面試官：你的系統(tǒng)是怎么限流的？
時(shí)間：2021-11-01 14:43:07
手機(jī)看文章
掃描二維碼
隨時(shí)隨地手機(jī)看文章
[導(dǎo)讀]??大家好，我是小林。如果大家校招時(shí)準(zhǔn)備的項(xiàng)目是秒殺系統(tǒng)，那除了會(huì)問(wèn)?Redis和MySQL，還會(huì)問(wèn)你是怎么限流的。這一塊知識(shí)應(yīng)該挺多人沒(méi)有準(zhǔn)備的。其實(shí)在實(shí)際的秒殺系統(tǒng)中，限流是特別重要的，所以面試官也特別注意這方面的問(wèn)題。今天看到一篇很系統(tǒng)的講解限流的文章，一起來(lái)學(xué)習(xí)下。文章來(lái)...
??大家好，我是小林。如果大家校招時(shí)準(zhǔn)備的項(xiàng)目是秒殺系統(tǒng)，那除了會(huì)問(wèn)?Redis 和 MySQL，還會(huì)問(wèn)你是怎么限流的。這一塊知識(shí)應(yīng)該挺多人沒(méi)有準(zhǔn)備的。其實(shí)在實(shí)際的秒殺系統(tǒng)中，限流是特別重要的，所以面試官也特別注意這方面的問(wèn)題。今天看到一篇很系統(tǒng)的講解限流的文章，一起來(lái)學(xué)習(xí)下。文章來(lái)源：https://urlify.cn/fuAB7j
????com.google.guava
????guava
????28.1-jre
核心代碼??LoadingCache?counter?=?CacheBuilder.newBuilder().
????expireAfterWrite(2,?TimeUnit.SECONDS)
????.build(new?CacheLoader()?{
?????@Override
?????public?AtomicLong?load(Long?secend)?throws?Exception?{
??????//?TODO?Auto-generated?method?stub
??????return?new?AtomicLong(0);
?????}
????});
??counter.get(1l).incrementAndGet();
??//?RateLimiter.create(2)每秒產(chǎn)生的令牌數(shù)
??RateLimiter?limiter?=?RateLimiter.create(2);
????????//?limiter.acquire()?阻塞的方式獲取令牌
??System.out.println(limiter.acquire());;
??try?{
???Thread.sleep(2000);
??}?catch?(InterruptedException?e)?{
???//?TODO?Auto-generated?catch?block
???e.printStackTrace();
??}
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
?}
`
??RateLimiter?limiter?=?RateLimiter.create(2,1000l,TimeUnit.MILLISECONDS);
??System.out.println(limiter.acquire());;
??try?{
???Thread.sleep(2000);
??}?catch?(InterruptedException?e)?{
???//?TODO?Auto-generated?catch?block
???e.printStackTrace();
??}
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
超時(shí)boolean?tryAcquire?=?limiter.tryAcquire(Duration.ofMillis(11));
在timeout時(shí)間內(nèi)是否能夠獲得令牌，異步執(zhí)行
local?function?acquire()
