SpringBoot 如何进行限流？老鸟们都这么玩的！

古城微笑少年丶 2022-09-15 11:50 230阅读 0赞

大家好，我是飘渺。SpringBoot老鸟系列的文章已经写了四篇，每篇的阅读反响都还不错，那今天继续给大家带来老鸟系列的第五篇，来聊聊在SpringBoot项目中如何对接口进行限流，有哪些常见的限流算法，如何优雅的进行限流（基于AOP）。

首先就让我们来看看为什么需要对接口进行限流？

### 为什么要进行限流？ ###

因为互联网系统通常都要面对大并发大流量的请求，在突发情况下（最常见的场景就是秒杀、抢购），瞬时大流量会直接将系统打垮，无法对外提供服务。那为了防止出现这种情况最常见的解决方案之一就是限流，当请求达到一定的并发数或速率，就进行等待、排队、降级、拒绝服务等。

例如，12306购票系统，在面对高并发的情况下，就是采用了限流。 在流量高峰期间经常会出现提示语；“当前排队人数较多，请稍后再试！”

### 什么是限流？有哪些限流算法？ ###

限流是对某一时间窗口内的请求数进行限制，保持系统的可用性和稳定性，防止因流量暴增而导致的系统运行缓慢或宕机。

常见的限流算法有三种：

**1. 计数器限流**

计数器限流算法是最为简单粗暴的解决方案，主要用来限制总并发数，比如数据库连接池大小、线程池大小、接口访问并发数等都是使用计数器算法。

如：使用 AomicInteger 来进行统计当前正在并发执行的次数，如果超过域值就直接拒绝请求，提示系统繁忙。

**2. 漏桶算法**

![image-20210925212319319][]

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。

**3. 令牌桶算法**

![image-20210925212233334][]

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。

### 基于Guava工具类实现限流 ###

Google开源工具包Guava提供了限流工具类RateLimiter，该类基于令牌桶算法实现流量限制，使用十分方便，而且十分高效，实现步骤如下：

#### 第一步：引入guava依赖包 ####

<dependency>
        <groupId>com.google.guava</groupId>
        <artifactId>guava</artifactId>
        <version>30.1-jre</version>
    </dependency>

#### 第二步：给接口加上限流逻辑 ####

@Slf4j
    @RestController
    @RequestMapping("/limit")
    public class LimitController {
        /**
         * 限流策略 ： 1秒钟2个请求
         */
        private final RateLimiter limiter = RateLimiter.create(2.0);
    
        private DateTimeFormatter dtf = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
    
        @GetMapping("/test1")
        public String testLimiter() {
            //500毫秒内，没拿到令牌，就直接进入服务降级
            boolean tryAcquire = limiter.tryAcquire(500, TimeUnit.MILLISECONDS);
    
            if (!tryAcquire) {
                log.warn("进入服务降级，时间{}", LocalDateTime.now().format(dtf));
                return "当前排队人数较多，请稍后再试！";
            }
    
            log.info("获取令牌成功，时间{}", LocalDateTime.now().format(dtf));
            return "请求成功";
        }
    }

以上用到了RateLimiter的2个核心方法：`create()`、`tryAcquire()`，以下为详细说明

*  acquire() 获取一个令牌, 改方法会阻塞直到获取到这一个令牌, 返回值为获取到这个令牌花费的时间
 *  acquire(int permits) 获取指定数量的令牌, 该方法也会阻塞, 返回值为获取到这 N 个令牌花费的时间
 *  tryAcquire() 判断时候能获取到令牌, 如果不能获取立即返回 false
 *  tryAcquire(int permits) 获取指定数量的令牌, 如果不能获取立即返回 false
 *  tryAcquire(long timeout, TimeUnit unit) 判断能否在指定时间内获取到令牌, 如果不能获取立即返回 false
 *  tryAcquire(int permits, long timeout, TimeUnit unit) 同上

#### 第三步：体验效果 ####

通过访问测试地址： http://127.0.0.1:8080/limit/test1，反复刷新并观察后端日志

WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
    WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
    INFO  LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:37
    WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
    WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
    INFO  LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:37
    
    WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:38
    INFO  LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:38
    WARN  LimitController:35 - 进入服务降级，时间2021-09-25 21:39:38
    INFO  LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:38

从以上日志可以看出，1秒钟内只有2次成功，其他都失败降级了，说明我们已经成功给接口加上了限流功能。

当然了，我们在实际开发中并不能直接这样用。至于原因嘛，你想呀，你每个接口都需要手动给其加上`tryAcquire()`，业务代码和限流代码混在一起，而且明显违背了DRY原则，代码冗余，重复劳动。代码评审时肯定会被老鸟们给嘲笑一番，啥破玩意儿！

![image-20210716084136689][]

所以，我们这里需要想办法将其优化 - 借助自定义注解+AOP实现接口限流。

### 基于AOP实现接口限流 ###

基于AOP的实现方式也非常简单，实现过程如下：

#### 第一步：加入AOP依赖 ####

<dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-aop</artifactId>
    </dependency>

