限流浅析

前言

我们每个系统在做压测的时候，都有一个处理峰值，当接近峰值继续接受请求的时候，会导致整个系统响应缓慢；为了保护系统，需要拒绝处理过载的请求，这就是我们下面介绍的限流，通过设定一个峰值阈值，限制请求达到这个峰值，以此来保护系统；我们常见的一些中间件比如tomcat，mysql，redis等等都有类似的限制。

限流算法

做限流的时候我们有一些常用的限流算法包括：计数器限流，令牌桶限流，漏桶限流；

• 1.令牌桶限流

令牌桶算法的原理是系统以一定速率向桶中放入令牌，填满了就丢弃令牌；请求来时会先从桶中取出令牌，如果能取到令牌，则可以继续完成请求，否则等待或者拒绝服务；令牌桶允许一定程度突发流量，只要有令牌就可以处理，支持一次拿多个令牌；

• 2.漏桶限流

漏桶算法的原理是按照固定常量速率流出请求，流入请求速率任意，当请求数超过桶的容量时，新的请求等待或者拒绝服务；可以看出漏桶算法可以强制限制数据的传输速度；

• 3.计数器限流

计数器是一种比较简单粗暴的算法，主要用来限制总并发数，比如数据库连接池、线程池、秒杀的并发数；计数器限流只要一定时间内的总请求数超过设定的阀值则进行限流；

如何限流

了解了限流算法之后，我们需要知道在什么地方限流，以及如何限流；对于一个系统来说我们常常可以在接入层进行限流，这个大部分情况下可以直接使用nginx，OpenResty等中间件直接处理；也可以在业务层进行限流，这个需要根据我们不同的业务需求使用相关的限流算法来处理。

业务层限流

对于业务层我们可能是单节点的，也可能是多节点用户绑定的，也可能是多节点无绑定的；这时候我们就要区分是进程内的限流还是需要分布式限流。

进程内限流

对于进程内限流相对来说还是比较简单的，guava是我们经常使用的利器，下面分别看看如何限制接口的总并发量，某个时间窗口的请求数，以及使用令牌桶和漏桶算法更加平滑的限流；

• 限制接口的总并发量

只需要配置一个总并发量，然后使用一个计算器记录每次请求，然后和总并发量比较即可：

private static int max = 10; private static AtomicInteger limiter = new AtomicInteger(); if (limiter.incrementAndGet() > max){ System.err.println("超过最大限制数"); return; }

• 限制时间窗口请求数

限制某个接口在指定时间之内的请求量，可以使用guava的cache来缓存计数器，然后再设置过期时间；比如下面设置每分钟最大请求为100：

LoadingCache<Long, AtomicLong> counter = CacheBuilder.newBuilder().expireAfterWrite(1, TimeUnit.MINUTES).build(new CacheLoader<Long, AtomicLong>() { @Override public AtomicLong load(Long key) throws Exception { return new AtomicLong(0); } }); private static int max = 100; long curMinutes = System.currentTimeMillis() / 1000 * 60; if (counter.get(curMinutes).incrementAndGet() > max) { System.err.println("时间窗口请求数超过上限"); return; }

过期时间为一分钟，每分钟自动清零；这种处理方式可能会出现超限的情况，比如前59秒都没有消息，到60的时候一下子来了200条消息，这时候先接受了100条消息，刚好到期计数器清0，然后又接受了100条消息；这种情况可以参考TCP的滑动窗口思路来解决。

• 平滑限流请求

计数器的方式还是比较粗暴的，令牌桶和漏桶限流这两种算法相对来说还是比较平滑的，可以直接使用guava提供的RateLimiter类：

RateLimiter limiter = RateLimiter.create(2); System.out.println(limiter.acquire(4)); System.out.println(limiter.acquire()); System.out.println(limiter.acquire()); System.out.println(limiter.acquire(2)); System.out.println(limiter.acquire()); System.out.println(limiter.acquire());

create(2)表示桶容量为2并且每秒新增2个令牌，也就是500毫秒新增一个令牌，acquire()表示从里面获取一个令牌，返回值为等待的时间，输出结果如下：

0.0 1.998633 0.49644 0.500224 0.999335 0.500186

可以看到此算法是允许一定突发情况的，第一次获取4个令牌等待时间为0，后面再获取需要等待2秒才可以，后面每次获取需要500毫秒。

分布式限流

现在大部分系统都采用了多节点部署，所以一个业务可能在多个进程内被处理，所以这时候分布式限流必不可少，比如常见的秒杀系统，可能同时有N台业务逻辑节点；
常规的做法是使用Redis+lua和OpenResty+lua来实现，将限流服务做成原子化，同时也要保证高性能；Redis和OpenResty都已高性能著称，同时也提供了原子化方案，具体如下所示；

