作者 | 王磊
來源 | Java中文社群（ID：javacn666）
為了上班方便，去年我把自己在北郊的房子租出去了笛臣，搬到了南郊云稚，這樣離我上班的地方就近了，它為我節(jié)約了很多的時(shí)間成本沈堡，我可以用它來做很多有意義的事静陈，最起碼不會(huì)因?yàn)槎萝嚩[心了，幸福感直線上升诞丽。
但即使這樣鲸拥，生活也有其他的煩惱。南郊的居住密度比較大僧免，因此停車就成了頭痛的事刑赶，我租的是路兩邊的非固定車位，每次只要下班回來懂衩，一定是沒有車位停了撞叨，因此我只能和別人的車并排停著，但這樣帶來的問題是浊洞，我每天早上都要被挪車的電話給叫醒牵敷，心情自然就不用說了。
但后來幾天法希，我就慢慢變聰明了枷餐，我頭天晚上停車的時(shí)候，會(huì)找第二天限行的車并排停著苫亦，這樣我第二天就不用挪車了毛肋，這真是限行給我?guī)淼摹熬薮蠹t利”啊怨咪。
而車輛限行就是一種生活中很常見的限流策略，他除了給我?guī)砹艘陨系暮锰幹馊蟪祝€給我們美好的生活環(huán)境帶來了一絲改善诗眨，并且快速增長的私家車已經(jīng)給我們的交通帶來了巨大的“負(fù)擔(dān)”，如果再不限行趁桃，可能所有的車都要被堵在路上辽话，這就是限流給我們的生活帶來的巨大好處。
從生活回到程序中卫病，假設(shè)一個(gè)系統(tǒng)只能為 10W 人提供服務(wù)，突然有一天因?yàn)槟硞€(gè)熱點(diǎn)事件典徘，造成了系統(tǒng)短時(shí)間內(nèi)的訪問量迅速增加到了 50W蟀苛，那么導(dǎo)致的直接結(jié)果是系統(tǒng)崩潰，任何人都不能用系統(tǒng)了逮诲，顯然只有少人數(shù)能用遠(yuǎn)比所有人都不能用更符合我們的預(yù)期帜平，因此這個(gè)時(shí)候我們要使用「限流」了。
限流分類
限流的實(shí)現(xiàn)方案有很多種梅鹦，磊哥這里稍微理了一下裆甩，限流的分類如下所示：
- 合法性驗(yàn)證限流：比如驗(yàn)證碼、IP 黑名單等齐唆，這些手段可以有效的防止惡意攻擊和爬蟲采集嗤栓；
- 容器限流：比如 Tomcat、Nginx 等限流手段箍邮，其中 Tomcat 可以設(shè)置最大線程數(shù)（maxThreads）茉帅，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：一是控制速率锭弊，二是控制并發(fā)連接數(shù)堪澎；
- 服務(wù)端限流：比如我們?cè)诜?wù)器端通過限流算法實(shí)現(xiàn)限流，此項(xiàng)也是我們本文介紹的重點(diǎn)味滞。
合法性驗(yàn)證限流為最常規(guī)的業(yè)務(wù)代碼樱蛤，就是普通的驗(yàn)證碼和 IP 黑名單系統(tǒng)，本文就不做過多的敘述了剑鞍，我們重點(diǎn)來看下后兩種限流的實(shí)現(xiàn)方案：容器限流和服務(wù)端限流昨凡。
容器限流
Tomcat 限流
Tomcat 8.5 版本的最大線程數(shù)在 conf/server.xml 配置中，如下所示：
<Connector port="8080" protocol="HTTP/1.1"
connectionTimeout="20000"
maxThreads="150"
redirectPort="8443" />
其中 maxThreads 就是 Tomcat 的最大線程數(shù)攒暇，當(dāng)請(qǐng)求的并發(fā)大于此值（maxThreads）時(shí)土匀，請(qǐng)求就會(huì)排隊(duì)執(zhí)行，這樣就完成了限流的目的形用。