#### 第二步：自定义限流注解 ####

@Retention(RetentionPolicy.RUNTIME)
    @Target({ ElementType.METHOD})
    @Documented
    public @interface Limit { 
        /** * 资源的key,唯一 * 作用：不同的接口，不同的流量控制 */
        String key() default "";
    
        /** * 最多的访问限制次数 */
        double permitsPerSecond () ;
    
        /** * 获取令牌最大等待时间 */
        long timeout();
    
        /** * 获取令牌最大等待时间,单位(例:分钟/秒/毫秒) 默认:毫秒 */
        TimeUnit timeunit() default TimeUnit.MILLISECONDS;
    
        /** * 得不到令牌的提示语 */
        String msg() default "系统繁忙,请稍后再试.";
    }

#### 第三步：使用AOP切面拦截限流注解 ####

@Slf4j
    @Aspect
    @Component
    public class LimitAop { 
        /** * 不同的接口，不同的流量控制 * map的key为 Limiter.key */
        private final Map<String, RateLimiter> limitMap = Maps.newConcurrentMap();
    
        @Around("@annotation(com.jianzh5.blog.limit.Limit)")
        public Object around(ProceedingJoinPoint joinPoint) throws Throwable{ 
            MethodSignature signature = (MethodSignature) joinPoint.getSignature();
            Method method = signature.getMethod();
            //拿limit的注解
            Limit limit = method.getAnnotation(Limit.class);
            if (limit != null) { 
                //key作用：不同的接口，不同的流量控制
                String key=limit.key();
                RateLimiter rateLimiter = null;
                //验证缓存是否有命中key
                if (!limitMap.containsKey(key)) { 
                    // 创建令牌桶
                    rateLimiter = RateLimiter.create(limit.permitsPerSecond());
                    limitMap.put(key, rateLimiter);
                    log.info("新建了令牌桶={}，容量={}",key,limit.permitsPerSecond());
                }
                rateLimiter = limitMap.get(key);
                // 拿令牌
                boolean acquire = rateLimiter.tryAcquire(limit.timeout(), limit.timeunit());
                // 拿不到命令，直接返回异常提示
                if (!acquire) { 
                    log.debug("令牌桶={}，获取令牌失败",key);
                    this.responseFail(limit.msg());
                    return null;
                }
            }
            return joinPoint.proceed();
        }
    
        /** * 直接向前端抛出异常 * @param msg 提示信息 */
        private void responseFail(String msg)  { 
            HttpServletResponse response=((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getResponse();
            ResultData<Object> resultData = ResultData.fail(ReturnCode.LIMIT_ERROR.getCode(), msg);
            WebUtils.writeJson(response,resultData);
        }
    }

#### 第四步：给需要限流的接口加上注解 ####

@Slf4j
    @RestController
    @RequestMapping("/limit")
    public class LimitController { 
        
        @GetMapping("/test2")
        @Limit(key = "limit2", permitsPerSecond = 1, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "当前排队人数较多，请稍后再试！")
        public String limit2() { 
            log.info("令牌桶limit2获取令牌成功");
            return "ok";
        }
    
    
        @GetMapping("/test3")
        @Limit(key = "limit3", permitsPerSecond = 2, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "系统繁忙，请稍后再试！")
        public String limit3() { 
            log.info("令牌桶limit3获取令牌成功");
            return "ok";
        }
    }

### 第五步：体验效果 ###

通过访问测试地址： http://127.0.0.1:8080/limit/test2，反复刷新并观察输出结果：

正常响应时：

{ "status":100,"message":"操作成功","data":"ok","timestamp":1632579377104}

触发限流时：

{ "status":2001,"message":"系统繁忙，请稍后再试！","data":null,"timestamp":1632579332177}

通过观察得之，基于自定义注解同样实现了接口限流的效果。

### 小结 ###

一般在系统上线时我们通过对系统压测可以评估出系统的性能阀值，然后给接口加上合理的限流参数，防止出现大流量请求时直接压垮系统。今天我们介绍了几种常见的限流算法（重点关注令牌桶算法），基于Guava工具类实现了接口限流并利用AOP完成了对限流代码的优化。

在完成优化后业务代码和限流代码解耦，开发人员只要一个注解，不用关心限流的实现逻辑，而且减少了代码冗余大大提高了代码可读性，代码评审时谁还能再笑话你？

好了，今天的文章到此就结束了，最后，我是飘渺Jam，一名写代码的架构师，做架构的程序员，期待您的转发与关注，当然也欢迎通过下方二维码添加我的个人微信，咱们一起聊技术！

> 老鸟系列源码已经上传至GitHub，需要的点击下方卡片关注并回复关键字 **0923** 获取

[image-20210925212319319]: /images/20220828/958c0118101e45ab94252921207014ad.png
[image-20210925212233334]: /images/20220828/083f306bf8db436cb310ae1dca2a6644.png
[image-20210716084136689]: /images/20220828/8efecf58116e44cfb0ca5f6fc2da73d1.png