• Redis+lua

Redis在服务端对消息的处理是单线程的，同时支持lua脚本的执行，可以将限流的相关逻辑用lua脚本实现，来保证原子性，大体实现如下：

-- 限流 key local key = KEYS[1] -- 限流大小 local limit = tonumber(ARGV[1]) -- 过期时间 local expire = tonumber(ARGV[2]) local current = tonumber(redis.call('get',key) or "0") if current + 1 > limit then return 0; else redis.call("INCRBY", key, 1) redis.call("EXPIRE", key, expire) return current + 1 end

以上使用计数器算法来实现限流，在调用lua的地方可以传入限流key，限流大小以及key的有效期；返回结果如果为0表示超出限流大小，否则返回当前累计的值。

• OpenResty+lua

OpenResty核心就是nginx，但是在这个基础之上加了很多第三方模块，ngx_lua模块将lua嵌入到了nginx中，使得nginx可以作为一个web服务器来使用；还有其他常用的开发模块如：lua-resty-lock，lua-resty-limit-traffic，lua-resty-memcached，lua-resty-mysql，lua-resty-redis等等；
本小节我们先使用lua-resty-lock模块来实现一个简单计数器限流，相关lua代码如下：

local locks = require "resty.lock"; local function acquire() local lock = locks:new("locks"); local elapsed, err = lock:lock("limit_key"); local limit_counter = ngx.shared.limit_counter; --获取客户端ip local key = ngx.var.remote_addr; --限流大小 local limit = 5; local current = limit_counter:get(key); --打印key和当前值 ngx.say("key="..key..",value="..tostring(current)); if current ~= nil and current + 1 > limit then lock:unlock(); return 0; end if current == nil then limit_counter:set(key,1,5); --设置过期时间为5秒 else limit_counter:incr(key,1); end lock:unlock(); return 1; end

以上是一个对ip进行限流的实例，因为需要保证原子性，所以使用了resty.lock模块，同时也类似redis设置了过期时间重置，另外一点需要注意对锁的释放；还需要设置两个共享字典

http { ...  #lua_shared_dict <name> <size> 定义一块名为name的共享内存空间，内存大小为size; 通过该命令定义的共享内存对象对于Nginx中所有worker进程都是可见的 lua_shared_dict locks 10m; lua_shared_dict limit_counter 10m; }

接入层限流

接入层通常就是流量入口处，Nginx被很多系统用作流量入口，当然OpenResty也不例外，而且OpenResty提供了更强大的功能，比如这里将要介绍的lua-resty-limit-traffic模块，是一个功能强大的限流模块；在使用lua-resty-limit-traffic之前我们先大致看一下如何使用OpenResty；

OpenResty安装使用

• 下载安装配置

直接去官方下载即可：http://openresty.org/en/download.html，启动，重载，停止命令如下：

nginx.exe nginx.exe -s reload nginx.exe -s stop

打开ip+端口，可以看到：Welcome to OpenResty! 即表示启动成功；

• lua脚本实例

首先需要在nginx.conf的http目录下做如下配置：

http { ... lua_package_path "/lualib/?.lua;;"; #lua 模块  lua_package_cpath "/lualib/?.so;;"; #c模块  include lua.conf; #导入自定义lua配置文件 }

这里自定义了一个lua.conf，有关lua的请求都在这里面配置，放在和nginx.conf一个路径下即可；已一个test.lua为例，lua.conf配置如下：

#lua.conf  server { charset utf-8; #设置编码 listen 8081; server_name _; location /test { default_type 'text/html'; content_by_lua_file lua/api/test.lua; } }

这里把所有的lua文件都放在lua/api目录下，比如一个最简单的hello world：

ngx.say("hello world");

lua-resty-limit-traffic模块

lua-resty-limit-traffic提供了限制最大并发连接数，时间窗口请求数，以及平滑限制请求数三种方式，分别对应：resty.limit.conn，resty.limit.count，resty.limit.req；相关文档可以直接在pod/lua-resty-limit-traffic中找到，里面有完整的实例；

