SpringBoot 進行限流的操作方法

大傢好,我是飄渺。SpringBoot老鳥系列的文章已經寫瞭四篇,每篇的閱讀反響都還不錯,那今天繼續給大傢帶來老鳥系列的第五篇,來聊聊在SpringBoot項目中如何對接口進行限流,有哪些常見的限流算法,如何優雅的進行限流(基於AOP)。

首先就讓我們來看看為什麼需要對接口進行限流?

為什麼要進行限流?

因為互聯網系統通常都要面對大並發大流量的請求,在突發情況下(最常見的場景就是秒殺、搶購),瞬時大流量會直接將系統打垮,無法對外提供服務。那為瞭防止出現這種情況最常見的解決方案之一就是限流,當請求達到一定的並發數或速率,就進行等待、排隊、降級、拒絕服務等。

例如,12306購票系統,在面對高並發的情況下,就是采用瞭限流。 在流量高峰期間經常會出現提示語;“當前排隊人數較多,請稍後再試!”

什麼是限流?有哪些限流算法?

限流是對某一時間窗口內的請求數進行限制,保持系統的可用性和穩定性,防止因流量暴增而導致的系統運行緩慢或宕機。

常見的限流算法有三種:

1. 計數器限流

計數器限流算法是最為簡單粗暴的解決方案,主要用來限制總並發數,比如數據庫連接池大小、線程池大小、接口訪問並發數等都是使用計數器算法。

如:使用 AomicInteger 來進行統計當前正在並發執行的次數,如果超過域值就直接拒絕請求,提示系統繁忙。

2. 漏桶算法

image-20210925212319319

漏桶算法思路很簡單,我們把水比作是請求,漏桶比作是系統處理能力極限,水先進入到漏桶裡,漏桶裡的水按一定速率流出,當流出的速率小於流入的速率時,由於漏桶容量有限,後續進入的水直接溢出(拒絕請求),以此實現限流。

3. 令牌桶算法

image-20210925212233334

令牌桶算法的原理也比較簡單,我們可以理解成醫院的掛號看病,隻有拿到號以後才可以進行診病。

系統會維護一個令牌(token)桶,以一個恒定的速度往桶裡放入令牌(token),這時如果有請求進來想要被處理,則需要先從桶裡獲取一個令牌(token),當桶裡沒有令牌(token)可取時,則該請求將被拒絕服務。令牌桶算法通過控制桶的容量、發放令牌的速率,來達到對請求的限制。

基於Guava工具類實現限流

Google開源工具包Guava提供瞭限流工具類RateLimiter,該類基於令牌桶算法實現流量限制,使用十分方便,而且十分高效,實現步驟如下:

第一步:引入guava依賴包

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>30.1-jre</version>
</dependency>

第二步:給接口加上限流邏輯

@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
    /**
     * 限流策略 : 1秒鐘2個請求
     */
    private final RateLimiter limiter = RateLimiter.create(2.0);

    private DateTimeFormatter dtf = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");

    @GetMapping("/test1")
    public String testLimiter() {
        //500毫秒內,沒拿到令牌,就直接進入服務降級
        boolean tryAcquire = limiter.tryAcquire(500, TimeUnit.MILLISECONDS);

        if (!tryAcquire) {
            log.warn("進入服務降級,時間{}", LocalDateTime.now().format(dtf));
            return "當前排隊人數較多,請稍後再試!";
        }

        log.info("獲取令牌成功,時間{}", LocalDateTime.now().format(dtf));
        return "請求成功";
    }
}

以上用到瞭RateLimiter的2個核心方法:create()tryAcquire(),以下為詳細說明

  • acquire() 獲取一個令牌, 改方法會阻塞直到獲取到這一個令牌, 返回值為獲取到這個令牌花費的時間
  • acquire(int permits) 獲取指定數量的令牌, 該方法也會阻塞, 返回值為獲取到這 N 個令牌花費的時間
  • tryAcquire() 判斷時候能獲取到令牌, 如果不能獲取立即返回 false
  • tryAcquire(int permits) 獲取指定數量的令牌, 如果不能獲取立即返回 false
  • tryAcquire(long timeout, TimeUnit unit) 判斷能否在指定時間內獲取到令牌, 如果不能獲取立即返回 false
  • tryAcquire(int permits, long timeout, TimeUnit unit) 同上

第三步:體驗效果

通過訪問測試地址: http://127.0.0.1:8080/limit/test1,反復刷新並觀察後端日志

WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:37
WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:37
INFO  LimitController:39 - 獲取令牌成功,時間2021-09-25 21:39:37
WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:37
WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:37
INFO  LimitController:39 - 獲取令牌成功,時間2021-09-25 21:39:37

WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:38
INFO  LimitController:39 - 獲取令牌成功,時間2021-09-25 21:39:38
WARN  LimitController:35 - 進入服務降級,時間2021-09-25 21:39:38
INFO  LimitController:39 - 獲取令牌成功,時間2021-09-25 21:39:38

