转载

Spring Cloud 分布式服务限流实战，已经为你排好了

点击上方“ 搜云库技术团队 ”关注，选择“ 设为星标 ”

回复“ 1024 ”或 “ 面试题 ” 获取 4T架构师资料

前言

在一个分布式高并发的系统设计中，限流是一个不可忽视的功能点。如果不对系统进行有效的流量访问限制，在双十一和抢票这种流量洪峰的场景下，很容易就会把我们的系统打垮。而作为系统服务的卫兵的网关组件，作为系统服务的统一入口，更需要考虑流量的限制，直接在网关层阻断流量比在各个系统中实现更合适。Spring Cloud Gateway的实现中，就提供了限流的功能，下面主要分析下Spring Cloud Gateway中是如何通过一段lua脚本实现限流功能的。

回顾限流算法

限流的实现方式有多种，下面先回顾下几种常见的实现算法

计数器/时间窗口法

这种限流算法最简单，也是最容易实现的，通过在单位时间内设置最大访问数就可以达到限流的目的。比如某个系统能够承载的一般qps为60，那我们就可以使用计算器法，在单位时间一秒内，限制接口只能被访问60次即可。但是这个算法实现，正如其功能描述一样，有个缺陷，假如在时间窗的前1%的时间内流量就达到顶峰了，那么在时间窗内还有99%的时间系统即使能够继续提供服务，还是会被限流算法的这种缺陷阻断在门外，这种缺陷也被称为“突刺效应“

Spring Cloud 分布式服务限流实战，已经为你排好了

漏桶法

漏桶法不同于计算器法，它有效的避免了计数器法限流的“突刺效应”缺陷,实现也不复杂，通过固定大小的队列+定时取队列元素的方式即可实现。如其名漏桶，就像一个盛水的容器，漏桶法只限制容器出水的速率，当进水的速率过大时，将会填满容器造成溢出，溢出部分的流量也就是拒绝的流量。比如，容器大小为100，出水速率为每秒10/s,当桶为空时，最大的流量可以到达100/s，但是即使这样，受限于固定的流出速率，后端处理的也只能是最大每秒10个，其余的流量都会被缓冲在漏桶中。这个也这是漏桶法的缺陷，没法真正处理突发的流量洪峰，效率不高。

Spring Cloud 分布式服务限流实战，已经为你排好了

令牌桶法

令牌桶法也是基于桶的原型，但是和漏桶算法截然不同的时，没有出水口。令牌桶通过令牌的产生速率+令牌桶的容积来控制流量，有效的解决了漏桶效率不高的问题。如，容积为100的桶，令牌产生速率为50/s，那么就代表当桶中令牌已满的时候，最大能够承载100的流量，后面如果流量一直居高不下，也会以每秒50个流量的速度恒速处理请求。令牌桶的这种特性有效的处理了洪峰流量也能做到不被洪峰压垮，是目前限流比较常见的实现方法。比较著名的实现有谷歌guava中的RateLimiter。然后下面将要分析的Spring Cloud Gateway中也是使用的令牌桶算法实现的限流

guava的文档：https://github.com/google/guava/wiki

Spring Cloud 分布式服务限流实战，已经为你排好了

Spring Cloud Gateway中的令牌桶

Spring网关中是基于令牌桶+redis实现的网关分布式限流，具体的实现见下面两个代码：

lua脚本地址：resources/META-INF/scripts/requestratelimiter.lua

RedisRateLimiter：gateway/filter/ratelimit/RedisRateLimiter.java

上面博主截取了Spring网关限流部分的关键代码，可以看到，最关键的地方在于，使用reids执行了一段lua脚本，然后通过返回值【0】是否等于1来判断本次流量是否通过，返回值【1】为令牌桶中剩余的令牌数。就上面这段代码没有看到任何令牌桶算法的影子对吧，所有的精华实现都在requestratelimiter.lua脚本里面，这个脚本最初是由Paul Tarjan分享出来的

脚本如下：

下面逐行分析下这段脚本。首先解释下，从应用中入参进来的这几个属性的具体含义：

1、tokens key：当前限流的标识，可以是ip，或者在spring cloud系统中，可以是一个服务的serviceID

2、timestamp key： 令牌桶刷新的时间戳，后面会被用来计算当前产生的令牌数

3、rate ：令牌生产的速率，如每秒产生50个令牌

4、capacity ：令牌桶的容积大小，比如最大100个，那么系统最大可承载100个并发请求

5、now ：当前时间戳

6、requested：当前请求的令牌数量，Spring Cloud Gateway中默认是1，也就是当前请求

下面是主要逻辑分析：

-- 计算填满桶需要多长时间 -- 得到填满桶的2倍时间作为redis中key时效的时间，避免冗余太多无用的key -- 这里和令牌桶的实现没有太大的关系 -- 获取桶中剩余的令牌，如果桶是空的，就将他填满 -- 获取当前令牌桶最后的刷新时间，如果为空，则设置为0 -- 计算最后一次刷新令牌到当前时间的时间差 -- 计算当前令牌数量，这个地方是最关键的地方，通过剩余令牌数 + 时间差内产生的令牌得到当前总令牌数量 -- 设置标识allowad接收当前令牌桶中的令牌数是否大于请求的令牌结果 -- 设置当前令牌数量 -- 如果allowed为true，则将当前令牌数量重置为通中的令牌数 - 请求的令牌数，并且设置allowed_num标识为1 -- 将当前令牌数量写回到redis中，并重置令牌桶的最后刷新时间 -- 返回当前是否申请到了令牌，以及当前桶中剩余多少令牌

来源：http://suo.im/4BkER7

近期技术热文

1、面试官： Redis功能强大，那也顶不住被滥用啊！

2、公司Linux服务器被非法入侵，秒变“矿机”，挖挖挖...

3、 SpringBoot 整合 Spring-Kafka 深度踩坑实战

4、消息队列中：消息可靠性、重复消息、消息积压

5、 Redis缓存雪崩、缓存击穿、缓存穿透及缓存模式

6、牛逼！ 96秒100亿，阿里到底做了什么？

Spring Cloud 分布式服务限流实战，已经为你排好了