????local?lock?=locks:new("locks")
????local?elapsed,?err?=lock:lock("limit_key")?--互斥鎖?保證原子特性
????local?limit_counter?=ngx.shared.limit_counter?--計(jì)數(shù)器
????local?key?=?"ip:"?..os.time()
????local?limit?=?5?--限流大小
????local?current?=limit_counter:get(key)
????if?current?~=?nil?and?current? ?1>?limit?then?--如果超出限流大小
???????lock:unlock()
???????return?0
????end
????if?current?==?nil?then
???????limit_counter:set(key,?1,?1)?--第一次需要設(shè)置過(guò)期時(shí)間，設(shè)置key的值為1，
--過(guò)期時(shí)間為1秒
????else
????????limit_counter:incr(key,?1)?--第二次開(kāi)始加1即可
????end
????lock:unlock()
????return?1
end
ngx.print(acquire())
為什么要限流
日常生活中,有哪些需要限流的地方?像我旁邊有一個(gè)國(guó)家景區(qū),平時(shí)可能根本沒(méi)什么人前往,但是一到五一或者春節(jié)就人滿為患,這時(shí)候景區(qū)管理人員就會(huì)實(shí)行一系列的政策來(lái)限制進(jìn)入人流量, 為什么要限流呢?假如景區(qū)能容納一萬(wàn)人,現(xiàn)在進(jìn)去了三萬(wàn)人,勢(shì)必摩肩接踵,整不好還會(huì)有事故發(fā)生,這樣的結(jié)果就是所有人的體驗(yàn)都不好,如果發(fā)生了事故景區(qū)可能還要關(guān)閉,導(dǎo)致對(duì)外不可用,這樣的后果就是所有人都覺(jué)得體驗(yàn)糟糕透了。限流的思想就是,在保證可用的情況下盡可能多增加進(jìn)入的人數(shù),其余的人在外面排隊(duì)等待,保證里面的一萬(wàn)人可以正常游玩。回到網(wǎng)絡(luò)上,同樣也是這個(gè)道理,例如某某明星公布了戀情,訪問(wèn)從平時(shí)的50萬(wàn)增加到了500萬(wàn),系統(tǒng)最多可以支撐200萬(wàn)訪問(wèn),那么就要執(zhí)行限流規(guī)則,保證是一個(gè)可用的狀態(tài),不至于服務(wù)器崩潰導(dǎo)致所有請(qǐng)求不可用。限流思路
對(duì)系統(tǒng)服務(wù)進(jìn)行限流，一般有如下幾個(gè)模式：熔斷
系統(tǒng)在設(shè)計(jì)之初就把熔斷措施考慮進(jìn)去。當(dāng)系統(tǒng)出現(xiàn)問(wèn)題時(shí)，如果短時(shí)間內(nèi)無(wú)法修復(fù)，系統(tǒng)要自動(dòng)做出判斷，開(kāi)啟熔斷開(kāi)關(guān)，拒絕流量訪問(wèn)，避免大流量對(duì)后端的過(guò)載請(qǐng)求。系統(tǒng)也應(yīng)該能夠動(dòng)態(tài)監(jiān)測(cè)后端程序的修復(fù)情況，當(dāng)程序已恢復(fù)穩(wěn)定時(shí)，可以關(guān)閉熔斷開(kāi)關(guān)，恢復(fù)正常服務(wù)。常見(jiàn)的熔斷組件有 Hystrix 以及阿里的 Sentinel，兩種互有優(yōu)缺點(diǎn)，可以根據(jù)業(yè)務(wù)的實(shí)際情況進(jìn)行選擇。服務(wù)降級(jí)
