我司用了6年的Redis分布式限流器，可以说是非常厉害了！

什么是限流？为什么要限流？

不知道大家有没有坐过帝都的地铁，就是进地铁站都要排队的那种，为什么要这样摆长龙转圈圈？答案就是为了限流！因为一趟地铁的运力是有限的，一下挤进去太多人会造成站台的拥挤、列车的超载，存在一定的安全隐患。同理，我们的程序也是一样，它处理请求的能力也是有限的，一旦请求多到超出它的处理极限就会崩溃。为了不出现最坏的崩溃情况，只能耽误一下大家进站的时间。

限流是保证系统高可用的重要手段！

由于互联网公司的流量巨大，系统上线会做一个流量峰值的评估，尤其是像各种秒杀促销活动，为了保证系统不被巨大的流量压垮，会在系统流量到达一定阈值时，拒绝掉一部分流量。

限流会导致用户在短时间内（这个时间段是毫秒级的）系统不可用，一般我们衡量系统处理能力的指标是每秒的QPS或者TPS，假设系统每秒的流量阈值是1000，理论上一秒内有第1001个请求进来时，那么这个请求就会被限流。

限流方案

计数器

Java内部也可以通过原子类计数器AtomicInteger、Semaphore信号量来做简单的限流。

// 限流的个数

private int maxCount = 10;

// 指定的时间内

private long interval = 60;

// 原子类计数器

private AtomicInteger atomicInteger = new AtomicInteger(0);

// 起始时间

private long startTime = System.currentTimeMillis();



public boolean limit(int maxCount, int interval) {

    atomicInteger.addAndGet(1);

    if (atomicInteger.get() == 1) {

        startTime = System.currentTimeMillis();

        atomicInteger.addAndGet(1);

        return true;

    }

    // 超过了间隔时间，直接重新开始计数

    if (System.currentTimeMillis() - startTime > interval * 1000) {

        startTime = System.currentTimeMillis();

        atomicInteger.set(1);

        return true;

    }

    // 还在间隔时间内,check有没有超过限流的个数

    if (atomicInteger.get() > maxCount) {

        return false;

    }

    return true;

} 

漏桶算法

漏桶算法思路很简单，我们把水比作是请求，漏桶比作是系统处理能力极限，水先进入到漏桶里，漏桶里的水按一定速率流出，当流出的速率小于流入的速率时，由于漏桶容量有限，后续进入的水直接溢出（拒绝请求），以此实现限流。

令牌桶算法

令牌桶算法的原理也比较简单，我们可以理解成医院的挂号看病，只有拿到号以后才可以进行诊病。

系统会维护一个令牌（token）桶，以一个恒定的速度往桶里放入令牌（token），这时如果有请求进来想要被处理，则需要先从桶里获取一个令牌（token），当桶里没有令牌（token）可取时，则该请求将被拒绝服务。令牌桶算法通过控制桶的容量、发放令牌的速率，来达到对请求的限制。

Redis + Lua

很多同学不知道 Lua 是啥？个人理解，Lua脚本和 MySQL 数据库的存储过程比较相似，他们执行一组命令，所有命令的执行要么全部成功或者失败，以此达到原子性。也可以把Lua脚本理解为，一段具有业务逻辑的代码块。

而Lua本身就是一种编程语言，虽然redis 官方没有直接提供限流相应的API，但却支持了 Lua 脚本的功能，可以使用它实现复杂的令牌桶或漏桶算法，也是分布式系统中实现限流的主要方式之一。

相比Redis事务，Lua脚本的优点：

• 减少网络开销：使用Lua脚本，无需向Redis发送多次请求，执行一次即可，减少网络传输
• 原子操作：Redis将整个Lua脚本作为一个命令执行，原子，无需担心并发
• 复用：Lua脚本一旦执行，会永久保存 Redis 中，其他客户端可复用

Lua脚本大致逻辑如下：

-- 获取调用脚本时传入的第一个key值（用作限流的 key）

local key = KEYS[1]

-- 获取调用脚本时传入的第一个参数值（限流大小）

local limit = tonumber(ARGV[1])



-- 获取当前流量大小

local curentLimit = tonumber(redis.call('get', key) or "0")



-- 是否超出限流

if curentLimit + 1 > limit then

-- 返回(拒绝)

return 0

else

-- 没有超出 value + 1

redis.call("INCRBY", key, 1)

-- 设置过期时间

redis.call("EXPIRE", key, 2)

