如何優雅的進行限流(基于aop)。
首先就讓我們來看看為什麼需要對接口進行限流?
為什麼要進行限流?
因為網際網路系統通常都要面對大并發大流量的請求,在突發情況下(最常見的場景就是秒殺、搶購),瞬時大流量會直接将系統打垮,無法對外提供服務。那為了防止出現這種情況最常見的解決方案之一就是限流,當請求達到一定的并發數或速率,就進行等待、排隊、降級、拒絕服務等。
例如,12306購票系統,在面對高并發的情況下,就是采用了限流。 在流量高峰期間經常會出現提示語;“目前排隊人數較多,請稍後再試!”
什麼是限流?有哪些限流算法?
限流是對某一時間視窗内的請求數進行限制,保持系統的可用性和穩定性,防止因流量暴增而導緻的系統運作緩慢或當機。
常見的限流算法有三種:
1. 計數器限流
計數器限流算法是最為簡單粗暴的解決方案,主要用來限制總并發數,比如資料庫連接配接池大小、線程池大小、接口通路并發數等都是使用計數器算法。
如:使用 aomicinteger 來進行統計目前正在并發執行的次數,如果超過域值就直接拒絕請求,提示系統繁忙。
2. 漏桶算法
漏桶算法思路很簡單,我們把水比作是請求,漏桶比作是系統處理能力極限,水先進入到漏桶裡,漏桶裡的水按一定速率流出,當流出的速率小于流入的速率時,由于漏桶容量有限,後續進入的水直接溢出(拒絕請求),以此實作限流。
3. 令牌桶算法
令牌桶算法的原理也比較簡單,我們可以了解成醫院的挂号看病,隻有拿到号以後才可以進行診病。
系統會維護一個令牌(token)桶,以一個恒定的速度往桶裡放入令牌(token),這時如果有請求進來想要被處理,則需要先從桶裡擷取一個令牌(token),當桶裡沒有令牌(token)可取時,則該請求将被拒絕服務。令牌桶算法通過控制桶的容量、發放令牌的速率,來達到對請求的限制。
基于guava工具類實作限流
google開源工具包guava提供了限流工具類ratelimiter,該類基于令牌桶算法實作流量限制,使用十分友善,而且十分高效,實作步驟如下:
第一步:引入guava依賴包
<dependency>
<groupid>com.google.guava</groupid>
<artifactid>guava</artifactid>
<version>30.1-jre</version>
</dependency>
第二步:給接口加上限流邏輯
@slf4j
@restcontroller
@requestmapping("/limit")
public class limitcontroller {
/**
* 限流政策 : 1秒鐘2個請求
*/
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,沒拿到令牌,就直接進入服務降級
boolean tryacquire = limiter.tryacquire(500, timeunit.milliseconds);
if (!tryacquire) {
log.warn("進入服務降級,時間{}", localdatetime.now().format(dtf));
return "目前排隊人數較多,請稍後再試!";
}
log.info("擷取令牌成功,時間{}", localdatetime.now().format(dtf));
return "請求成功";
}
}
以上用到了ratelimiter的2個核心方法:create()、tryacquire(),以下為詳細說明
acquire() 擷取一個令牌, 改方法會阻塞直到擷取到這一個令牌, 傳回值為擷取到這個令牌花費的時間
acquire(int permits) 擷取指定數量的令牌, 該方法也會阻塞, 傳回值為擷取到這 n 個令牌花費的時間
tryacquire() 判斷時候能擷取到令牌, 如果不能擷取立即傳回 false
tryacquire(int permits) 擷取指定數量的令牌, 如果不能擷取立即傳回 false
tryacquire(long timeout, timeunit unit) 判斷能否在指定時間内擷取到令牌, 如果不能擷取立即傳回 false
tryacquire(int permits, long timeout, timeunit unit) 同上
第三步:體驗效果
通過通路測試位址: http://127.0.0.1:8080/limit/test1,反複重新整理并觀察後端日志
warn limitcontroller:35 - 進入服務降級,時間2021-09-25 21:39:37
info limitcontroller:39 - 擷取令牌成功,時間2021-09-25 21:39:37
warn limitcontroller:35 - 進入服務降級,時間2021-09-25 21:39:38
info limitcontroller:39 - 擷取令牌成功,時間2021-09-25 21:39:38
從以上日志可以看出,1秒鐘内隻有2次成功,其他都失敗降級了,說明我們已經成功給接口加上了限流功能。
當然了,我們在實際開發中并不能直接這樣用。至于原因嘛,你想呀,你每個接口都需要手動給其加上tryacquire(),業務代碼和限流代碼混在一起,而且明顯違背了dry原則,代碼備援,重複勞動。代碼評審時肯定會被老鳥們給嘲笑一番,啥破玩意兒!