小貼士：maxThreads 的值可以適當(dāng)?shù)恼{(diào)大一些就轧，此值默認(rèn)為 150（Tomcat 版本 8.5.42）证杭，但這個(gè)值也不是越大越好，要看具體的硬件配置妒御，需要注意的是每開啟一個(gè)線程需要耗用 1MB 的 JVM 內(nèi)存空間用于作為線程棧之用解愤，并且線程越多 GC 的負(fù)擔(dān)也越重。最后需要注意一下乎莉，操作系統(tǒng)對(duì)于進(jìn)程中的線程數(shù)有一定的限制送讲，Windows 每個(gè)進(jìn)程中的線程數(shù)不允許超過 2000，Linux 每個(gè)進(jìn)程中的線程數(shù)不允許超過 1000惋啃。
Nginx 限流
Nginx 提供了兩種限流手段：一是控制速率哼鬓，二是控制并發(fā)連接數(shù)。
控制速率
我們需要使用 limit_req_zone 用來限制單位時(shí)間內(nèi)的請(qǐng)求數(shù)边灭，即速率限制异希，示例配置如下：
limit_req_zone $binary_remote_addr zone=mylimit:10m rate=2r/s;
server {
location / {
limit_req zone=mylimit;
}
}
以上配置表示，限制每個(gè) IP 訪問的速度為 2r/s绒瘦，因?yàn)?Nginx 的限流統(tǒng)計(jì)是基于毫秒的称簿，我們?cè)O(shè)置的速度是 2r/s，轉(zhuǎn)換一下就是 500ms 內(nèi)單個(gè) IP 只允許通過 1 個(gè)請(qǐng)求惰帽，從 501ms 開始才允許通過第 2 個(gè)請(qǐng)求憨降。
我們使用單 IP 在 10ms 內(nèi)發(fā)并發(fā)送了 6 個(gè)請(qǐng)求的執(zhí)行結(jié)果如下：
從以上結(jié)果可以看出他的執(zhí)行符合我們的預(yù)期，只有 1 個(gè)執(zhí)行成功了该酗，其他的 5 個(gè)被拒絕了（第 2 個(gè)在 501ms 才會(huì)被正常執(zhí)行）授药。
速率限制升級(jí)版
上面的速率控制雖然很精準(zhǔn)但是應(yīng)用于真實(shí)環(huán)境未免太苛刻了，真實(shí)情況下我們應(yīng)該控制一個(gè) IP 單位總時(shí)間內(nèi)的總訪問次數(shù)垂涯，而不是像上面那么精確但毫秒烁焙，我們可以使用 burst 關(guān)鍵字開啟此設(shè)置，示例配置如下：
limit_req_zone $binary_remote_addr zone=mylimit:10m rate=2r/s;
server {
location / {
limit_req zone=mylimit burst=4;
}
}
burst=4 表示每個(gè) IP 最多允許4個(gè)突發(fā)請(qǐng)求耕赘，如果單個(gè) IP 在 10ms 內(nèi)發(fā)送 6 次請(qǐng)求的結(jié)果如下：
從以上結(jié)果可以看出骄蝇，有 1 個(gè)請(qǐng)求被立即處理了，4 個(gè)請(qǐng)求被放到 burst 隊(duì)列里排隊(duì)執(zhí)行了操骡，另外 1 個(gè)請(qǐng)求被拒絕了九火。
控制并發(fā)數(shù)
利用 limit_conn_zone 和 limit_conn 兩個(gè)指令即可控制并發(fā)數(shù)，示例配置如下：
limit_conn_zone $binary_remote_addr zone=perip:10m;
limit_conn_zone $server_name zone=perserver:10m;
server {
...
