在電商高并發(fā)場(chǎng)景下，我們經(jīng)常會(huì)使用一些常用方法，去應(yīng)對(duì)流量高峰，比如限流、熔斷、降級(jí)，今天我們聊聊限流。

什么是限流呢？限流是限制到達(dá)系統(tǒng)的并發(fā)請(qǐng)求數(shù)量，保證系統(tǒng)能夠正常響應(yīng)部分用戶請(qǐng)求，而對(duì)于超過限制的流量，則通過拒絕服務(wù)的方式保證整體系統(tǒng)的可用性。

根據(jù)限流作用范圍，可以分為單機(jī)限流和分布式限流；根據(jù)限流方式，又分為計(jì)數(shù)器、滑動(dòng)窗口、漏桶限令牌桶限流，下面我們對(duì)這塊詳細(xì)進(jìn)行講解。

常用限流方式

計(jì)數(shù)器

計(jì)數(shù)器是一種最簡(jiǎn)單限流算法，其原理就是：在一段時(shí)間間隔內(nèi)，對(duì)請(qǐng)求進(jìn)行計(jì)數(shù)，與閥值進(jìn)行比較判斷是否需要限流，一旦到了時(shí)間臨界點(diǎn)，將計(jì)數(shù)器清零。

這個(gè)就像你去坐車一樣，車廂規(guī)定了多少個(gè)位置，滿了就不讓上車了，不然就是超載了，被交警叔叔抓到了就要罰款的，如果我們的系統(tǒng)那就不是罰款的事情了，可能直接崩掉了。

程序執(zhí)行邏輯：

• 可以在程序中設(shè)置一個(gè)變量 count，當(dāng)過來一個(gè)請(qǐng)求我就將這個(gè)數(shù) 1，同時(shí)記錄請(qǐng)求時(shí)間。
• 當(dāng)下一個(gè)請(qǐng)求來的時(shí)候判斷 count 的計(jì)數(shù)值是否超過設(shè)定的頻次，以及當(dāng)前請(qǐng)求的時(shí)間和第一次請(qǐng)求時(shí)間是否在 1 分鐘內(nèi)。
• 如果在 1 分鐘內(nèi)并且超過設(shè)定的頻次則證明請(qǐng)求過多，后面的請(qǐng)求就拒絕掉。
• 如果該請(qǐng)求與第一個(gè)請(qǐng)求的間隔時(shí)間大于計(jì)數(shù)周期，且 count 值還在限流范圍內(nèi)，就重置 count。

那么問題來了，如果有個(gè)需求對(duì)于某個(gè)接口 /query 每分鐘最多允許訪問 200 次，假設(shè)有個(gè)用戶在第 59 秒的最后幾毫秒瞬間發(fā)送 200 個(gè)請(qǐng)求，當(dāng) 59 秒結(jié)束后 Counter 清零了，他在下一秒的時(shí)候又發(fā)送 200 個(gè)請(qǐng)求。

那么在 1 秒鐘內(nèi)這個(gè)用戶發(fā)送了 2 倍的請(qǐng)求，這個(gè)是符合我們的設(shè)計(jì)邏輯的，這也是計(jì)數(shù)器方法的設(shè)計(jì)缺陷，系統(tǒng)可能會(huì)承受惡意用戶的大量請(qǐng)求，甚至擊穿系統(tǒng)。這種方法雖然簡(jiǎn)單，但也有個(gè)大問題就是沒有很好的處理單位時(shí)間的邊界。

不過說實(shí)話，這個(gè)計(jì)數(shù)引用了鎖，在高并發(fā)場(chǎng)景，這個(gè)方式可能不太實(shí)用，我建議將鎖去掉，然后將 l.count 的邏輯通過原子計(jì)數(shù)處理，這樣就可以保證 l.count 自增時(shí)不會(huì)被多個(gè)線程同時(shí)執(zhí)行，即通過原子計(jì)數(shù)的方式實(shí)現(xiàn)限流。

為了不影響閱讀，代碼詳見：github.com/lml20070115…

滑動(dòng)窗口

滑動(dòng)窗口是針對(duì)計(jì)數(shù)器存在的臨界點(diǎn)缺陷，所謂滑動(dòng)窗口（Sliding window）是一種流量控制技術(shù)，這個(gè)詞出現(xiàn)在 TCP 協(xié)議中?；瑒?dòng)窗口把固定時(shí)間片進(jìn)行劃分，并且隨著時(shí)間的流逝，進(jìn)行移動(dòng)，固定數(shù)量的可以移動(dòng)的格子，進(jìn)行計(jì)數(shù)并判斷閥值。