以下会用到三个共享字典，事先在http下配置：

http { lua_shared_dict my_limit_conn_store 100m; lua_shared_dict my_limit_count_store 100m; lua_shared_dict my_limit_req_store 100m; }

• 限制最大并发连接数

提供的resty.limit.conn限制最大连接数，具体脚本如下：

local limit_conn = require "resty.limit.conn" --B<syntax:> C<obj, err = class.new(shdict_name, conn, burst, default_conn_delay)> local lim, err = limit_conn.new("my_limit_conn_store", 1, 0, 0.5) if not lim then ngx.log(ngx.ERR, "failed to instantiate a resty.limit.conn object: ", err) return ngx.exit(500) end local key = ngx.var.binary_remote_addr local delay, err = lim:incoming(key, true) if not delay then if err == "rejected" then return ngx.exit(502) end ngx.log(ngx.ERR, "failed to limit req: ", err) return ngx.exit(500) end if lim:is_committed() then local ctx = ngx.ctx ctx.limit_conn = lim ctx.limit_conn_key = key ctx.limit_conn_delay = delay end local conn = err if delay >= 0.001 then ngx.sleep(delay) end

new()参数分别是：字典名称，允许的最大并发请求数，允许的突发连接数，连接延迟；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，否则就直接运行；
返回值：如果请求不超过方法中指定的conn值，则此方法返回0作为延迟以及当前时间的并发请求（或连接）数；

• 限制时间窗口请求数

提供的resty.limit.count可以限制一定请求数在一个时间窗口内，具体脚本如下：

local limit_count = require "resty.limit.count" --B<syntax:> C<obj, err = class.new(shdict_name, count, time_window)> --速率限制在20/10s local lim, err = limit_count.new("my_limit_count_store", 20, 10) if not lim then ngx.log(ngx.ERR, "failed to instantiate a resty.limit.count object: ", err) return ngx.exit(500) end local local key = ngx.var.binary_remote_addr --B<syntax:> C<delay, err = obj:incoming(key, commit)> local delay, err = lim:incoming(key, true) if not delay then if err == "rejected" then return ngx.exit(503) end ngx.log(ngx.ERR, "failed to limit count: ", err) return ngx.exit(500) end

new()中指定的三个参数分别是：字典名称，指定的请求阈值，请求个数复位前的窗口时间，以秒为单位；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，否则就直接运行；
返回值：如果请求数在限制范围内，则返回当前请求被处理的延迟和将被处理的请求的剩余数；

• 平滑限制请求数

提供的resty.limit.req可以已更加平滑的方式限制请求，具体脚本如下：

local limit_req = require "resty.limit.req" --B<syntax:> C<obj, err = class.new(shdict_name, rate, burst)> --限制在200个请求/秒以下，给与100个请求/秒的突发请求；也就说每秒请求最大可以200-300之间，超出300报错 local lim, err = limit_req.new("my_limit_req_store", 200, 100) if not lim then ngx.log(ngx.ERR, "failed to instantiate a resty.limit.req object: ", err) return ngx.exit(500) end local key = ngx.var.binary_remote_addr local delay, err = lim:incoming(key, true) if not delay then if err == "rejected" then return ngx.exit(503) end ngx.log(ngx.ERR, "failed to limit req: ", err) return ngx.exit(500) end if delay >= 0.001 then local excess = err ngx.sleep(delay) end

new()三个参数分别是：字典名称，请求速率（每秒数）阈值，每秒允许延迟的过多请求数；
incoming()中commit是一个布尔值，当为true时表示记录当前请求的数量，否则就直接运行，可以理解为一个开关；
返回值：如果请求数在限制范围内，则此方法返回0作为当前时间的延迟和每秒过多请求的（零）个数；

更多可以直接查看官方文档：pod/lua-resty-limit-traffic目录下

总结

本文首先介绍了常见的限流算法，然后介绍在业务层进程内和分布式应用分别是如何进行限流的，最后接入层通过OpenResty的lua-resty-limit-traffic模块进行限流。

感谢关注

可以关注微信公众号「 回滚吧代码」，第一时间阅读，文章持续更新；专注Java源码、架构、算法和面试。