limit_conn perip 10;
limit_conn perserver 100;
}
其中 limit_conn perip 10 表示限制單個(gè) IP 同時(shí)最多能持有 10 個(gè)連接册招；limit_conn perserver 100 表示 server 同時(shí)能處理并發(fā)連接的總數(shù)為 100 個(gè)岔激。
小貼士：只有當(dāng) request header 被后端處理后，這個(gè)連接才進(jìn)行計(jì)數(shù)是掰。
服務(wù)端限流
服務(wù)端限流需要配合限流的算法來執(zhí)行虑鼎，而算法相當(dāng)于執(zhí)行限流的“大腦”，用于指導(dǎo)限制方案的實(shí)現(xiàn)。
有人看到「算法」兩個(gè)字可能就暈了炫彩，覺得很深?yuàn)W匾七，其實(shí)并不是。算法就相當(dāng)于操作某個(gè)事務(wù)的具體實(shí)現(xiàn)步驟匯總江兢，其實(shí)并不難懂昨忆，不要被它的表象給嚇到哦~
限流的常見算法有以下三種：
- 時(shí)間窗口算法
- 漏桶算法
- 令牌算法
接下來我們分別看來。
1.時(shí)間窗口算法
所謂的滑動(dòng)時(shí)間算法指的是以當(dāng)前時(shí)間為截止時(shí)間杉允，往前取一定的時(shí)間邑贴，比如往前取 60s 的時(shí)間，在這 60s 之內(nèi)運(yùn)行最大的訪問數(shù)為 100叔磷，此時(shí)算法的執(zhí)行邏輯為拢驾，先清除 60s 之前的所有請(qǐng)求記錄，再計(jì)算當(dāng)前集合內(nèi)請(qǐng)求數(shù)量是否大于設(shè)定的最大請(qǐng)求數(shù) 100世澜，如果大于則執(zhí)行限流拒絕策略独旷，否則插入本次請(qǐng)求記錄并返回可以正常執(zhí)行的標(biāo)識(shí)給客戶端。
滑動(dòng)時(shí)間窗口如下圖所示：
其中每一小個(gè)表示 10s寥裂，被紅色虛線包圍的時(shí)間段則為需要判斷的時(shí)間間隔，比如 60s 秒允許 100 次請(qǐng)求案疲，那么紅色虛線部分則為 60s封恰。
我們可以借助 Redis 的有序集合 ZSet 來實(shí)現(xiàn)時(shí)間窗口算法限流，實(shí)現(xiàn)的過程是先使用 ZSet 的 key 存儲(chǔ)限流的 ID褐啡，score 用來存儲(chǔ)請(qǐng)求的時(shí)間诺舔，每次有請(qǐng)求訪問來了之后，先清空之前時(shí)間窗口的訪問量备畦，統(tǒng)計(jì)現(xiàn)在時(shí)間窗口的個(gè)數(shù)和最大允許訪問量對(duì)比低飒，如果大于等于最大訪問量則返回 false 執(zhí)行限流操作，負(fù)責(zé)允許執(zhí)行業(yè)務(wù)邏輯懂盐，并且在 ZSet 中添加一條有效的訪問記錄褥赊，具體實(shí)現(xiàn)代碼如下。
我們借助 Jedis 包來操作 Redis莉恼，實(shí)現(xiàn)在 pom.xml 添加 Jedis 框架的引用拌喉，配置如下：
<!-- https://mvnrepository.com/artifact/redis.clients/jedis -->
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>3.3.0</version>
</dependency>
具體的 Java 實(shí)現(xiàn)代碼如下：
import redis.clients.jedis.Jedis;
public class RedisLimit {
// Redis 操作客戶端
static Jedis jedis = new Jedis("127.0.0.1", 6379);
public static void main(String[] args) throws InterruptedException {
for (int i = 0; i < 15; i++) {
boolean res = isPeriodLimiting("java", 3, 10);
if (res) {
System.out.println("正常執(zhí)行請(qǐng)求：" + i);
} else {
System.out.println("被限流：" + i);
}
}
// 休眠 4s
Thread.sleep(4000);
// 超過最大執(zhí)行時(shí)間之后，再從發(fā)起請(qǐng)求
boolean res = isPeriodLimiting("java", 3, 10);
if (res) {
System.out.println("休眠后俐银，正常執(zhí)行請(qǐng)求");
} else {
System.out.println("休眠后尿背，被限流");
}
}
/**
* 限流方法（滑動(dòng)時(shí)間算法）
* @param key 限流標(biāo)識(shí)
