenBucket(int maxFlowRate, int avgFlowRate) {

  this.maxFlowRate = maxFlowRate;

  this.avgFlowRate = avgFlowRate;

  }

 public TokenBucket(int everyTokenSize, int maxFlowRate, int avgFlowRate) {

  this.everyTokenSize = everyTokenSize;

  this.maxFlowRate = maxFlowRate;

  this.avgFlowRate = avgFlowRate;

  }

 public void addTokens(Integer tokenNum) {

 // 若是桶已经满了，就不再家如新的令牌

  for (int i = 0; i < tokenNum; i++) {

  tokenQueue.offer(Byte.valueOf(A_CHAR));

  }

  }

 public TokenBucket build() {

 start();

  return this;

  }

 /**

  * 获取足够的令牌个数

  *

  * @return

  */

  public boolean getTokens(byte[] dataSize) {

 Preconditions.checkNotNull(dataSize);

  Preconditions.checkArgument(isStart, "please invoke start method first !");

 int needTokenNum = dataSize.length / everyTokenSize + 1;// 传输内容大小对应的桶个数

 final ReentrantLock lock = this.lock;

  lock.lock();

  try {

  boolean result = needTokenNum <= tokenQueue.size(); // 是否存在足够的桶数量

  if (!result) {

  return false;

  }

 int tokenCount = 0;

  for (int i = 0; i < needTokenNum; i++) {

  Byte poll = tokenQueue.poll();

  if (poll != null) {

  tokenCount++;

  }

  }

 return tokenCount == needTokenNum;

  } finally {

  lock.unlock();

  }

  }

 @Override

  public void start() {

 // 初始化桶队列大小

  if (maxFlowRate != 0) {

  tokenQueue = new ArrayBlockingQueue<Byte>(maxFlowRate);

  }

 // 初始化令牌生产者

  TokenProducer tokenProducer = new TokenProducer(avgFlowRate, this);

  scheduledExecutorService.scheduleAtFixedRate(tokenProducer, 0, 1, TimeUnit.SECONDS);

  isStart = true;

 }

 @Override

  public void stop() {

  isStart = false;

  scheduledExecutorService.shutdown();

  }

 @Override

  public boolean isStarted() {

  return isStart;

  }

 class TokenProducer implements Runnable {

 private int avgFlowRate;

  private TokenBucket tokenBucket;

 public TokenProducer(int avgFlowRate, TokenBucket tokenBucket) {

  this.avgFlowRate = avgFlowRate;

  this.tokenBucket = tokenBucket;

  }

 @Override

  public void run() {

  tokenBucket.addTokens(avgFlowRate);

  }

  }

 public static TokenBucket newBuilder() {

  return new TokenBucket();

  }

 public TokenBucket everyTokenSize(int everyTokenSize) {

  this.everyTokenSize = everyTokenSize;

  return this;

  }

 public TokenBucket maxFlowRate(int maxFlowRate) {

  this.maxFlowRate = maxFlowRate;

  return this;

  }

 public TokenBucket avgFlowRate(int avgFlowRate) {

  this.avgFlowRate = avgFlowRate;

  return this;

  }

 private String stringCopy(String data, int copyNum) {

 StringBuilder sbuilder = new StringBuilder(data.length() * copyNum);

 for (int i = 0; i < copyNum; i++) {

  sbuilder.append(data);

  }

 return sbuilder.toString();

 }

 public static void main(String[] args) throws IOException, InterruptedException {

 tokenTest();

  }

 private static void arrayTest() {

  ArrayBlockingQueue<Integer> tokenQueue = new ArrayBlockingQueue<Integer>(10);

  tokenQueue.offer(1);

  tokenQueue.offer(1);

  tokenQueue.offer(1);

  System.out.println(tokenQueue.size());

  System.out.println(tokenQueue.remainingCapacity());

  }

 private static void tokenTest() throws InterruptedException, IOException {

  TokenBucket tokenBucket = TokenBucket.newBuilder().avgFlowRate(512).maxFlowRate(1024).build();

 BufferedWriter bufferedWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream("/tmp/ds_test")));

  String data = "xxxx";// 四个字节

  for (int i = 1; i <= 1000; i++) {

 Random random = new Random();

  int i1 = random.nextInt(100);

  boolean tokens = tokenBucket.getTokens(tokenBucket.stringCopy(data, i1).getBytes());

  TimeUnit.MILLISECONDS.sleep(100);

  if (tokens) {

  bufferedWriter.write("token pass --- index:" + i1);

  System.out.println("token pass --- index:" + i1);

  } else {

  bufferedWriter.write("token rejuect --- index" + i1);

  System.out.println("token rejuect --- index" + i1);

  }

 bufferedWriter.newLine();

  bufferedWriter.flush();

  }

 bufferedWriter.close();

  }

 }

参考：

http://xiaobaoqiu.github.io/blog/2015/07/02/ratelimiter/

http://redisdoc.com/string/incr.html

http://www.cnblogs.com/zhengyun_ustc/archive/2012/11/17/topic1.html

由于本人经验有限，文章中难免会有错误，请浏览文章的您指正或有不同的观点共同探讨！

巴特西

服务接口API限流 Rate Limit

最新文章

热门文章