從以上日志可以看出,1秒鐘內隻有2次成功,其他都失敗降級瞭,說明我們已經成功給接口加上瞭限流功能。

當然瞭,我們在實際開發中並不能直接這樣用。至於原因嘛,你想呀,你每個接口都需要手動給其加上tryAcquire(),業務代碼和限流代碼混在一起,而且明顯違背瞭DRY原則,代碼冗餘,重復勞動。代碼評審時肯定會被老鳥們給嘲笑一番,啥破玩意兒!

image-20210716084136689

所以,我們這裡需要想辦法將其優化 – 借助自定義註解+AOP實現接口限流。

基於AOP實現接口限流

基於AOP的實現方式也非常簡單,實現過程如下:

第一步:加入AOP依賴

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-aop</artifactId>
</dependency>

第二步:自定義限流註解

@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.METHOD})
@Documented
public @interface Limit {
    /**
     * 資源的key,唯一
     * 作用:不同的接口,不同的流量控制
     */
    String key() default "";

    /**
     * 最多的訪問限制次數
     */
    double permitsPerSecond () ;

    /**
     * 獲取令牌最大等待時間
     */
    long timeout();

    /**
     * 獲取令牌最大等待時間,單位(例:分鐘/秒/毫秒) 默認:毫秒
     */
    TimeUnit timeunit() default TimeUnit.MILLISECONDS;

    /**
     * 得不到令牌的提示語
     */
    String msg() default "系統繁忙,請稍後再試.";
}

第三步:使用AOP切面攔截限流註解

@Slf4j
@Aspect
@Component
public class LimitAop {
    /**
     * 不同的接口,不同的流量控制
     * map的key為 Limiter.key
     */
    private final Map<String, RateLimiter> limitMap = Maps.newConcurrentMap();

    @Around("@annotation(com.jianzh5.blog.limit.Limit)")
    public Object around(ProceedingJoinPoint joinPoint) throws Throwable{
        MethodSignature signature = (MethodSignature) joinPoint.getSignature();
        Method method = signature.getMethod();
        //拿limit的註解
        Limit limit = method.getAnnotation(Limit.class);
        if (limit != null) {
            //key作用:不同的接口,不同的流量控制
            String key=limit.key();
            RateLimiter rateLimiter = null;
            //驗證緩存是否有命中key
            if (!limitMap.containsKey(key)) {
                // 創建令牌桶
                rateLimiter = RateLimiter.create(limit.permitsPerSecond());
                limitMap.put(key, rateLimiter);
                log.info("新建瞭令牌桶={},容量={}",key,limit.permitsPerSecond());
            }
            rateLimiter = limitMap.get(key);
            // 拿令牌
            boolean acquire = rateLimiter.tryAcquire(limit.timeout(), limit.timeunit());
            // 拿不到命令,直接返回異常提示
            if (!acquire) {
                log.debug("令牌桶={},獲取令牌失敗",key);
                this.responseFail(limit.msg());
                return null;
            }
        }
        return joinPoint.proceed();
    }

    /**
     * 直接向前端拋出異常
     * @param msg 提示信息
     */
    private void responseFail(String msg)  {
        HttpServletResponse response=((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getResponse();
        ResultData<Object> resultData = ResultData.fail(ReturnCode.LIMIT_ERROR.getCode(), msg);
        WebUtils.writeJson(response,resultData);
    }
}

第四步:給需要限流的接口加上註解

@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
    
    @GetMapping("/test2")
    @Limit(key = "limit2", permitsPerSecond = 1, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "當前排隊人數較多,請稍後再試!")
    public String limit2() {
        log.info("令牌桶limit2獲取令牌成功");
        return "ok";
    }


    @GetMapping("/test3")
    @Limit(key = "limit3", permitsPerSecond = 2, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "系統繁忙,請稍後再試!")
    public String limit3() {
        log.info("令牌桶limit3獲取令牌成功");
        return "ok";
    }
}

第五步:體驗效果

通過訪問測試地址: http://127.0.0.1:8080/limit/test2,反復刷新並觀察輸出結果:

正常響應時:

{"status":100,"message":"操作成功","data":"ok","timestamp":1632579377104}

觸發限流時:

{"status":2001,"message":"系統繁忙,請稍後再試!","data":null,"timestamp":1632579332177}

通過觀察得之,基於自定義註解同樣實現瞭接口限流的效果。

小結

一般在系統上線時我們通過對系統壓測可以評估出系統的性能閥值,然後給接口加上合理的限流參數,防止出現大流量請求時直接壓垮系統。今天我們介紹瞭幾種常見的限流算法(重點關註令牌桶算法),基於Guava工具類實現瞭接口限流並利用AOP完成瞭對限流代碼的優化。

在完成優化後業務代碼和限流代碼解耦,開發人員隻要一個註解,不用關心限流的實現邏輯,而且減少瞭代碼冗餘大大提高瞭代碼可讀性,代碼評審時誰還能再笑話你?

源碼下載

https://github.com/jianzh5/cloud-blog/

到此這篇關於SpringBoot 進行限流的操作方法的文章就介紹到這瞭,更多相關SpringBoot限流內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: