面試必備：4種經(jīng)典限流算法講解

最近，我們的業(yè)務(wù)系統(tǒng)引入了Guava的RateLimiter限流組件，它是基于令牌桶算法實(shí)現(xiàn)的,而令牌桶是非常經(jīng)典的限流算法。本文將跟大家一起學(xué)習(xí)幾種經(jīng)典的限流算法。

維基百科的概念如下：

In computer networks, rate limiting is used to control the rate of requests sent or
received by a network interface controller. It can be used to prevent DoS attacks 
and limit web scraping

簡(jiǎn)單翻譯一下：在計(jì)算機(jī)網(wǎng)絡(luò)中，限流就是控制網(wǎng)絡(luò)接口發(fā)送或接收請(qǐng)求的速率，它可防止DoS攻擊和限制Web爬蟲。

限流，也稱流量控制。是指系統(tǒng)在面臨高并發(fā)，或者大流量請(qǐng)求的情況下，限制新的請(qǐng)求對(duì)系統(tǒng)的訪問，從而保證系統(tǒng)的穩(wěn)定性。限流會(huì)導(dǎo)致部分用戶請(qǐng)求處理不及時(shí)或者被拒，這就影響了用戶體驗(yàn)。所以一般需要在系統(tǒng)穩(wěn)定和用戶體驗(yàn)之間平衡一下。舉個(gè)生活的例子：

★

一些熱門的旅游景區(qū)，一般會(huì)對(duì)每日的旅游參觀人數(shù)有限制的。每天只會(huì)賣出固定數(shù)目的門票，比如5000張。假設(shè)在五一、國(guó)慶假期，你去晚了，可能當(dāng)天的票就已經(jīng)賣完了，就無法進(jìn)去游玩了。即使你進(jìn)去了，排隊(duì)也能排到你懷疑人生。

”

常見的限流算法

固定窗口限流算法

首先維護(hù)一個(gè)計(jì)數(shù)器，將單位時(shí)間段當(dāng)做一個(gè)窗口，計(jì)數(shù)器記錄這個(gè)窗口接收請(qǐng)求的次數(shù)。

• 當(dāng)次數(shù)少于限流閥值，就允許訪問，并且計(jì)數(shù)器+1
• 當(dāng)次數(shù)大于限流閥值，就拒絕訪問。
• 當(dāng)前的時(shí)間窗口過去之后，計(jì)數(shù)器清零。

假設(shè)單位時(shí)間是1秒，限流閥值為3。在單位時(shí)間1秒內(nèi)，每來一個(gè)請(qǐng)求,計(jì)數(shù)器就加1，如果計(jì)數(shù)器累加的次數(shù)超過限流閥值3，后續(xù)的請(qǐng)求全部拒絕。等到1s結(jié)束后，計(jì)數(shù)器清0，重新開始計(jì)數(shù)。如下圖：

偽代碼如下：

    /**
     * 固定窗口時(shí)間算法
     * @return
     */
    boolean fixedWindowsTryAcquire() {
        long currentTime = System.currentTimeMillis();  //獲取系統(tǒng)當(dāng)前時(shí)間
        if (currentTime - lastRequestTime > windowUnit) {  //檢查是否在時(shí)間窗口內(nèi)
            counter = 0;  // 計(jì)數(shù)器清0
            lastRequestTime = currentTime;  //開啟新的時(shí)間窗口
        }
        if (counter < threshold) {  // 小于閥值
            counter++;  //計(jì)數(shù)器加1
            return true;
        }

        return false;
    }

但是，這種算法有一個(gè)很明顯的臨界問題：假設(shè)限流閥值為5個(gè)請(qǐng)求，單位時(shí)間窗口是1s,如果我們?cè)趩挝粫r(shí)間內(nèi)的前0.8-1s和1-1.2s，分別并發(fā)5個(gè)請(qǐng)求。雖然都沒有超過閥值，但是如果算0.8-1.2s,則并發(fā)數(shù)高達(dá)10，已經(jīng)超過單位時(shí)間1s不超過5閥值的定義啦。

滑動(dòng)窗口限流算法

滑動(dòng)窗口限流解決固定窗口臨界值的問題。它將單位時(shí)間周期分為n個(gè)小周期，分別記錄每個(gè)小周期內(nèi)接口的訪問次數(shù)，并且根據(jù)時(shí)間滑動(dòng)刪除過期的小周期。

