前言

在开发高并发系统时有三把利器用来保护系统：缓存、降级和限流

• 缓存: 缓存的目的是提升系统访问速度和增大系统处理容量

• 降级: 降级是当服务出现问题或者影响到核心流程时，需要暂时屏蔽掉，待高峰或者问题解决后再打开

• 限流: 限流的目的是通过对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理

常见限流算法

1. 漏桶算法

漏桶算法思路很简单，水（请求）先进入到漏桶里，漏桶以一定的速度出水，当水流入速度过大会直接溢出，可以看出漏桶算法能强行限制数据的传输速率。

1. 令牌桶算法

对于很多应用场景来说，除了要求能够限制数据的平均传输速率外，还要求允许某种程度的突发传输。这时候漏桶算法可能就不合适了，令牌桶算法更为适合。如图所示，令牌桶算法的原理是系统会以一个恒定的速度往桶里放入令牌，而如果请求需要被处理，则需要先从桶里获取一个令牌，当桶里没有令牌可取时，则拒绝服务。

RateLimiter使用以及源码解析

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。

RateLimiter使用

首先简单介绍下RateLimiter的使用

public void testAcquire() {

      RateLimiter limiter = RateLimiter.create(1);

      for(int i = 1; i < 10; i = i + 2 ) {

          double waitTime = limiter.acquire(i);

          System.out.println("cutTime=" + System.currentTimeMillis() + " acq:" + i + " waitTime:" + waitTime);

      }

  }

输出结果：

cutTime=1535439657427 acq:1 waitTime:0.0

cutTime=1535439658431 acq:3 waitTime:0.997045

cutTime=1535439661429 acq:5 waitTime:2.993028

cutTime=1535439666426 acq:7 waitTime:4.995625

cutTime=1535439673426 acq:9 waitTime:6.999223

首先通过RateLimiter.create(1)创建一个限流器，参数代表每秒生成的令牌数，通过limiter.acquire(i)来以阻塞的方式获取令牌，当然也可以通过tryAcquire(int permits, long timeout, TimeUnit unit)来设置等待超时时间的方式获取令牌，如果超timeout为0，则代表非阻塞，获取不到立即返回。

从输出来看，RateLimiter支持预消费，比如在acquire(5)时，等待时间是3秒，是上一个获取令牌时预消费了3个两排，固需要等待3*1秒，然后又预消费了5个令牌，以此类推

RateLimiter通过限制后面请求的等待时间，来支持一定程度的突发请求(预消费)，在使用过程中需要注意这一点，具体实现原理后面再分析。

RateLimiter实现原理

Guava有两种限流模式，一种为稳定模式(SmoothBursty:令牌生成速度恒定)，一种为渐进模式(SmoothWarmingUp:令牌生成速度缓慢提升直到维持在一个稳定值) 两种模式实现思路类似，主要区别在等待时间的计算上，本篇重点介绍SmoothBursty

RateLimiter的创建

通过调用RateLimiter的create接口来创建实例，实际是调用的SmoothBuisty稳定模式创建的实例。

public static RateLimiter create(double permitsPerSecond) {

    return create(permitsPerSecond, SleepingStopwatch.createFromSystemTimer());

  }

  static RateLimiter create(double permitsPerSecond, SleepingStopwatch stopwatch) {

    RateLimiter rateLimiter = new SmoothBursty(stopwatch, 1.0 /* maxBurstSeconds */);

    rateLimiter.setRate(permitsPerSecond);

    return rateLimiter;

  }

SmoothBursty中的两个构造参数含义：

• SleepingStopwatch：guava中的一个时钟类实例，会通过这个来计算时间及令牌
• maxBurstSeconds：官方解释，在ReteLimiter未使用时，最多保存几秒的令牌，默认是1

在解析SmoothBursty原理前，重点解释下SmoothBursty中几个属性的含义

/**

 * The work (permits) of how many seconds can be saved up if this RateLimiter is unused?

 * 在RateLimiter未使用时，最多存储几秒的令牌

 * */

 final double maxBurstSeconds;

/**

 * The currently stored permits.

 * 当前存储令牌数

 */

double storedPermits;

/**

 * The maximum number of stored permits.

 * 最大存储令牌数 = maxBurstSeconds * stableIntervalMicros(见下文)

 */

double maxPermits;

/**

 * The interval between two unit requests, at our stable rate. E.g., a stable rate of 5 permits

 * per second has a stable interval of 200ms.