* @param period 限流時(shí)間范圍（單位：秒）
* @param maxCount 最大運(yùn)行訪問次數(shù)
* @return
*/
private static boolean isPeriodLimiting(String key, int period, int maxCount) {
long nowTs = System.currentTimeMillis(); // 當(dāng)前時(shí)間戳
// 刪除非時(shí)間段內(nèi)的請(qǐng)求數(shù)據(jù)（清除老訪問數(shù)據(jù)，比如 period=60 時(shí)捶惜，標(biāo)識(shí)清除 60s 以前的請(qǐng)求記錄）
jedis.zremrangeByScore(key, 0, nowTs - period * 1000);
long currCount = jedis.zcard(key); // 當(dāng)前請(qǐng)求次數(shù)
if (currCount >= maxCount) {
// 超過最大請(qǐng)求次數(shù)田藐，執(zhí)行限流
return false;
}
// 未達(dá)到最大請(qǐng)求數(shù)，正常執(zhí)行業(yè)務(wù)
jedis.zadd(key, nowTs, "" + nowTs); // 請(qǐng)求記錄 +1
return true;
}
}
以上程序的執(zhí)行結(jié)果為：
正常執(zhí)行請(qǐng)求：0
正常執(zhí)行請(qǐng)求：1
正常執(zhí)行請(qǐng)求：2
正常執(zhí)行請(qǐng)求：3
正常執(zhí)行請(qǐng)求：4
正常執(zhí)行請(qǐng)求：5
正常執(zhí)行請(qǐng)求：6
正常執(zhí)行請(qǐng)求：7
正常執(zhí)行請(qǐng)求：8
正常執(zhí)行請(qǐng)求：9
被限流：10
被限流：11
被限流：12
被限流：13
被限流：14
休眠后，正常執(zhí)行請(qǐng)求
此實(shí)現(xiàn)方式存在的缺點(diǎn)有兩個(gè)：
- 使用 ZSet 存儲(chǔ)有每次的訪問記錄汽久，如果數(shù)據(jù)量比較大時(shí)會(huì)占用大量的空間鹤竭，比如 60s 允許 100W 訪問時(shí)；
- 此代碼的執(zhí)行非原子操作回窘，先判斷后增加诺擅，中間空隙可穿插其他業(yè)務(wù)邏輯的執(zhí)行，最終導(dǎo)致結(jié)果不準(zhǔn)確啡直。
2.漏桶算法
漏桶算法的靈感源于漏斗烁涌，如下圖所示：
滑動(dòng)時(shí)間算法有一個(gè)問題就是在一定范圍內(nèi)，比如 60s 內(nèi)只能有 10 個(gè)請(qǐng)求酒觅，當(dāng)?shù)谝幻霑r(shí)就到達(dá)了 10 個(gè)請(qǐng)求撮执，那么剩下的 59s 只能把所有的請(qǐng)求都給拒絕掉，而漏桶算法可以解決這個(gè)問題舷丹。
漏桶算法類似于生活中的漏斗抒钱，無論上面的水流倒入漏斗有多大，也就是無論請(qǐng)求有多少颜凯，它都是以均勻的速度慢慢流出的谋币。當(dāng)上面的水流速度大于下面的流出速度時(shí)，漏斗會(huì)慢慢變滿症概，當(dāng)漏斗滿了之后就會(huì)丟棄新來的請(qǐng)求;當(dāng)上面的水流速度小于下面流出的速度的話蕾额，漏斗永遠(yuǎn)不會(huì)被裝滿，并且可以一直流出彼城。
漏桶算法的實(shí)現(xiàn)步驟是诅蝶，先聲明一個(gè)隊(duì)列用來保存請(qǐng)求，這個(gè)隊(duì)列相當(dāng)于漏斗募壕，當(dāng)隊(duì)列容量滿了之后就放棄新來的請(qǐng)求察郁，然后重新聲明一個(gè)線程定期從任務(wù)隊(duì)列中獲取一個(gè)或多個(gè)任務(wù)進(jìn)行執(zhí)行翅睛，這樣就實(shí)現(xiàn)了漏桶算法。
上面我們演示 Nginx 的控制速率其實(shí)使用的就是漏桶算法，當(dāng)然我們也可以借助 Redis 很方便的實(shí)現(xiàn)漏桶算法末荐。
我們可以使用 Redis 4.0 版本中提供的 Redis-Cell 模塊灌诅，該模塊使用的是漏斗算法疏魏，并且提供了原子的限流指令倒信，而且依靠 Redis 這個(gè)天生的分布式程序就可以實(shí)現(xiàn)比較完美的限流了。
Redis-Cell 實(shí)現(xiàn)限流的方法也很簡單资溃，只需要使用一條指令 cl.throttle 即可武翎，使用示例如下：
> cl.throttle mylimit 15 30 60
1）（integer）0 # 0 表示獲取成功，1 表示拒絕
2）（integer）15 # 漏斗容量
3）（integer）14 # 漏斗剩余容量
4）（integer）-1 # 被拒絕之后溶锭，多長時(shí)間之后再試（單位：秒）-1 表示無需重試
5）（integer）2 # 多久之后漏斗完全空出來
