日韩a一级欧美一级在线播放,99视频观看,日本高清免费观看

大家好，我是飄渺。SpringBoot老鳥系列的文章已經(jīng)寫了四篇，每篇的閱讀反響都還不錯(cuò)，那今天繼續(xù)給大家?guī)砝哮B系列的第五篇，來聊聊在SpringBoot項(xiàng)目中如何對接口進(jìn)行限流，有哪些常見的限流算法，如何優(yōu)雅的進(jìn)行限流（基于AOP）。

首先就讓我們來看看為什么需要對接口進(jìn)行限流？

為什么要進(jìn)行限流？

因?yàn)榛ヂ?lián)網(wǎng)系統(tǒng)通常都要面對大并發(fā)大流量的請求，在突發(fā)情況下（最常見的場景就是秒殺、搶購），瞬時(shí)大流量會(huì)直接將系統(tǒng)打垮，無法對外提供服務(wù)。那為了防止出現(xiàn)這種情況最常見的解決方案之一就是限流，當(dāng)請求達(dá)到一定的并發(fā)數(shù)或速率，就進(jìn)行等待、排隊(duì)、降級、拒絕服務(wù)等。

例如，12306購票系統(tǒng)，在面對高并發(fā)的情況下，就是采用了限流。在流量高峰期間經(jīng)常會(huì)出現(xiàn)提示語；“當(dāng)前排隊(duì)人數(shù)較多，請稍后再試！”

什么是限流？有哪些限流算法？

限流是對某一時(shí)間窗口內(nèi)的請求數(shù)進(jìn)行限制，保持系統(tǒng)的可用性和穩(wěn)定性，防止因流量暴增而導(dǎo)致的系統(tǒng)運(yùn)行緩慢或宕機(jī)。

常見的限流算法有三種：

1. 計(jì)數(shù)器限流

計(jì)數(shù)器限流算法是最為簡單粗暴的解決方案，主要用來限制總并發(fā)數(shù)，比如數(shù)據(jù)庫連接池大小、線程池大小、接口訪問并發(fā)數(shù)等都是使用計(jì)數(shù)器算法。

如：使用 AomicInteger 來進(jìn)行統(tǒng)計(jì)當(dāng)前正在并發(fā)執(zhí)行的次數(shù)，如果超過域值就直接拒絕請求，提示系統(tǒng)繁忙。

2. 漏桶算法

SpringBoot 進(jìn)行限流的操作方法

漏桶算法思路很簡單，我們把水比作是請求，漏桶比作是系統(tǒng)處理能力極限，水先進(jìn)入到漏桶里，漏桶里的水按一定速率流出，當(dāng)流出的速率小于流入的速率時(shí)，由于漏桶容量有限，后續(xù)進(jìn)入的水直接溢出（拒絕請求），以此實(shí)現(xiàn)限流。

3. 令牌桶算法

SpringBoot 進(jìn)行限流的操作方法

令牌桶算法的原理也比較簡單，我們可以理解成醫(yī)院的掛號看病，只有拿到號以后才可以進(jìn)行診病。

系統(tǒng)會(huì)維護(hù)一個(gè)令牌（token）桶，以一個(gè)恒定的速度往桶里放入令牌（token），這時(shí)如果有請求進(jìn)來想要被處理，則需要先從桶里獲取一個(gè)令牌（token），當(dāng)桶里沒有令牌（token）可取時(shí)，則該請求將被拒絕服務(wù)。令牌桶算法通過控制桶的容量、發(fā)放令牌的速率，來達(dá)到對請求的限制。

基于Guava工具類實(shí)現(xiàn)限流

Google開源工具包Guava提供了限流工具類RateLimiter，該類基于令牌桶算法實(shí)現(xiàn)流量限制，使用十分方便，而且十分高效，實(shí)現(xiàn)步驟如下：

第一步：引入guava依賴包

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>30.1-jre</version>
</dependency>

第二步：給接口加上限流邏輯

@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
    /**
     * 限流策略 ： 1秒鐘2個(gè)請求
     */
    private final RateLimiter limiter = RateLimiter.create(2.0);

    private DateTimeFormatter dtf = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");