將系統(tǒng)的所有功能服務(wù)進(jìn)行一個(gè)分級(jí)，當(dāng)系統(tǒng)出現(xiàn)問(wèn)題需要緊急限流時(shí)，可將不是那么重要的功能進(jìn)行降級(jí)處理，停止服務(wù)，這樣可以釋放出更多的資源供給核心功能的去用。例如在電商平臺(tái)中，如果突發(fā)流量激增，可臨時(shí)將商品評(píng)論、積分等非核心功能進(jìn)行降級(jí)，停止這些服務(wù)，釋放出機(jī)器和CPU等資源來(lái)保障用戶正常下單，而這些降級(jí)的功能服務(wù)可以等整個(gè)系統(tǒng)恢復(fù)正常后，再來(lái)啟動(dòng)，進(jìn)行補(bǔ)單/補(bǔ)償處理。除了功能降級(jí)以外，還可以采用不直接操作數(shù)據(jù)庫(kù)，而全部讀緩存、寫(xiě)緩存的方式作為臨時(shí)降級(jí)方案。延遲處理
這個(gè)模式需要在系統(tǒng)的前端設(shè)置一個(gè)流量緩沖池，將所有的請(qǐng)求全部緩沖進(jìn)這個(gè)池子，不立即處理。然后后端真正的業(yè)務(wù)處理程序從這個(gè)池子中取出請(qǐng)求依次處理，常見(jiàn)的可以用隊(duì)列模式來(lái)實(shí)現(xiàn)。這就相當(dāng)于用異步的方式去減少了后端的處理壓力，但是當(dāng)流量較大時(shí)，后端的處理能力有限，緩沖池里的請(qǐng)求可能處理不及時(shí)，會(huì)有一定程度延遲。后面具體的漏桶算法以及令牌桶算法就是這個(gè)思路。特權(quán)處理
這個(gè)模式需要將用戶進(jìn)行分類，通過(guò)預(yù)設(shè)的分類，讓系統(tǒng)優(yōu)先處理需要高保障的用戶群體，其它用戶群的請(qǐng)求就會(huì)延遲處理或者直接不處理。緩存、降級(jí)、限流區(qū)別
緩存，是用來(lái)增加系統(tǒng)吞吐量，提升訪問(wèn)速度提供高并發(fā)。降級(jí)，是在系統(tǒng)某些服務(wù)組件不可用的時(shí)候、流量暴增、資源耗盡等情況下，暫時(shí)屏蔽掉出問(wèn)題的服務(wù)，繼續(xù)提供降級(jí)服務(wù)，給用戶盡可能的友好提示，返回兜底數(shù)據(jù)，不會(huì)影響整體業(yè)務(wù)流程，待問(wèn)題解決再重新上線服務(wù)限流，是指在使用緩存和降級(jí)無(wú)效的場(chǎng)景。比如當(dāng)達(dá)到閾值后限制接口調(diào)用頻率，訪問(wèn)次數(shù)，庫(kù)存?zhèn)€數(shù)等，在出現(xiàn)服務(wù)不可用之前，提前把服務(wù)降級(jí)。只服務(wù)好一部分用戶。限流的算法
限流算法很多,常見(jiàn)的有三類,分別是計(jì)數(shù)器算法、漏桶算法、令牌桶算法,下面逐一講解。計(jì)數(shù)器算法
簡(jiǎn)單粗暴,比如指定線程池大小，指定數(shù)據(jù)庫(kù)連接池大小、nginx連接數(shù)等,這都屬于計(jì)數(shù)器算法。計(jì)數(shù)器算法是限流算法里最簡(jiǎn)單也是最容易實(shí)現(xiàn)的一種算法。舉個(gè)例子,比如我們規(guī)定對(duì)于A接口，我們1分鐘的訪問(wèn)次數(shù)不能超過(guò)100個(gè)。那么我們可以這么做：在一開(kāi) 始的時(shí)候，我們可以設(shè)置一個(gè)計(jì)數(shù)器counter，每當(dāng)一個(gè)請(qǐng)求過(guò)來(lái)的時(shí)候，counter就加1，如果counter的值大于100并且該請(qǐng)求與第一個(gè)請(qǐng)求的間隔時(shí)間還在1分鐘之內(nèi)，那么說(shuō)明請(qǐng)求數(shù)過(guò)多,拒絕訪問(wèn)；如果該請(qǐng)求與第一個(gè)請(qǐng)求的間隔時(shí)間大于1分鐘，且counter的值還在限流范圍內(nèi)，那么就重置 counter,就是這么簡(jiǎn)單粗暴。漏桶算法
漏桶算法思路很簡(jiǎn)單，水（請(qǐng)求）先進(jìn)入到漏桶里，漏桶以一定的速度出水，當(dāng)水流入速度過(guò)大會(huì)超過(guò)桶可接納的容量時(shí)直接溢出，可以看出漏桶算法能強(qiáng)行限制數(shù)據(jù)的傳輸速率。令牌桶算法