一張圖解釋滑動(dòng)窗口算法，如下：

假設(shè)單位時(shí)間還是1s，滑動(dòng)窗口算法把它劃分為5個(gè)小周期，也就是滑動(dòng)窗口（單位時(shí)間）被劃分為5個(gè)小格子。每格表示0.2s。每過0.2s，時(shí)間窗口就會(huì)往右滑動(dòng)一格。然后呢，每個(gè)小周期，都有自己獨(dú)立的計(jì)數(shù)器，如果請(qǐng)求是0.83s到達(dá)的，0.8~1.0s對(duì)應(yīng)的計(jì)數(shù)器就會(huì)加1。

我們來看下滑動(dòng)窗口是如何解決臨界問題的？

假設(shè)我們1s內(nèi)的限流閥值還是5個(gè)請(qǐng)求，0.8~1.0s內(nèi)（比如0.9s的時(shí)候）來了5個(gè)請(qǐng)求，落在黃色格子里。時(shí)間過了1.0s這個(gè)點(diǎn)之后，又來5個(gè)請(qǐng)求，落在紫色格子里。如果是固定窗口算法，是不會(huì)被限流的，但是滑動(dòng)窗口的話，每過一個(gè)小周期，它會(huì)右移一個(gè)小格。過了1.0s這個(gè)點(diǎn)后，會(huì)右移一小格，當(dāng)前的單位時(shí)間段是0.2~1.2s，這個(gè)區(qū)域的請(qǐng)求已經(jīng)超過限定的5了，已觸發(fā)限流啦，實(shí)際上，紫色格子的請(qǐng)求都被拒絕啦。

TIPS: 當(dāng)滑動(dòng)窗口的格子周期劃分的越多，那么滑動(dòng)窗口的滾動(dòng)就越平滑，限流的統(tǒng)計(jì)就會(huì)越精確。

滑動(dòng)窗口算法偽代碼實(shí)現(xiàn)如下：

 /**
     * 單位時(shí)間劃分的小周期（單位時(shí)間是1分鐘，10s一個(gè)小格子窗口，一共6個(gè)格子）
     */
    private int SUB_CYCLE = 10;

    /**
     * 每分鐘限流請(qǐng)求數(shù)
     */
    private int thresholdPerMin = 100;

    /**
     * 計(jì)數(shù)器, k-為當(dāng)前窗口的開始時(shí)間值秒，value為當(dāng)前窗口的計(jì)數(shù)
     */
    private final TreeMap<Long, Integer> counters = new TreeMap<>();

   /**
     * 滑動(dòng)窗口時(shí)間算法實(shí)現(xiàn)
     */
    boolean slidingWindowsTryAcquire() {
        long currentWindowTime = LocalDateTime.now().toEpochSecond(ZoneOffset.UTC) / SUB_CYCLE * SUB_CYCLE; //獲取當(dāng)前時(shí)間在哪個(gè)小周期窗口
        int currentWindowNum = countCurrentWindow(currentWindowTime); //當(dāng)前窗口總請(qǐng)求數(shù)

        //超過閥值限流
        if (currentWindowNum >= thresholdPerMin) {
            return false;
        }

        //計(jì)數(shù)器+1
        counters.get(currentWindowTime)++;
        return true;
    }

   /**
    * 統(tǒng)計(jì)當(dāng)前窗口的請(qǐng)求數(shù)
    */
    private int countCurrentWindow(long currentWindowTime) {
        //計(jì)算窗口開始位置
        long startTime = currentWindowTime - SUB_CYCLE* (60s/SUB_CYCLE-1);
        int count = 0;

        //遍歷存儲(chǔ)的計(jì)數(shù)器
        Iterator<Map.Entry<Long, Integer>> iterator = counters.entrySet().iterator();
        while (iterator.hasNext()) {
            Map.Entry<Long, Integer> entry = iterator.next();
            // 刪除無效過期的子窗口計(jì)數(shù)器
            if (entry.getKey() < startTime) {
                iterator.remove();
            } else {
                //累加當(dāng)前窗口的所有計(jì)數(shù)器之和
                count =count + entry.getValue();
            }
        }
        return count;
    }

滑動(dòng)窗口算法雖然解決了固定窗口的臨界問題，但是一旦到達(dá)限流后，請(qǐng)求都會(huì)直接暴力被拒絕。醬紫我們會(huì)損失一部分請(qǐng)求，這其實(shí)對(duì)于產(chǎn)品來說，并不太友好。

漏桶算法

漏桶算法面對(duì)限流，就更加的柔性，不存在直接的粗暴拒絕。

它的原理很簡(jiǎn)單，可以認(rèn)為就是注水漏水的過程。往漏桶中以任意速率流入水，以固定的速率流出水。當(dāng)水超過桶的容量時(shí)，會(huì)被溢出，也就是被丟棄。因?yàn)橥叭萘渴遣蛔兊模ＷC了整體的速率。