是以,我們這裡需要想辦法将其優化 - 借助自定義注解+aop實作接口限流。
基于aop實作接口限流
基于aop的實作方式也非常簡單,實作過程如下:
第一步:加入aop依賴
<groupid>org.springframework.boot</groupid>
<artifactid>spring-boot-starter-aop</artifactid>
第二步:自定義限流注解
@retention(retentionpolicy.runtime)
@target({elementtype.method})
@documented
public @interface limit {
* 資源的key,唯一
* 作用:不同的接口,不同的流量控制
string key() default "";
* 最多的通路限制次數
double permitspersecond () ;
* 擷取令牌最大等待時間
long timeout();
* 擷取令牌最大等待時間,機關(例:分鐘/秒/毫秒) 預設:毫秒
timeunit timeunit() default timeunit.milliseconds;
* 得不到令牌的提示語
string msg() default "系統繁忙,請稍後再試.";
第三步:使用aop切面攔截限流注解
@aspect
@component
public class limitaop {
* 不同的接口,不同的流量控制
* map的key為 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;
//驗證緩存是否有命中key
if (!limitmap.containskey(key)) {
// 建立令牌桶
ratelimiter = ratelimiter.create(limit.permitspersecond());
limitmap.put(key, ratelimiter);
log.info("建立了令牌桶={},容量={}",key,limit.permitspersecond());
}
ratelimiter = limitmap.get(key);
// 拿令牌
boolean acquire = ratelimiter.tryacquire(limit.timeout(), limit.timeunit());
// 拿不到指令,直接傳回異常提示
if (!acquire) {
log.debug("令牌桶={},擷取令牌失敗",key);
this.responsefail(limit.msg());
return null;
return joinpoint.proceed();
* 直接向前端抛出異常
* @param msg 提示資訊
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:給需要限流的接口加上注解
@getmapping("/test2")
@limit(key = "limit2", permitspersecond = 1, timeout = 500, timeunit = timeunit.milliseconds,msg = "目前排隊人數較多,請稍後再試!")
public string limit2() {
log.info("令牌桶limit2擷取令牌成功");
return "ok";
@getmapping("/test3")
@limit(key = "limit3", permitspersecond = 2, timeout = 500, timeunit = timeunit.milliseconds,msg = "系統繁忙,請稍後再試!")
public string limit3() {
log.info("令牌桶limit3擷取令牌成功");
第五步:體驗效果
通過通路測試位址: http://127.0.0.1:8080/limit/test2,反複重新整理并觀察輸出結果:
正常響應時:
{"status":100,"message":"操作成功","data":"ok","timestamp":1632579377104}
1
觸發限流時:
{"status":2001,"message":"系統繁忙,請稍後再試!","data":null,"timestamp":1632579332177}
通過觀察得之,基于自定義注解同樣實作了接口限流的效果。
小結
一般在系統上線時我們通過對系統壓測可以評估出系統的性能閥值,然後給接口加上合理的限流參數,防止出現大流量請求時直接壓垮系統。今天我們介紹了幾種常見的限流算法(重點關注令牌桶算法),基于guava工具類實作了接口限流并利用aop完成了對限流代碼的優化。
在完成優化後業務代碼和限流代碼解耦,開發人員隻要一個注解,不用關心限流的實作邏輯,而且減少了代碼備援大大提高了代碼可讀性