-- 返回(放行)

return 1

end

• 通过KEYS[1] 获取传入的key参数
• 通过ARGV[1]获取传入的limit参数
• redis.call方法，从缓存中get和key相关的值，如果为null那么就返回0
• 接着判断缓存中记录的数值是否会大于限制大小，如果超出表示该被限流，返回0
• 如果未超过，那么该key的缓存值+1，并设置过期时间为1秒钟以后，并返回缓存值+1

这种方式是本文推荐的方案，具体实现会在后边做细说。

网关层限流

限流常在网关这一层做，比如Nginx、Openresty、Kong、Zuul、Spring Cloud Gateway等，而像spring cloud - gateway网关限流底层实现原理，就是基于Redis + Lua，通过内置Lua限流脚本的方式。

Redis + Lua限流实现

下面我们通过自定义注解、aop、Redis + Lua实现限流，步骤会比较详细，为了小白能让快速上手这里啰嗦一点，有经验的老鸟们多担待一下。

环境准备

Spring Boot项目创建地址： https://start.spring.io ，很方便实用的一个工具。

引入依赖包

pom文件中添加如下依赖包，比较关键的就是spring-boot-starter-data-redis和spring-boot-starter-aop。

<dependencies>

    <dependency>

        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-starter-web</artifactId>

    </dependency>

    <dependency>

        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-starter-data-redis</artifactId>

    </dependency>

    <dependency>

        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-starter-aop</artifactId>

    </dependency>

    <dependency>

        <groupId>com.google.guava</groupId>

        <artifactId>guava</artifactId>

        <version>21.0</version>

    </dependency>

    <dependency>

        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-starter-test</artifactId>

    </dependency>

    <dependency>

        <groupId>org.apache.commons</groupId>

        <artifactId>commons-lang3</artifactId>

    </dependency>



    <dependency>

        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-starter-test</artifactId>

        <scope>test</scope>

        <exclusions>

            <exclusion>

                <groupId>org.junit.vintage</groupId>

                <artifactId>junit-vintage-engine</artifactId>

            </exclusion>

        </exclusions>

    </dependency>

</dependencies>

配置application.properties

在application.properties文件中配置提前搭建好的Redis服务地址和端口。

spring.redis.host=127.0.0.1



spring.redis.port=6379

配置RedisTemplate实例

@Configuration

public class RedisLimiterHelper {



@Bean

public RedisTemplate<String, Serializable> limitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) {

    RedisTemplate<String, Serializable> template = new RedisTemplate<>();

    template.setKeySerializer(new StringRedisSerializer());

    template.setValueSerializer(new GenericJackson2JsonRedisSerializer());

    template.setConnectionFactory(redisConnectionFactory);

    return template;

}

} 

限流类型枚举类：

/**

* @author fu

* @description 限流类型

* @date 2020/4/8 13:47

*/

public enum LimitType {



/**

 * 自定义key

 */

CUSTOMER,



/**

 * 请求者IP

 */

IP;

} 

自定义注解

我们自定义个@Limit注解，注解类型为ElementType.METHOD即作用于方法上。

period表示请求限制时间段，count表示在period这个时间段内允许放行请求的次数。limitType代表限流的类型，可以根据请求的IP、自定义key，如果不传limitType属性则默认用方法名作为默认key。

/**

* @author fu

* @description 自定义限流注解

* @date 2020/4/8 13:15

*/

@Target({ElementType.METHOD, ElementType.TYPE})

@Retention(RetentionPolicy.RUNTIME)

@Inherited

@Documented

public @interface Limit {



/**

 * 名字

 */

String name() default "";



/**

 * key

 */

String key() default "";



/**

 * Key的前缀

 */

String prefix() default "";



/**

 * 给定的时间范围 单位(秒)

 */

int period();



/**

 * 一定时间内最多访问次数

 */

int count();



/**

 * 限流的类型(用户自定义key或者请求ip)

 */

LimitType limitType() default LimitType.CUSTOMER;

} 

切面代码实现

/**

* @author fu

* @description 限流切面实现

* @date 2020/4/8 13:04

*/

@Aspect

@Configuration

public class LimitInterceptor {



private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class);



private static final String UNKNOWN = "unknown";



private final RedisTemplate<String, Serializable> limitRedisTemplate;



@Autowired

public LimitInterceptor(RedisTemplate<String, Serializable> limitRedisTemplate) {

    this.limitRedisTemplate = limitRedisTemplate;

}



/**

 * @param pjp

 * @author fu

 * @description 切面

 * @date 2020/4/8 13:04

 */

@Around("execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)")

public Object interceptor(ProceedingJoinPoint pjp) {

    MethodSignature signature = (MethodSignature) pjp.getSignature();

    Method method = signature.getMethod();

    Limit limitAnnotation = method.getAnnotation(Limit.class);