• 流入的水滴，可以看作是訪問系統(tǒng)的請(qǐng)求，這個(gè)流入速率是不確定的。
• 桶的容量一般表示系統(tǒng)所能處理的請(qǐng)求數(shù)。
• 如果桶的容量滿了，就達(dá)到限流的閥值，就會(huì)丟棄水滴（拒絕請(qǐng)求）
• 流出的水滴，是恒定過濾的，對(duì)應(yīng)服務(wù)按照固定的速率處理請(qǐng)求。

漏桶算法偽代碼實(shí)現(xiàn)如下：

 /**
     * 每秒處理數(shù)（出水率）
     */
    private long rate;

    /**
     *  當(dāng)前剩余水量
     */
    private long currentWater;

    /**
     * 最后刷新時(shí)間
     */
    private long refreshTime;

    /**
     * 桶容量
     */
    private long capacity;

    /**
     * 漏桶算法
     * @return
     */
    boolean leakybucketLimitTryAcquire() {
        long currentTime = System.currentTimeMillis();  //獲取系統(tǒng)當(dāng)前時(shí)間
        long outWater = (currentTime - refreshTime) / 1000 * rate; //流出的水量 =(當(dāng)前時(shí)間-上次刷新時(shí)間)* 出水率
        long currentWater = Math.max(0, currentWater - outWater); // 當(dāng)前水量 = 之前的桶內(nèi)水量-流出的水量
        refreshTime = currentTime; // 刷新時(shí)間

        // 當(dāng)前剩余水量還是小于桶的容量，則請(qǐng)求放行
        if (currentWater < capacity) {
            currentWater++;
            return true;
        }
        
        // 當(dāng)前剩余水量大于等于桶的容量，限流
        return false;
    }

在正常流量的時(shí)候，系統(tǒng)按照固定的速率處理請(qǐng)求，是我們想要的。但是面對(duì)突發(fā)流量的時(shí)候，漏桶算法還是循規(guī)蹈矩地處理請(qǐng)求，這就不是我們想看到的啦。流量變突發(fā)時(shí)，我們肯定希望系統(tǒng)盡量快點(diǎn)處理請(qǐng)求，提升用戶體驗(yàn)嘛。

令牌桶算法

面對(duì)突發(fā)流量的時(shí)候，我們可以使用令牌桶算法限流。

令牌桶算法原理：

• 有一個(gè)令牌管理員，根據(jù)限流大小，定速往令牌桶里放令牌。
• 如果令牌數(shù)量滿了，超過令牌桶容量的限制，那就丟棄。
• 系統(tǒng)在接受到一個(gè)用戶請(qǐng)求時(shí)，都會(huì)先去令牌桶要一個(gè)令牌。如果拿到令牌，那么就處理這個(gè)請(qǐng)求的業(yè)務(wù)邏輯；
• 如果拿不到令牌，就直接拒絕這個(gè)請(qǐng)求。

漏桶算法偽代碼實(shí)現(xiàn)如下：

    /**
     * 每秒處理數(shù)（放入令牌數(shù)量）
     */
    private long putTokenRate;
    
    /**
     * 最后刷新時(shí)間
     */
    private long refreshTime;

    /**
     * 令牌桶容量
     */
    private long capacity;
    
    /**
     * 當(dāng)前桶內(nèi)令牌數(shù)
     */
    private long currentToken = 0L;

    /**
     * 漏桶算法
     * @return
     */
    boolean tokenBucketTryAcquire() {

        long currentTime = System.currentTimeMillis();  //獲取系統(tǒng)當(dāng)前時(shí)間
        long generateToken = (currentTime - refreshTime) / 1000 * putTokenRate; //生成的令牌 =(當(dāng)前時(shí)間-上次刷新時(shí)間)* 放入令牌的速率
        currentToken = Math.min(capacity, generateToken + currentToken); // 當(dāng)前令牌數(shù)量 = 之前的桶內(nèi)令牌數(shù)量+放入的令牌數(shù)量
        refreshTime = currentTime; // 刷新時(shí)間
        
        //桶里面還有令牌，請(qǐng)求正常處理
        if (currentToken > 0) {
            currentToken--; //令牌數(shù)量-1
            return true;
        }
        
        return false;
    }

如果令牌發(fā)放的策略正確，這個(gè)系統(tǒng)即不會(huì)被拖垮，也能提高機(jī)器的利用率。Guava的RateLimiter限流組件，就是基于令牌桶算法實(shí)現(xiàn)的。

大家學(xué)會(huì)了嗎？