上圖中我們用紅色的虛線代表一個(gè)時(shí)間窗口（一分鐘），每個(gè)時(shí)間窗口有 6 個(gè)格子，每個(gè)格子是 10 秒鐘。每過 10 秒鐘時(shí)間窗口向右移動(dòng)一格，可以看紅色箭頭的方向。我們?yōu)槊總€(gè)格子都設(shè)置一個(gè)獨(dú)立的計(jì)數(shù)器 Counter，假如一個(gè)請(qǐng)求在 0:45 訪問了那么我們將第五個(gè)格子的計(jì)數(shù)器 1（也是就是 0:40~0:50），在判斷限流的時(shí)候需要把所有格子的計(jì)數(shù)加起來和設(shè)定的頻次進(jìn)行比較即可。

那么滑動(dòng)窗口如何解決我們上面遇到的問題呢？來看下面的圖：

當(dāng)用戶在 0:59 秒鐘發(fā)送了 200 個(gè)請(qǐng)求就會(huì)被第六個(gè)格子的計(jì)數(shù)器記錄 200，當(dāng)下一秒的時(shí)候時(shí)間窗口向右移動(dòng)了一個(gè)，此時(shí)計(jì)數(shù)器已經(jīng)記錄了該用戶發(fā)送的 200 個(gè)請(qǐng)求，所以再發(fā)送的話就會(huì)觸發(fā)限流，則拒絕新的請(qǐng)求。

其實(shí)計(jì)數(shù)器就是滑動(dòng)窗口啊，只不過只有一個(gè)格子而已，所以想讓限流做的更精確只需要?jiǎng)澐指嗟母褡泳涂梢粤?，為了更精確我們也不知道到底該設(shè)置多少個(gè)格子，格子的數(shù)量影響著滑動(dòng)窗口算法的精度，依然有時(shí)間片的概念，無法根本解決臨界點(diǎn)問題。

為了不影響閱讀，代碼詳見：github.com/RussellLuo/…

漏桶

漏桶算法（Leaky Bucket），原理就是一個(gè)固定容量的漏桶，按照固定速率流出水滴。

用過水龍頭都知道，打開龍頭開關(guān)水就會(huì)流下滴到水桶里，而漏桶指的是水桶下面有個(gè)漏洞可以出水,如果水龍頭開的特別大那么水流速就會(huì)過大，這樣就可能導(dǎo)致水桶的水滿了然后溢出。

圖片如果看不清，可單擊圖片并放大。

一個(gè)固定容量的桶，有水流進(jìn)來，也有水流出去。對(duì)于流進(jìn)來的水來說，我們無法預(yù)計(jì)一共有多少水會(huì)流進(jìn)來，也無法預(yù)計(jì)水流的速度。但是對(duì)于流出去的水來說，這個(gè)桶可以固定水流出的速率（處理速度），從而達(dá)到流量整形和流量控制的效果。

漏桶算法有以下特點(diǎn)：

• 漏桶具有固定容量，出水速率是固定常量（流出請(qǐng)求）
• 如果桶是空的，則不需流出水滴
• 可以以任意速率流入水滴到漏桶（流入請(qǐng)求）
• 如果流入水滴超出了桶的容量，則流入的水滴溢出（新請(qǐng)求被拒絕）

漏桶限制的是常量流出速率（即流出速率是一個(gè)固定常量值），所以最大的速率就是出水的速率，不能出現(xiàn)突發(fā)流量。

為了不影響閱讀，代碼詳見：github.com/lml20070115…

令牌桶

令牌桶算法（Token Bucket）是網(wǎng)絡(luò)流量整形（Traffic Shaping）和速率限制（Rate Limiting）中最常使用的一種算法。典型情況下，令牌桶算法用來控制發(fā)送到網(wǎng)絡(luò)上的數(shù)據(jù)的數(shù)目，并允許突發(fā)數(shù)據(jù)的發(fā)送。

圖片如果看不清，可單擊圖片并放大。

我們有一個(gè)固定的桶，桶里存放著令牌（token）。一開始桶是空的，系統(tǒng)按固定的時(shí)間（rate）往桶里添加令牌，直到桶里的令牌數(shù)滿，多余的請(qǐng)求會(huì)被丟棄。當(dāng)請(qǐng)求來的時(shí)候，從桶里移除一個(gè)令牌，如果桶是空的則拒絕請(qǐng)求或者阻塞。

令牌桶有以下特點(diǎn)：

• 令牌按固定的速率被放入令牌桶中
• 桶中最多存放 B 個(gè)令牌，當(dāng)桶滿時(shí)，新添加的令牌被丟棄或拒絕
• 如果桶中的令牌不足 N 個(gè)，則不會(huì)刪除令牌，且請(qǐng)求將被限流（丟棄或阻塞等待）

令牌桶限制的是平均流入速率（允許突發(fā)請(qǐng)求，只要有令牌就可以處理，支持一次拿3個(gè)令牌，4個(gè)令牌...），并允許一定程度突發(fā)流量，所以也是非常常用的限流算法。