    LimitType limitType = limitAnnotation.limitType();

    String name = limitAnnotation.name();

    String key;

    int limitPeriod = limitAnnotation.period();

    int limitCount = limitAnnotation.count();



    /**

     * 根据限流类型获取不同的key ,如果不传我们会以方法名作为key

     */

    switch (limitType) {

        case IP:

            key = getIpAddress();

            break;

        case CUSTOMER:

            key = limitAnnotation.key();

            break;

        default:

            key = StringUtils.upperCase(method.getName());

    }



    ImmutableList<String> keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(), key));

    try {

        String luaScript = buildLuaScript();

        RedisScript<Number> redisScript = new DefaultRedisScript<>(luaScript, Number.class);

        Number count = limitRedisTemplate.execute(redisScript, keys, limitCount, limitPeriod);

        logger.info("Access try count is {} for name={} and key = {}", count, name, key);

        if (count != null && count.intValue() <= limitCount) {

            return pjp.proceed();

        } else {

            throw new RuntimeException("You have been dragged into the blacklist");

        }

    } catch (Throwable e) {

        if (e instanceof RuntimeException) {

            throw new RuntimeException(e.getLocalizedMessage());

        }

        throw new RuntimeException("server exception");

    }

}



/**

 * @author fu

 * @description 编写Redis Lua限流脚本

 * @date 2020/4/8 13:24

 */

public String buildLuaScript() {

    StringBuilder lua = new StringBuilder();

    lua.append("local c");

    lua.append("\nc = redis.call('get',KEYS[1])");

    // 调用不超过最大值，则直接返回

    lua.append("\nif c and tonumber(c) > tonumber(ARGV[1]) then");

    lua.append("\nreturn c;");

    lua.append("\nend");

    // 执行计算器自加

    lua.append("\nc = redis.call('incr',KEYS[1])");

    lua.append("\nif tonumber(c) == 1 then");

    // 从第一次调用开始限流，设置对应键值的过期

    lua.append("\nredis.call('expire',KEYS[1],ARGV[2])");

    lua.append("\nend");

    lua.append("\nreturn c;");

    return lua.toString();

}





/**

 * @author fu

 * @description 获取id地址

 * @date 2020/4/8 13:24

 */

public String getIpAddress() {

    HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();

    String ip = request.getHeader("x-forwarded-for");

    if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {

        ip = request.getHeader("Proxy-Client-IP");

    }

    if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {

        ip = request.getHeader("WL-Proxy-Client-IP");

    }

    if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {

        ip = request.getRemoteAddr();

    }

    return ip;

}

} 

控制层实现

我们将@Limit注解作用在需要进行限流的接口方法上，下边我们给方法设置@Limit注解，在10秒内只允许放行3个请求，这里为直观一点用AtomicInteger计数。

/**

* @Author: fu

* @Description:

*/

@RestController

public class LimiterController {



private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger();

private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger();

private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger();



/**

 * @author fu

 * @description

 * @date 2020/4/8 13:42

 */

@Limit(key = "limitTest", period = 10, count = 3)

@GetMapping("/limitTest1")

public int testLimiter1() {



    return ATOMIC_INTEGER_1.incrementAndGet();

}



/**

 * @author fu

 * @description

 * @date 2020/4/8 13:42

 */

@Limit(key = "customer_limit_test", period = 10, count = 3, limitType = LimitType.CUSTOMER)

@GetMapping("/limitTest2")

public int testLimiter2() {



    return ATOMIC_INTEGER_2.incrementAndGet();

}



/**

 * @author fu

 * @description 

 * @date 2020/4/8 13:42

 */

@Limit(key = "ip_limit_test", period = 10, count = 3, limitType = LimitType.IP)

@GetMapping("/limitTest3")

public int testLimiter3() {



    return ATOMIC_INTEGER_3.incrementAndGet();

}



} 

测试

测试「预期」：连续请求3次均可以成功，第4次请求被拒绝。接下来看一下是不是我们预期的效果，请求地址： http://127.0.0.1:8080/limitTest1 ，用postman进行测试，有没有postman url直接贴浏览器也是一样。

可以看到第四次请求时，应用直接拒绝了请求，说明我们的Spring Boot + aop + Lua限流方案搭建成功。

总结

以上Spring Boot + aop + Lua限流实现是比较简单的，旨在让大家认识下什么是限流？如何做一个简单的限流功能，面试要知道这是个什么东西。上面虽然说了几种实现限流的方案，但选哪种还要结合具体的业务场景，不能为了用而用。

原文链接： https://mp.weixin.qq.com/s/kyFAWH3mVNJvurQDt4vchA