手写常用限流算法

手写常用限流算法1、令牌桶算法这是关于令牌桶的定义,我也不用去解释了,直接百度就OK。平时我们可能会使用guava的RateLimiter。我个人的理解是感觉该接口每秒可以请求的次数。那么我们根据该解释来手动去实现一个所谓的令牌桶算法。令牌桶首先要有一个桶对吧,还要有令牌、还要实现平均发送令牌,桶满了丢弃等,那么你们有思路了吗,开始diy吧。importjava.util.concurrent.LinkedBlockingQueue;/***简单实现令牌桶算法*/publicclassMyRat

效果演示在最后。都是简单理解实现其功能demo,别杠,最终解释权归作者所有

1、令牌桶算法

这是关于令牌桶的定义,我也不用去解释了,直接百度就OK。平时我们可能会使用guava的RateLimiter。我个人的理解是感觉该接口每秒可以请求的次数。在这里插入图片描述
那么我们根据该解释来手动去实现一个所谓的令牌桶算法。令牌桶首先要有一个桶对吧,还要有令牌、还要实现平均发送令牌,桶满了丢弃等,那么你们有思路了吗,开始diy吧。

import java.util.concurrent.LinkedBlockingQueue;

/**
 * 简单实现令牌桶算法
 */
public class MyRateLimiter {
    /**
     * 设置为可见性
     * tokenBucket桶容器
     */
    private volatile LinkedBlockingQueue tokenBucket =  null;

    /**
     * 对外提供创建桶的方法
     * @param capactity 设置桶的容量
     * @return
     */
    public static MyRateLimiter create(int capactity){
        return new MyRateLimiter(capactity);
    }

    /**
     * 在构造方法中初始化
     * @param capactity
     */
    private MyRateLimiter(int capactity){
        tokenBucket = new LinkedBlockingQueue<String>(capactity);
        initTokenBucket(capactity);
    }

    /**
     * 第一次初始化的时候要首先放入指定令牌数量,不然第一次初始化的时候没有令牌可咋玩
     * @param capactity
     */
    private void initTokenBucket(int capactity) {
        //先放入令牌,省的还没放入就已经调用导致无法使用
        addToken(capactity);
        //定时任务每秒方法指定数量令牌
        new Thread(new Runnable() {
            @Override
            public void run() {
                while (true) {
                    try {
                        // 每隔1s 执行
                        Thread.sleep(1000);
                        addToken(capactity);
                    } catch (Exception e) {

                    }
                }
            }
        }).start();
    }

    /**
     * 每秒放入指定数量的令牌
     * @param capactity
     */
    private void addToken(int capactity) {
        for (int i = 0; i < capactity; i++) {
            tokenBucket.offer("#");
        }
    }

    /**
     * 获取令牌
     * @return
     */
    public boolean tryAcquire() {
        return tokenBucket.poll() == null ? false : true;
    }
}

2、漏桶算法

在这里插入图片描述

import java.util.concurrent.LinkedBlockingQueue;

public class LeakyBucket {
	/**
	 * 还是定义通
	 */
	private volatile LinkedBlockingQueue<String> tokenBucket =  null;
	
	/**
	 * 对外提供创建桶方法
	 * @param capactity
	 * @return
	 */
	public static LeakyBucket create(int capactity) {
		return new LeakyBucket(capactity);
	}
	private LeakyBucket(int capactity) {
		tokenBucket =  new LinkedBlockingQueue<>(capactity);
		initConsume();
	}
	/**
	 * 以恒定速率流出桶
	 */
	private void initConsume() {
		new Thread(new Runnable() {
			@Override
			public void run() {
				while(true) {
					try {
						Thread.sleep(1000);
					} catch (InterruptedException e) {
						e.printStackTrace();
					}
					tokenBucket.poll();//以固定速率消费
				}
				
			}
		}).start();
	}
	
	/**
	 * 是否能存入,能存入则代表桶没满可以允许请求返回true
	 * @return
	 */
	public boolean tryAcquire() {
        return tokenBucket.offer("#");
    }
}

两种桶都是用了LinkedBlockingQueue去实现,为什么要这样做呢,主要还是api好用

3、计数器算法

public class CountLimiter {

    private volatile int count;//总量

    private volatile long startTime = System.currentTimeMillis();

    private static final long MIN_TIME = 2*1000;//规定时间内 赞设为2s

    private static final int REQ_LIMIT = 5;//规定时间内请求的次数最大为5

    public boolean tryAcquire(){
        long currentTimeMillis = System.currentTimeMillis();
        if(currentTimeMillis-startTime>=MIN_TIME){
            startTime = currentTimeMillis;
            count = 0;
        }
        if(count<=REQ_LIMIT){
           count++;
           return true;
        }
        return false;
    }
}