 * 添加令牌时间间隔 = SECONDS.toMicros(1L) / permitsPerSecond；(1秒/每秒的令牌数)

 */

double stableIntervalMicros;

/**

 * The time when the next request (no matter its size) will be granted. After granting a request,

 * this is pushed further in the future. Large requests push this further than small requests.

 * 下一次请求可以获取令牌的起始时间

 * 由于RateLimiter允许预消费，上次请求预消费令牌后

 * 下次请求需要等待相应的时间到nextFreeTicketMicros时刻才可以获取令牌

 */

private long nextFreeTicketMicros = 0L; // could be either in the past or future

接下来介绍几个关键函数

• setRate

public final void setRate(double permitsPerSecond) {

  checkArgument(

      permitsPerSecond > 0.0 && !Double.isNaN(permitsPerSecond), "rate must be positive");

  synchronized (mutex()) {

    doSetRate(permitsPerSecond, stopwatch.readMicros());

  }

}

通过这个接口设置令牌通每秒生成令牌的数量，内部时间通过调用SmoothRateLimiter的doSetRate来实现

• doSetRate

@Override

  final void doSetRate(double permitsPerSecond, long nowMicros) {

    resync(nowMicros);

    double stableIntervalMicros = SECONDS.toMicros(1L) / permitsPerSecond;

    this.stableIntervalMicros = stableIntervalMicros;

    doSetRate(permitsPerSecond, stableIntervalMicros);

  }

这里先通过调用resync生成令牌以及更新下一期令牌生成时间，然后更新stableIntervalMicros，最后又调用了SmoothBursty的doSetRate

• resync

/**

 * Updates {@code storedPermits} and {@code nextFreeTicketMicros} based on the current time.

 * 基于当前时间，更新下一次请求令牌的时间，以及当前存储的令牌(可以理解为生成令牌)

 */

void resync(long nowMicros) {

    // if nextFreeTicket is in the past, resync to now

    if (nowMicros > nextFreeTicketMicros) {

      double newPermits = (nowMicros - nextFreeTicketMicros) / coolDownIntervalMicros();

      storedPermits = min(maxPermits, storedPermits + newPermits);

      nextFreeTicketMicros = nowMicros;

    }

}

根据令牌桶算法，桶中的令牌是持续生成存放的，有请求时需要先从桶中拿到令牌才能开始执行，谁来持续生成令牌存放呢？

一种解法是，开启一个定时任务，由定时任务持续生成令牌。这样的问题在于会极大的消耗系统资源，如，某接口需要分别对每个用户做访问频率限制，假设系统中存在6W用户，则至多需要开启6W个定时任务来维持每个桶中的令牌数，这样的开销是巨大的。

另一种解法则是延迟计算，如上resync函数。该函数会在每次获取令牌之前调用，其实现思路为，若当前时间晚于nextFreeTicketMicros，则计算该段时间内可以生成多少令牌，将生成的令牌加入令牌桶中并更新数据。这样一来，只需要在获取令牌时计算一次即可。

• SmoothBursty的doSetRate

@Override

void doSetRate(double permitsPerSecond, double stableIntervalMicros) {

  double oldMaxPermits = this.maxPermits;

  maxPermits = maxBurstSeconds * permitsPerSecond;

  if (oldMaxPermits == Double.POSITIVE_INFINITY) {

    // if we don't special-case this, we would get storedPermits == NaN, below

    // Double.POSITIVE_INFINITY 代表无穷啊

    storedPermits = maxPermits;

  } else {

    storedPermits =

        (oldMaxPermits == 0.0)

            ? 0.0 // initial state

            : storedPermits * maxPermits / oldMaxPermits;

  }

}

桶中可存放的最大令牌数由maxBurstSeconds计算而来，其含义为最大存储maxBurstSeconds秒生成的令牌。

该参数的作用在于，可以更为灵活地控制流量。如，某些接口限制为300次/20秒，某些接口限制为50次/45秒等。也就是流量不局限于qps

参考

• 使用Guava RateLimiter限流以及源码解析
• 使用Guava的RateLimiter做限流
• SpringBoot使用RateLimiter通过AOP方式进行限流
• Guava RateLimiter源码解析

结语

欢迎关注微信公众号『码仔zonE』，专注于分享Java、云计算相关内容，包括SpringBoot、SpringCloud、微服务、Docker、Kubernetes、Python等领域相关技术干货，期待与您相遇！