令牌桶與漏桶相似,不同的是令牌桶桶中放了一些令牌,服務(wù)請(qǐng)求到達(dá)后,要獲取令牌之后才會(huì)得到服務(wù),舉個(gè)例子,我們平時(shí)去食堂吃飯,都是在食堂內(nèi)窗口前排隊(duì)的,這就好比是漏桶算法,大量的人員聚集在食堂內(nèi)窗口外,以一定的速度享受服務(wù),如果涌進(jìn)來(lái)的人太多,食堂裝不下了,可能就有一部分人站到食堂外了,這就沒(méi)有享受到食堂的服務(wù),稱之為溢出,溢出可以繼續(xù)請(qǐng)求,也就是繼續(xù)排隊(duì),那么這樣有什么問(wèn)題呢?如果這時(shí)候有特殊情況,比如有些趕時(shí)間的志愿者啦、或者高三要高考啦,這種情況就是突發(fā)情況,如果也用漏桶算法那也得慢慢排隊(duì),這也就沒(méi)有解決我們的需求,對(duì)于很多應(yīng)用場(chǎng)景來(lái)說(shuō)，除了要求能夠限制數(shù)據(jù)的平均傳輸速率外，還要求允許某種程度的突發(fā)傳輸。這時(shí)候漏桶算法可能就不合適了，令牌桶算法更為適合。如圖所示，令牌桶算法的原理是系統(tǒng)會(huì)以一個(gè)恒定的速度往桶里放入令牌，而如果請(qǐng)求需要被處理，則需要先從桶里獲取一個(gè)令牌，當(dāng)桶里沒(méi)有令牌可取時(shí)，則拒絕服務(wù)。并發(fā)限流
簡(jiǎn)單來(lái)說(shuō)就是設(shè)置系統(tǒng)閾值總的QPS個(gè)數(shù),這些也挺常見(jiàn)的,就拿Tomcat來(lái)說(shuō),很多參數(shù)就是出于這個(gè)考慮,例如配置的acceptCount?設(shè)置響應(yīng)連接數(shù),?maxConnections設(shè)置瞬時(shí)最大連接數(shù),?maxThreads?設(shè)置最大線程數(shù),在各個(gè)框架或者組件中,并發(fā)限流體現(xiàn)在下面幾個(gè)方面:- 限制總并發(fā)數(shù)（如數(shù)據(jù)庫(kù)連接池、線程池）
- 限制瞬時(shí)并發(fā)數(shù)（nginx的limit_conn模塊，用來(lái)限制瞬時(shí)并發(fā)連接數(shù)）
- 限制時(shí)間窗口內(nèi)的平均速率（如Guava的RateLimiter、nginx的limit_req模塊，限制每秒的平均速率）
- 其他的還有限制遠(yuǎn)程接口調(diào)用速率、限制MQ的消費(fèi)速率。
- 另外還可以根據(jù)網(wǎng)絡(luò)連接數(shù)、網(wǎng)絡(luò)流量、CPU或內(nèi)存負(fù)載等來(lái)限流。
接口限流
接口限流分為兩個(gè)部分,一是限制一段時(shí)間內(nèi)接口調(diào)用次數(shù),參照前面限流算法的計(jì)數(shù)器算法, 二是設(shè)置滑動(dòng)時(shí)間窗口算法。接口總數(shù)
控制一段時(shí)間內(nèi)接口被調(diào)用的總數(shù)量,可以參考前面的計(jì)數(shù)器算法,不再贅述。接口時(shí)間窗口
固定時(shí)間窗口算法(也就是前面提到的計(jì)數(shù)器算法)的問(wèn)題是統(tǒng)計(jì)區(qū)間太大，限流不夠精確，而且在第二個(gè)統(tǒng)計(jì)區(qū)間 時(shí)沒(méi)有考慮與前一個(gè)統(tǒng)計(jì)區(qū)間的關(guān)系與影響（第一個(gè)區(qū)間后半段 第二個(gè)區(qū)間前半段也是一分鐘）。為了解決上面我們提到的臨界問(wèn)題，我們?cè)噲D把每個(gè)統(tǒng)計(jì)區(qū)間分為更小的統(tǒng)計(jì)區(qū)間，更精確的統(tǒng)計(jì)計(jì)數(shù)。限流實(shí)現(xiàn)
這一部分是限流的具體實(shí)現(xiàn),簡(jiǎn)單說(shuō)說(shuō),畢竟長(zhǎng)篇代碼沒(méi)人愿意看。guava實(shí)現(xiàn)
引入包????