测试使用

测试代码

//CountLimiter limiter = new CountLimiter();
	//LeakyBucket limiter = LeakyBucket.create(5);
	MyRateLimiter limiter = MyRateLimiter.create(5); 
	
	@GetMapping("/test")
	public String te() {
		boolean tryAcquire = limiter.tryAcquire();
		if(!tryAcquire) {
			return "服务被限流了";
		}
		return "服务访问成功了";
	}

正常访问请求
在这里插入图片描述
加快频率访问
在这里插入图片描述

实战 redis+lua脚本限流

先贴上redis配置类

import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;

@Configuration
public class RedisConfig  {

    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);
        template.setConnectionFactory(factory);
        template.setKeySerializer(redisSerializer);
        template.setValueSerializer(jackson2JsonRedisSerializer);
        template.setHashValueSerializer(jackson2JsonRedisSerializer);
        return template;
    }

    @Bean
    public DefaultRedisScript<Long> limitScript()
    {
        DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();
        redisScript.setScriptText(limitScriptText());
        redisScript.setResultType(Long.class);
        return redisScript;
    }

    /**
     * 参考文章https://blog.csdn.net/shy_1762538422/article/details/113569335
     */
    private String limitScriptText(){
        return "local key = KEYS[1]\n" +  //获取key中的第一个参数
                "local count = tonumber(ARGV[1])\n" +  //获取可变参数中的第一个参数  rateLimit.count()
                "local time = tonumber(ARGV[2])\n" +        //获取可变参数中的第二个参数  rateLimit.time()
                "local current = redis.call('get', key);\n" +  //执行redis命令:获取当前key的使用次数
                "if current and tonumber(current) > count then\n" + //如果获取到的次数大于设置的count  直接返回
                "    return tonumber(current);\n" +
                "end\n" +
                "current = redis.call('incr', key)\n" + //key+1
                "if tonumber(current) == 1 then\n" +   //如果current=1  设置过期时间
                "    redis.call('expire', key, time)\n" +
                "end\n" +
                "return tonumber(current);"; // 返回current
    }
}

自定义注解

import java.lang.annotation.ElementType;
import java.lang.annotation.Retention;
import java.lang.annotation.RetentionPolicy;
import java.lang.annotation.Target;


/**
 * 自定义限流注解
 * 默认一秒内最多三次请求
 */
@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
public @interface RateLimit {

    //唯一标识
    String key() default "";

   //指定限流时间
    int time() default 1;

    //指定时间内的次数
    int count() default 3;
}

切面代码

import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.reflect.MethodSignature;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.core.script.RedisScript;
import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletResponse;
import java.io.IOException;
import java.lang.reflect.Method;
import java.util.Collections;
import java.util.List;

@Aspect
@Component
public class LimitAspect {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    @Autowired
    private RedisScript<Long> limitScript;

	@Autowired
	HttpServletResponse response;
    
    @Around("@annotation(com.ljw.lovely.limit.RateLimit)")
    public Object interceptor(ProceedingJoinPoint joinPoint) throws Throwable {

        redisTemplate.opsForValue().set("name","测试名称");
		MethodSignature signature = (MethodSignature) joinPoint.getSignature();
		Method method = signature.getMethod();
		RateLimit rateLimit = method.getAnnotation(RateLimit.class);
		String key = rateLimit.key();
		int count = rateLimit.count();
		int time  = rateLimit.time();

		StringBuilder sb = new StringBuilder();
		sb.append(key).append("-").append(method.getName());
		//创建单个元素的List集合 这个方法主要用于只有一个元素的优化,减少内存分配,无需分配额外的内存
		List<String> keys = Collections.singletonList(sb.toString());
		try{
            Long number = redisTemplate.execute(limitScript, keys, count, time);
            if (number==null || number.intValue() > count){
				return "服务被限流了";
			}
		}catch (Exception e){
			e.printStackTrace();
			return "服务被限流了";
		}
		return joinPoint.proceed();
    }
}

在这里插入图片描述
在这里插入图片描述

今天的文章手写常用限流算法分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/27896.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注