    @GetMapping("/test1")
    public String testLimiter() {
        //500毫秒內(nèi)，沒拿到令牌，就直接進(jìn)入服務(wù)降級
        boolean tryAcquire = limiter.tryAcquire(500, TimeUnit.MILLISECONDS);

        if (!tryAcquire) {
            log.warn("進(jìn)入服務(wù)降級，時(shí)間{}", LocalDateTime.now().format(dtf));
            return "當(dāng)前排隊(duì)人數(shù)較多，請稍后再試！";
        }

        log.info("獲取令牌成功，時(shí)間{}", LocalDateTime.now().format(dtf));
        return "請求成功";
    }
}

以上用到了RateLimiter的2個(gè)核心方法：create()、tryAcquire()，以下為詳細(xì)說明

acquire() 獲取一個(gè)令牌, 改方法會(huì)阻塞直到獲取到這一個(gè)令牌, 返回值為獲取到這個(gè)令牌花費(fèi)的時(shí)間
acquire(int permits) 獲取指定數(shù)量的令牌, 該方法也會(huì)阻塞, 返回值為獲取到這 N 個(gè)令牌花費(fèi)的時(shí)間
tryAcquire() 判斷時(shí)候能獲取到令牌, 如果不能獲取立即返回 false
tryAcquire(int permits) 獲取指定數(shù)量的令牌, 如果不能獲取立即返回 false
tryAcquire(long timeout, TimeUnit unit) 判斷能否在指定時(shí)間內(nèi)獲取到令牌, 如果不能獲取立即返回 false
tryAcquire(int permits, long timeout, TimeUnit unit) 同上

第三步：體驗(yàn)效果

通過訪問測試地址： http://127.0.0.1:8080/limit/test1，反復(fù)刷新并觀察后端日志

WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:37
WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:37
INFO  LimitController:39 - 獲取令牌成功，時(shí)間2021-09-25 21:39:37
WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:37
WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:37
INFO  LimitController:39 - 獲取令牌成功，時(shí)間2021-09-25 21:39:37

WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:38
INFO  LimitController:39 - 獲取令牌成功，時(shí)間2021-09-25 21:39:38
WARN  LimitController:35 - 進(jìn)入服務(wù)降級，時(shí)間2021-09-25 21:39:38
INFO  LimitController:39 - 獲取令牌成功，時(shí)間2021-09-25 21:39:38

從以上日志可以看出，1秒鐘內(nèi)只有2次成功，其他都失敗降級了，說明我們已經(jīng)成功給接口加上了限流功能。

當(dāng)然了，我們在實(shí)際開發(fā)中并不能直接這樣用。至于原因嘛，你想呀，你每個(gè)接口都需要手動(dòng)給其加上tryAcquire()，業(yè)務(wù)代碼和限流代碼混在一起，而且明顯違背了DRY原則，代碼冗余，重復(fù)勞動(dòng)。代碼評審時(shí)肯定會(huì)被老鳥們給嘲笑一番，啥破玩意兒！

SpringBoot 進(jìn)行限流的操作方法

所以，我們這里需要想辦法將其優(yōu)化 - 借助自定義注解+AOP實(shí)現(xiàn)接口限流。

基于AOP實(shí)現(xiàn)接口限流

基于AOP的實(shí)現(xiàn)方式也非常簡單，實(shí)現(xiàn)過程如下：

第一步：加入AOP依賴

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-aop</artifactId>
</dependency>

第二步：自定義限流注解

@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.METHOD})
@Documented
public @interface Limit {
    /**
     * 資源的key,唯一
     * 作用：不同的接口，不同的流量控制
     */
    String key() default "";

    /**
     * 最多的訪問限制次數(shù)
     */
    double permitsPerSecond () ;

    /**
     * 獲取令牌最大等待時(shí)間
     */
    long timeout();

    /**
     * 獲取令牌最大等待時(shí)間,單位(例:分鐘/秒/毫秒) 默認(rèn):毫秒
     */
    TimeUnit timeunit() default TimeUnit.MILLISECONDS;

