应用为什么要限流

由于 API 接口无法控制调用方的行为，因此当遇到瞬时请求量激增时，会导致接口占用过多服务器资源，使得其他请求响应速度降低或是超时，更有甚者可能导致服务器宕机。限流(Ratelimiting)指对应用服务的请求进行限制，例如某一接口的请求限制为 100 个每秒，对超过限制的请求则进行快速失败或丢弃。

限流可以应对：

  • 热点业务带来的突发请求；
  • 调用方 bug 导致的突发请求；
  • 恶意攻击请求。

限流的常用算法

实现限流有很多办法，在程序中时通常是根据每秒处理的事务数(Transactionpersecond)来衡量接口的流量。这里介绍几种最常用的限流算法：

  • 固定窗口计数器；
  • 滑动窗口计数器；
  • 漏桶；
  • 令牌桶。

1、固定窗口计数器算法

image-20211021144041279

固定窗口计数器算法概念如下：

  • 将时间划分为多个窗口；
  • 在每个窗口内每有一次请求就将计数器加一；
  • 如果计数器超过了限制数量，则本窗口内所有的请求都被丢弃当时间到达下一个窗口时，计数器重置。

固定窗口计数器是最为简单的算法，但这个算法有时会让通过请求量允许为限制的两倍。考虑如下情况：限制 1 秒内最多通过 5 个请求，在第一个窗口的最后半秒内通过了 5 个请求，第二个窗口的前半秒内又通过了 5 个请求。这样看来就是在 1 秒内通过了 10 个请求。

image-20211021144110386

2、滑动窗口计数器算法

image-20211021144147162

滑动窗口计数器算法概念如下：

  • 将时间划分为多个区间；
  • 在每个区间内每有一次请求就将计数器加一维持一个时间窗口，占据多个区间；
  • 每经过一个区间的时间，则抛弃最老的一个区间，并纳入最新的一个区间；
  • 如果当前窗口内区间的请求计数总和超过了限制数量，则本窗口内所有的请求都被丢弃。

滑动窗口计数器是通过将窗口再细分，并且按照时间"滑动"，这种算法避免了固定窗口计数器带来的双倍突发请求，但时间区间的精度越高，算法所需的空间容量就越大。

3、漏桶算法

image-20211021144231578

漏桶算法概念如下：

  • 将每个请求视作"水滴"放入"漏桶"进行存储；
  • “漏桶"以固定速率向外"漏"出请求来执行如果"漏桶"空了则停止"漏水”；
  • 如果"漏桶"满了则多余的"水滴"会被直接丢弃。

漏桶算法多使用队列实现，服务的请求会存到队列中，服务的提供方则按照固定的速率从队列中取出请求并执行，过多的请求则放在队列中排队或直接拒绝。

漏桶算法的缺陷也很明显，当短时间内有大量的突发请求时，即便此时服务器没有任何负载，每个请求也都得在队列中等待一段时间才能被响应。

4、令牌桶算法

image-20211021144307403

令牌桶算法概念如下：

  • 令牌以固定速率生成；
  • 生成的令牌放入令牌桶中存放，如果令牌桶满了则多余的令牌会直接丢弃，当请求到达时，会尝试从令牌桶中取令牌，取到了令牌的请求可以执行；
  • 如果桶空了，那么尝试取令牌的请求会被直接丢弃。

令牌桶算法既能够将所有的请求平均分布到时间区间内，又能接受服务器能够承受范围内的突发请求，因此是目前使用较为广泛的一种限流算法。

思考

令牌桶看上去比滑动窗口实现的更加细腻喝高效；但实际上令牌桶实现起来有其特点，比如需要一个定时器生成新令牌，而且对令牌的操作几乎都需要加锁；而滑动窗口的实现可以规避一些问题，只不过内存占用稍多一些。这两种算法都是比较常见的。

分布式限流

image-20211021144424890

当应用为单点应用时，只要应用进行了限流，那么应用所依赖的各种服务也都得到了保护。

image-20211021144453298

但线上业务出于各种原因考虑，多是分布式系统，单节点的限流仅能保护自身节点，但无法保护应用依赖的各种服务，并且在进行节点扩容、缩容时也无法准确控制整个服务的请求限制。

image-20211021144523259

而如果实现了分布式限流，那么就可以方便地控制整个服务集群的请求限制，且由于整个集群的请求数量得到了限制，因此服务依赖的各种资源也得到了限流的保护。

分布式限流中间件

分布式限流本质上是一个集群并发问题，而 Redis 作为一个应用广泛的中间件，又拥有单进程单线程的特性，天然可以解决分布式集群的并发问题。本文简单介绍一个通过 Redis 实现单次请求判断限流的功能。

参考：Redis分布式锁解决方案

https://www.infoq.cn/article/DVAAJ71F4fBQsxmGVdCE?utm_source=related_read_bottom&utm_medium=article

（完）