其中 15 為漏斗的容量宝恶，30 / 60s 為漏斗的速率。
3.令牌算法
在令牌桶算法中有一個(gè)程序以某種恒定的速度生成令牌，并存入令牌桶中垫毙，而每個(gè)請(qǐng)求需要先獲取令牌才能執(zhí)行霹疫，如果沒有獲取到令牌的請(qǐng)求可以選擇等待或者放棄執(zhí)行，如下圖所示：
我們可以使用 Google 開源的 guava 包综芥，很方便的實(shí)現(xiàn)令牌桶算法丽蝎，首先在 pom.xml 添加 guava 引用，配置如下：
<!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>28.2-jre</version>
</dependency>
具體實(shí)現(xiàn)代碼如下：
import com.google.common.util.concurrent.RateLimiter;
import java.time.Instant;
/**
* Guava 實(shí)現(xiàn)限流
*/
public class RateLimiterExample {
public static void main(String[] args) {
// 每秒產(chǎn)生 10 個(gè)令牌（每 100 ms 產(chǎn)生一個(gè)）
RateLimiter rt = RateLimiter.create(10);
for (int i = 0; i < 11; i++) {
new Thread(() -> {
// 獲取 1 個(gè)令牌
rt.acquire();
System.out.println("正常執(zhí)行方法膀藐，ts:" + Instant.now());
}).start();
}
}
}
以上程序的執(zhí)行結(jié)果為：
正常執(zhí)行方法屠阻，ts:2020-05-15T14:46:37.175Z
正常執(zhí)行方法，ts:2020-05-15T14:46:37.237Z
正常執(zhí)行方法额各，ts:2020-05-15T14:46:37.339Z
正常執(zhí)行方法国觉，ts:2020-05-15T14:46:37.442Z
正常執(zhí)行方法，ts:2020-05-15T14:46:37.542Z
正常執(zhí)行方法虾啦，ts:2020-05-15T14:46:37.640Z
正常執(zhí)行方法麻诀，ts:2020-05-15T14:46:37.741Z
正常執(zhí)行方法，ts:2020-05-15T14:46:37.840Z
正常執(zhí)行方法傲醉，ts:2020-05-15T14:46:37.942Z
正常執(zhí)行方法蝇闭，ts:2020-05-15T14:46:38.042Z
正常執(zhí)行方法，ts:2020-05-15T14:46:38.142Z
從以上結(jié)果可以看出令牌確實(shí)是每 100ms 產(chǎn)生一個(gè)硬毕，而 acquire() 方法為阻塞等待獲取令牌丁眼，它可以傳遞一個(gè) int 類型的參數(shù)，用于指定獲取令牌的個(gè)數(shù)昭殉。它的替代方法還有 tryAcquire()，此方法在沒有可用令牌時(shí)就會(huì)返回 false 這樣就不會(huì)阻塞等待了藐守。當(dāng)然 tryAcquire() 方法也可以設(shè)置超時(shí)時(shí)間挪丢，未超過最大等待時(shí)間會(huì)阻塞等待獲取令牌，如果超過了最大等待時(shí)間卢厂，還沒有可用的令牌就會(huì)返回 false乾蓬。
注意：使用 guava 實(shí)現(xiàn)的令牌算法屬于程序級(jí)別的單機(jī)限流方案，而上面使用 Redis-Cell 的是分布式的限流方案慎恒。
總結(jié)
本文提供了 6 種具體的實(shí)現(xiàn)限流的手段任内，他們分別是：Tomcat 使用 maxThreads 來實(shí)現(xiàn)限流；Nginx 提供了兩種限流方式融柬，一是通過 limit_req_zone 和 burst 來實(shí)現(xiàn)速率限流死嗦，二是通過 limit_conn_zone 和 limit_conn 兩個(gè)指令控制并發(fā)連接的總數(shù)。最后我們講了時(shí)間窗口算法借助 Redis 的有序集合可以實(shí)現(xiàn)粒氧，還有漏桶算法可以使用 Redis-Cell 來實(shí)現(xiàn)越除，以及令牌算法可以解決 Google 的 guava 包來實(shí)現(xiàn)。
需要注意的是借助 Redis 實(shí)現(xiàn)的限流方案可用于分布式系統(tǒng)，而 guava 實(shí)現(xiàn)的限流只能應(yīng)用于單機(jī)環(huán)境摘盆。如果你嫌棄服務(wù)器端限流麻煩翼雀，甚至可以在不改代碼的情況下直接使用容器限流（Nginx 或 Tomcat），但前提是能滿足你的業(yè)務(wù)需求孩擂。
好了狼渊，文章到這里就結(jié)束了，期待我們下期再會(huì)~
