億級流量架構(gòu)之服務(wù)限流思路與方法
時間：2021-09-14 11:32:15
手機看文章
掃描二維碼
隨時隨地手機看文章
[導(dǎo)讀]為什么要限流日常生活中,有哪些需要限流的地方?像我旁邊有一個國家AAAA景區(qū),平時可能根本沒什么人前往,但是一到五一或者春節(jié)就人滿為患,這時候景區(qū)管理人員就會實行一系列的政策來限制進入人流量,為什么要限流呢?假如景區(qū)能容納一萬人,現(xiàn)在進去了三萬人,勢必摩肩接踵,整不好還會有事故發(fā)...
為什么要限流呢?假如景區(qū)能容納一萬人,現(xiàn)在進去了三萬人,勢必摩肩接踵,整不好還會有事故發(fā)生,這樣的結(jié)果就是所有人的體驗都不好,如果發(fā)生了事故景區(qū)可能還要關(guān)閉,導(dǎo)致對外不可用,這樣的后果就是所有人都覺得體驗糟糕透了。
限流思路
對系統(tǒng)服務(wù)進行限流，一般有如下幾個模式：
熔斷
系統(tǒng)在設(shè)計之初就把熔斷措施考慮進去。當系統(tǒng)出現(xiàn)問題時，如果短時間內(nèi)無法修復(fù)，系統(tǒng)要自動做出判斷，開啟熔斷開關(guān)，拒絕流量訪問，避免大流量對后端的過載請求。
服務(wù)降級
將系統(tǒng)的所有功能服務(wù)進行一個分級，當系統(tǒng)出現(xiàn)問題需要緊急限流時，可將不是那么重要的功能進行降級處理，停止服務(wù)，這樣可以釋放出更多的資源供給核心功能的去用。
延遲處理
這個模式需要在系統(tǒng)的前端設(shè)置一個流量緩沖池，將所有的請求全部緩沖進這個池子，不立即處理。然后后端真正的業(yè)務(wù)處理程序從這個池子中取出請求依次處理，常見的可以用隊列模式來實現(xiàn)。這就相當于用異步的方式去減少了后端的處理壓力，但是當流量較大時，后端的處理能力有限，緩沖池里的請求可能處理不及時，會有一定程度延遲。后面具體的漏桶算法以及令牌桶算法就是這個思路。
特權(quán)處理
這個模式需要將用戶進行分類，通過預(yù)設(shè)的分類，讓系統(tǒng)優(yōu)先處理需要高保障的用戶群體，其它用戶群的請求就會延遲處理或者直接不處理。
緩存、降級、限流區(qū)別
緩存，是用來增加系統(tǒng)吞吐量，提升訪問速度提供高并發(fā)。
限流的算法
限流算法很多,常見的有三類,分別是計數(shù)器算法、漏桶算法、令牌桶算法,下面逐一講解。
計數(shù)器算法
簡單粗暴,比如指定線程池大小，指定數(shù)據(jù)庫連接池大小、nginx連接數(shù)等,這都屬于計數(shù)器算法。
漏桶算法
漏桶算法思路很簡單，水（請求）先進入到漏桶里，漏桶以一定的速度出水，當水流入速度過大會超過桶可接納的容量時直接溢出，可以看出漏桶算法能強行限制數(shù)據(jù)的傳輸速率。
消費速度固定 因為計算性能固定
令牌桶算法
令牌桶與漏桶相似,不同的是令牌桶桶中放了一些令牌,服務(wù)請求到達后,要獲取令牌之后才會得到服務(wù),舉個例子,我們平時去食堂吃飯,都是在食堂內(nèi)窗口前排隊的,這就好比是漏桶算法,大量的人員聚集在食堂內(nèi)窗口外,以一定的速度享受服務(wù),如果涌進來的人太多,食堂裝不下了,可能就有一部分人站到食堂外了,這就沒有享受到食堂的服務(wù),稱之為溢出,溢出可以繼續(xù)請求,也就是繼續(xù)排隊,那么這樣有什么問題呢?
并發(fā)限流
簡單來說就是設(shè)置系統(tǒng)閾值總的QPS個數(shù),這些也挺常見的,就拿Tomcat來說,很多參數(shù)就是出于這個考慮,例如
-
限制總并發(fā)數(shù)（如數(shù)據(jù)庫連接池、線程池）
-
限制瞬時并發(fā)數(shù)（nginx的limit_conn模塊，用來限制瞬時并發(fā)連接數(shù)）
-
限制時間窗口內(nèi)的平均速率（如Guava的RateLimiter、nginx的limit_req模塊，限制每秒的平均速率）
-
其他的還有限制遠程接口調(diào)用速率、限制MQ的消費速率。
-
另外還可以根據(jù)網(wǎng)絡(luò)連接數(shù)、網(wǎng)絡(luò)流量、CPU或內(nèi)存負載等來限流。
接口限流
接口限流分為兩個部分,一是限制一段時間內(nèi)接口調(diào)用次數(shù),參照前面限流算法的計數(shù)器算法, 二是設(shè)置滑動時間窗口算法。
接口總數(shù)
控制一段時間內(nèi)接口被調(diào)用的總數(shù)量,可以參考前面的計數(shù)器算法,不再贅述。
接口時間窗口
固定時間窗口算法(也就是前面提到的計數(shù)器算法)的問題是統(tǒng)計區(qū)間太大，限流不夠精確，而且在第二個統(tǒng)計區(qū)間 時沒有考慮與前一個統(tǒng)計區(qū)間的關(guān)系與影響（第一個區(qū)間后半段 第二個區(qū)間前半段也是一分鐘）。為了解決上面我們提到的臨界問題，我們試圖把每個統(tǒng)計區(qū)間分為更小的統(tǒng)計區(qū)間，更精確的統(tǒng)計計數(shù)。
限流實現(xiàn)
這一部分是限流的具體實現(xiàn),簡單說說,畢竟長篇代碼沒人愿意看。
guava實現(xiàn)
引入包
com.google.guava
guava
28.1-jre
核心代碼
expireAfterWrite(2, TimeUnit.SECONDS)
.build(new CacheLoader
@Override
public AtomicLong load(Long secend) throws Exception {
// TODO Auto-generated method stub
return new AtomicLong(0);
}
});
counter.get(1l).incrementAndGet();
令牌桶實現(xiàn)
穩(wěn)定模式(SmoothBursty:令牌生成速度恒定)
// RateLimiter.create(2)每秒產(chǎn)生的令牌數(shù)
RateLimiter limiter = RateLimiter.create(2);
// limiter.acquire() 阻塞的方式獲取令牌
System.out.println(limiter.acquire());;
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
}
RateLimiter limiter = RateLimiter.create(2,1000l,TimeUnit.MILLISECONDS);
System.out.println(limiter.acquire());;
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
System.out.println(limiter.acquire());;
分布式系統(tǒng)限流
Nginx Lua實現(xiàn)
local function acquire()
local lock =locks:new("locks")
local elapsed, err =lock:lock("limit_key") --互斥鎖 保證原子特性
local limit_counter =ngx.shared.limit_counter --計數(shù)器
local key = "ip:" ..os.time()
local limit = 5 --限流大小
local current =limit_counter:get(key)
if current ~= nil and current 1> limit then --如果超出限流大小
lock:unlock()
return 0
end
if current == nil then
limit_counter:set(key, 1, 1) --第一次需要設(shè)置過期時間，設(shè)置key的值為1，
--過期時間為1秒
else
limit_counter:incr(key, 1) --第二次開始加1即可
end
lock:unlock()
return 1
end
ngx.print(acquire())
下載文檔
