SpringBoot项目中接口限流实现方案

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

 
    org.springframework.boot 
    spring-boot-starter-web 
 
 
    com.google.guava 
    guava 
    30.1.1-jre 
 

 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 queryProducts(@PathVariable("id")  String id) throws Exception { 
        if (rateLimiter.tryAcquire(1)) { 
            TimeUnit.MILLISECONDS.sleep(200) ; 
            return new ResponseEntity(R.success("查询商品【" + id + "】成功"), HttpStatus.OK) ; 
        } 
        return new ResponseEntity(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

 
        com.baidubce.formula 
        ratelimiter-spring-boot-starter 
        2.1.1.1 
 

 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 queryProduct(@PathVariable("id")  String id) throws Exception { 
        TimeUnit.MILLISECONDS.sleep(200) ; 
        return new ResponseEntity(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：

完毕!!!