????guava
????
核心代碼??LoadingCache
????expireAfterWrite(2,?TimeUnit.SECONDS)
????.build(new?CacheLoader
?????@Override
?????public?AtomicLong?load(Long?secend)?throws?Exception?{
??????//?TODO?Auto-generated?method?stub
??????return?new?AtomicLong(0);
?????}
????});
??counter.get(1l).incrementAndGet();
令牌桶實(shí)現(xiàn)
穩(wěn)定模式(SmoothBursty:令牌生成速度恒定)?public?static?void?main(String[]?args)?{??//?RateLimiter.create(2)每秒產(chǎn)生的令牌數(shù)
??RateLimiter?limiter?=?RateLimiter.create(2);
????????//?limiter.acquire()?阻塞的方式獲取令牌
??System.out.println(limiter.acquire());;
??try?{
???Thread.sleep(2000);
??}?catch?(InterruptedException?e)?{
???//?TODO?Auto-generated?catch?block
???e.printStackTrace();
??}
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
?}
`
RateLimiter.create(2)?容量和突發(fā)量，令牌桶算法允許將一段時(shí)間內(nèi)沒(méi)有消費(fèi)的令牌暫存到令牌桶中，用來(lái)突發(fā)消費(fèi)。漸進(jìn)模式(SmoothWarmingUp:令牌生成速度緩慢提升直到維持在一個(gè)穩(wěn)定值)?//?平滑限流，從冷啟動(dòng)速率（滿的）到平均消費(fèi)速率的時(shí)間間隔??RateLimiter?limiter?=?RateLimiter.create(2,1000l,TimeUnit.MILLISECONDS);
??System.out.println(limiter.acquire());;
??try?{
???Thread.sleep(2000);
??}?catch?(InterruptedException?e)?{
???//?TODO?Auto-generated?catch?block
???e.printStackTrace();
??}
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
??
??System.out.println(limiter.acquire());;
??System.out.println(limiter.acquire());;
超時(shí)boolean?tryAcquire?=?limiter.tryAcquire(Duration.ofMillis(11));
在timeout時(shí)間內(nèi)是否能夠獲得令牌，異步執(zhí)行
分布式系統(tǒng)限流
Nginx Lua實(shí)現(xiàn)可以使用resty.lock保持原子特性，請(qǐng)求之間不會(huì)產(chǎn)生鎖的重入https://github.com/openresty/lua-resty-lock使用lua_shared_dict存儲(chǔ)數(shù)據(jù)local?locks?=?require?"resty.lock"local?function?acquire()
????local?lock?=locks:new("locks")
????local?elapsed,?err?=lock:lock("limit_key")?--互斥鎖?保證原子特性
????local?limit_counter?=ngx.shared.limit_counter?--計(jì)數(shù)器
????local?key?=?"ip:"?..os.time()
????local?limit?=?5?--限流大小
????local?current?=limit_counter:get(key)
????if?current?~=?nil?and?current? ?1>?limit?then?--如果超出限流大小
???????lock:unlock()
???????return?0
????end
????if?current?==?nil?then
???????limit_counter:set(key,?1,?1)?--第一次需要設(shè)置過(guò)期時(shí)間，設(shè)置key的值為1，
--過(guò)期時(shí)間為1秒
????else
????????limit_counter:incr(key,?1)?--第二次開(kāi)始加1即可
????end
????lock:unlock()
????return?1
end
ngx.print(acquire())
下載文檔
