这篇文章将为大家详细讲解有关SpringBoot项目中怎么实现接口限流，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
限流算法
一般有漏桶算法和令牌桶算法及计数器三种方式。
计数器
用计数器实现限流有点简单粗暴，一般我们会限 制一秒钟的能够通过的请求数，比如限流QPS为100，算法的实现思路就是从第一个请求进来开始计时，在接下去的1s内，每来一个请求，就把计数加1，如果累加的数字达到了100，那么后续的请求就会被全部拒绝。等到1s结束后，把计数恢复成0，重新开始计数。
具体的实现可以是这样的：对于每次服务调用，可以通过 AtomicLong#incrementAndGet()方法来给计数器加1并返回最新值，通过这个最新值和阈值进行比较。
这种实现方式，有一个弊端：如果我在单位时间1s内的前10ms，已经通过了100个请求，那后面的990ms，只能眼巴巴的把请求拒绝，我们把这种现象称为“突刺现象”。
漏桶算法
漏桶算法主要是控制数据注入到网络的速率，平滑网络上的突发流量。漏桶算法提供了一种机制，通过它，突发流量可以被整形以便为网络提供一个稳定的流量。
漏桶可以看作是一个带有常量服务时间的单服务器队列，如果漏桶(包缓存)溢出，那么数据包会被丢弃。 在网络中，漏桶算法可以控制端口的流量输出速率，平滑网络上的突发流量，实现流量整形，从而为网络提供一个稳定的流量。
如图所示，把请求比作是水，水来了都先放进桶里，并以限定的速度出水，当水来得过猛而出水不够快时就会导致水直接溢出，即拒绝服务。
image
可以看出，漏桶算法可以很好地控制流量的访问速度，一旦超过该速度就拒绝服务。
令牌桶算法
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。从原理上看，令牌桶算法和漏桶算法是相反的，一个“进水”，一个是“漏水”。
image
了解完后3种限流算法后，接下来我们看看在项目中如何应用。
使用Google Guava库RateLimiter
RateLimiter使用的是一种叫令牌桶的流控算法，RateLimiter会按照一定的频率往桶里扔令牌，线程拿到令牌才能执行;且RateLimiter不支持集群环境，集群环境需要借助Redis等第三方工具实现。
依赖
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>30.1.1-jre</version> </dependency>实现目标：每秒只允许3个请求通过。
@RestController @RequestMapping("/products") public class ProductController { private final RateLimiter rateLimiter = RateLimiter.create(5.0) ; @GetMapping("/{id}") public ResponseEntity<R> queryProducts(@PathVariable("id") String id) throws Exception { if (rateLimiter.tryAcquire(1)) { TimeUnit.MILLISECONDS.sleep(200) ; return new ResponseEntity<R>(R.success("查询商品【" + id + "】成功"), HttpStatus.OK) ; } return new ResponseEntity<R>(R.failure("你访问的太快了"), HttpStatus.INTERNAL_SERVER_ERROR) ; } }通过Jmeter测试，版本5.4.1
线程配置，100个并发循环2次
接口配置
测试结果
RateLimiter相关方法说明：
参考https://ifeve!com/guava-ratelimiter
使用百度的ratelimiter-spring-boot-starter
ratelimiter-spring-boot-starter为服务端限流的SDK，提供单节点维度的限流功能，通过限流算法，在流量过大时保证服务端按照一定速率平滑处理请求。
基于Spring Boot框架开发，目的是为Spring Cloud项目增加限流功能，同样在Spring Boot项目中也能正常使用。 本Starter的目前的应用场景为在Spring Cloud/Spring Boot的Web项目中引入该限流Starter，配置限流规则开启限流功能。 非Spring Web项目的特性正在规划中。
限流维度为：节点级、方法维度、服务维度限流。
节点级别含义为限流SDK引入目标服务代码，限流规则针对目标服务部署的每个实例单独生效。
方法维度含义为可以为目标服务的每个方法单独配置限流规则，该规则针对当前方法生效，与其他方法互不影响，目前方法仅支持HttpMethod+uri。
服务维度含义为可针对每个服务实例配置全局规则，流入该服务实例的每个请求都将先进行服务限流判断。 服务级和方法级同时存在，将先后进过服务级、方法级两种限流器，任意一个限流器拒绝都将拒绝请求。
目前方法级只提供http方法的规则配置与生效，后续有计划支持Rpc方法的限流。
依赖
<dependency> <groupId>com.baidubce.formula</groupId> <artifactId>ratelimiter-spring-boot-starter</artifactId> <version>2.1.1.1</version> </dependency>应用配置
spring: application: name: ratelimiter --- formula: ratelimiter: enabled: true ratelimiters: # 限流生效的位置，配置具体的uri - effectiveLocation: /products/q/** # 限流类型：1表示http，2表示rpc(暂未支持) effectiveType: 1 # 该规则是否生效 enabled: true httpMethod: GET # 限流器类型，1表示令牌桶 limiterType: 1 # 请求来源，当前版本不区分请求来源，区分请求来源的需求正在开发 # source: # 限流的QPS值 threshold: 5注意：这里的spring.application.name必须配置，不然启动报错;
formula.ratelimiter.ratelimiters.source这个没有搞懂怎么配置的，官方文档没找到。
接口
@GetMapping("/q/{id}") public ResponseEntity<R> queryProduct(@PathVariable("id") String id) throws Exception { TimeUnit.MILLISECONDS.sleep(200) ; return new ResponseEntity<R>(R.success("查询商品【" + id + "】成功"), HttpStatus.OK) ; }测试
对于失败的请求，返回状态码429(Too Many Request)
baidu的这个限流工具，核心过滤器：
RateLimiterEffectiveFilter.java
waitForPermit方法
waitForPermission方法
HttpUtil#isBlockException方法
看到这里你想修改返回信息只能是重写它的代码了。
重写该类：
在我们项目src新建
com.baidu.formula.ratelimiter.spring.boot.autoconfigure.util.HttpUtil类修改isBlockException方法
public static boolean isBlockException(HttpServletResponse response, Exception e) throws IOException { if (e instanceof BlockException) { response.setStatus(429); // too many request response.setContentType("application/json; charset=utf-8"); response.setCharacterEncoding("UTF-8"); response.getWriter().print("{\"code\": -1, \"message\": \"你的请求太快了\"}") ; response.flushBuffer(); return true; } else { return false; } }测试：
关于SpringBoot项目中怎么实现接口限流就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