為了不影響閱讀，代碼詳見：github.com/lml20070115…

Redis Lua 分布式限流

單機(jī)版限流僅能保護(hù)自身節(jié)點(diǎn)，但無法保護(hù)應(yīng)用依賴的各種服務(wù)，并且在進(jìn)行節(jié)點(diǎn)擴(kuò)容、縮容時(shí)也無法準(zhǔn)確控制整個(gè)服務(wù)的請(qǐng)求限制。

而分布式限流，以集群為維度，可以方便的控制這個(gè)集群的請(qǐng)求限制，從而保護(hù)下游依賴的各種服務(wù)資源。

分布式限流最關(guān)鍵的是要將限流服務(wù)做成原子化，我們可以借助 Redis 的計(jì)數(shù)器，Lua 執(zhí)行的原子性，進(jìn)行分布式限流，大致的 Lua 腳本代碼如下：

限流邏輯（Java 語言）：

public static boolean accquire() throws IOException, URISyntaxException {    Jedis jedis = new Jedis('127.0.0.1');    File luaFile = new File(RedisLimitRateWithLUA.class.getResource('/').toURI().getPath()   'limit.lua');    String luaScript = FileUtils.readFileToString(luaFile);    String key = 'ip:'   System.currentTimeMillis()/1000; // 當(dāng)前秒    String limit = '5'; // 最大限制    List<String> keys = new ArrayList<String>();    keys.add(key);    List<String> args = new ArrayList<String>();    args.add(limit);    Long result = (Long)(jedis.eval(luaScript, keys, args)); // 執(zhí)行l(wèi)ua腳本，傳入?yún)?shù)    return result == 1;}復(fù)制代碼

聊聊其它

上面的限流方式，主要是針對(duì)服務(wù)器進(jìn)行限流，我們也可以對(duì)容器進(jìn)行限流，比如 Tomcat、Nginx 等限流手段。

Tomcat 可以設(shè)置最大線程數(shù)（maxThreads），當(dāng)并發(fā)超過最大線程數(shù)會(huì)排隊(duì)等待執(zhí)行；而 Nginx 提供了兩種限流手段：一是控制速率，二是控制并發(fā)連接數(shù)。

對(duì)于 Java 語言，我們其實(shí)有相關(guān)的限流組件，比如大家常用的 RateLimiter，其實(shí)就是基于令牌桶算法，大家知道為什么唯獨(dú)選用令牌桶么？

對(duì)于 Go 語言，也有該語言特定的限流方式，比如可以通過 channel 實(shí)現(xiàn)并發(fā)控制限流，也支持第三方庫(kù) httpserver 實(shí)現(xiàn)限流，詳見這篇 《Go 限流的常見方法》。

在實(shí)際的限流場(chǎng)景中，我們也可以控制單個(gè) IP、城市、渠道、設(shè)備 id、用戶 id 等在一定時(shí)間內(nèi)發(fā)送的請(qǐng)求數(shù)；如果是開放平臺(tái)，需要為每個(gè) appkey 設(shè)置獨(dú)立的訪問速率規(guī)則。

限流對(duì)比

下面我們就對(duì)常用的線程策略，總結(jié)它們的優(yōu)缺點(diǎn)，便于以后選型。

計(jì)數(shù)器：

• 優(yōu)點(diǎn)：固定時(shí)間段計(jì)數(shù)，實(shí)現(xiàn)簡(jiǎn)單，適用不太精準(zhǔn)的場(chǎng)景；
• 缺點(diǎn)：對(duì)邊界沒有很好處理，導(dǎo)致限流不能精準(zhǔn)控制。

滑動(dòng)窗口：

• 優(yōu)點(diǎn)：將固定時(shí)間段分塊，時(shí)間比“計(jì)數(shù)器”復(fù)雜，適用于稍微精準(zhǔn)的場(chǎng)景；
• 缺點(diǎn)：實(shí)現(xiàn)稍微復(fù)雜，還是不能徹底解決“計(jì)數(shù)器”存在的邊界問題。

漏桶：

• 優(yōu)點(diǎn)：可以很好的控制消費(fèi)頻率；
• 缺點(diǎn)：實(shí)現(xiàn)稍微復(fù)雜，單位時(shí)間內(nèi)，不能多消費(fèi)，感覺不太靈活。

令牌桶：

• 優(yōu)點(diǎn)：可以解決“漏桶”不能靈活消費(fèi)的問題，又能避免過渡消費(fèi)，強(qiáng)烈推薦；
• 缺點(diǎn)：實(shí)現(xiàn)稍微復(fù)雜，其它缺點(diǎn)沒有想到。

Redis Lua 分布式限流：

• 優(yōu)點(diǎn)：支持分布式限流，有效保護(hù)下游依賴的服務(wù)資源；
• 缺點(diǎn)：依賴 Redis，對(duì)邊界沒有很好處理，導(dǎo)致限流不能精準(zhǔn)控制。

作者：樓仔
鏈接：
https:///post/7145435951899574302