RateLimiter配合ConcurrentHashMap对用户进行简单限流

对于小不点的项目来说,RateLimiter配合ConcurrentHashMap可以对用户进行简单的限流,防止用户频繁刷量或者高频请求。

RateLimiter 是 Guava 下的一个包,采用的是令牌桶算法:以一个恒定的速率向固定容量大小的桶中放入令牌,当有流量来的时候从桶中取出一个令牌。如果桶中没有可用的令牌时就丢弃请求或者阻塞。

RateLimiter配合ConcurrentHashMap对用户进行简单限流

ConcurrentHashMap 是一个可以在并发环境下使用的 HashMap,通俗点说就是线程安全的。

大致的思路也很简单:当一个请求过来时,根据用户的 ID 从 ConcurrentHashMap 取出 RateLimiter,然后尝试取出令牌,如果获取失败,则提示用户请求过于频繁;否则进行业务处理。

首先在 Controller 类中创建一个 ConcurrentHashMap 对象。

private final static Map<Integer, RateLimiter> outMoneyLimitMap = new ConcurrentHashMap<>();

然后是请求的处理代码。

public ModelAndView submitOut() {
	RateLimiter rateLimiter = null;
    if (outMoneyLimitMap.containsKey(uid)) {
        logger.debug("包含有该uid");
    
        rateLimiter = outMoneyLimitMap.get(uid);
    } else {
        logger.debug("没有该uid");
        // 需要新增,一秒内 0.1 个令牌(10秒内一个令牌)
        rateLimiter = RateLimiter.create(0.1);
    
        outMoneyLimitMap.put(uid, rateLimiter);
    }
    
     if(!rateLimiter.tryAcquire()) {
        throw new OrderException("请求过于频繁");
    }
	// 正常业务处理
}

RateLimiter.create() 可以创建一个限流器,参数可以是 double,例子中为 0.1,即 10 秒内一个令牌(便于模拟)。

然后通过 rateLimiter.tryAcquire() 尝试获取令牌,如果获取失败,就提示用户。否则正常业务处理。

整体思路非常非常简单,实现起来也非常容易,是一种非常好用的限流示例。

 

上一篇:微信access_token全局缓存,处理过期


下一篇:【高并发】如何实现亿级流量下的分布式限流?这些算法你必须掌握!!