    /**
     * 得不到令牌的提示語
     */
    String msg() default "系統(tǒng)繁忙,請稍后再試.";
}

第三步：使用AOP切面攔截限流注解

@Slf4j
@Aspect
@Component
public class LimitAop {
    /**
     * 不同的接口，不同的流量控制
     * map的key為 Limiter.key
     */
    private final Map<String, RateLimiter> limitMap = Maps.newConcurrentMap();

    @Around("@annotation(com.jianzh5.blog.limit.Limit)")
    public Object around(ProceedingJoinPoint joinPoint) throws Throwable{
        MethodSignature signature = (MethodSignature) joinPoint.getSignature();
        Method method = signature.getMethod();
        //拿limit的注解
        Limit limit = method.getAnnotation(Limit.class);
        if (limit != null) {
            //key作用：不同的接口，不同的流量控制
            String key=limit.key();
            RateLimiter rateLimiter = null;
            //驗(yàn)證緩存是否有命中key
            if (!limitMap.containsKey(key)) {
                // 創(chuàng)建令牌桶
                rateLimiter = RateLimiter.create(limit.permitsPerSecond());
                limitMap.put(key, rateLimiter);
                log.info("新建了令牌桶={}，容量={}",key,limit.permitsPerSecond());
            }
            rateLimiter = limitMap.get(key);
            // 拿令牌
            boolean acquire = rateLimiter.tryAcquire(limit.timeout(), limit.timeunit());
            // 拿不到命令，直接返回異常提示
            if (!acquire) {
                log.debug("令牌桶={}，獲取令牌失敗",key);
                this.responseFail(limit.msg());
                return null;
            }
        }
        return joinPoint.proceed();
    }

    /**
     * 直接向前端拋出異常
     * @param msg 提示信息
     */
    private void responseFail(String msg)  {
        HttpServletResponse response=((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getResponse();
        ResultData<Object> resultData = ResultData.fail(ReturnCode.LIMIT_ERROR.getCode(), msg);
        WebUtils.writeJson(response,resultData);
    }
}

第四步：給需要限流的接口加上注解

@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
    
    @GetMapping("/test2")
    @Limit(key = "limit2", permitsPerSecond = 1, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "當(dāng)前排隊(duì)人數(shù)較多，請稍后再試！")
    public String limit2() {
        log.info("令牌桶l(fā)imit2獲取令牌成功");
        return "ok";
    }


    @GetMapping("/test3")
    @Limit(key = "limit3", permitsPerSecond = 2, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "系統(tǒng)繁忙，請稍后再試！")
    public String limit3() {
        log.info("令牌桶l(fā)imit3獲取令牌成功");
        return "ok";
    }
}

第五步：體驗(yàn)效果

通過訪問測試地址： http://127.0.0.1:8080/limit/test2，反復(fù)刷新并觀察輸出結(jié)果：

正常響應(yīng)時(shí)：

{"status":100,"message":"操作成功","data":"ok","timestamp":1632579377104}

觸發(fā)限流時(shí)：

{"status":2001,"message":"系統(tǒng)繁忙，請稍后再試！","data":null,"timestamp":1632579332177}

通過觀察得之，基于自定義注解同樣實(shí)現(xiàn)了接口限流的效果。

小結(jié)

一般在系統(tǒng)上線時(shí)我們通過對系統(tǒng)壓測可以評估出系統(tǒng)的性能閥值，然后給接口加上合理的限流參數(shù)，防止出現(xiàn)大流量請求時(shí)直接壓垮系統(tǒng)。今天我們介紹了幾種常見的限流算法（重點(diǎn)關(guān)注令牌桶算法），基于Guava工具類實(shí)現(xiàn)了接口限流并利用AOP完成了對限流代碼的優(yōu)化。

在完成優(yōu)化后業(yè)務(wù)代碼和限流代碼解耦，開發(fā)人員只要一個(gè)注解，不用關(guān)心限流的實(shí)現(xiàn)邏輯，而且減少了代碼冗余大大提高了代碼可讀性，代碼評審時(shí)誰還能再笑話你？

源碼下載

https://github.com/jianzh5/cloud-blog/

到此這篇關(guān)于SpringBoot 進(jìn)行限流的操作方法的文章就介紹到這了,更多相關(guān)SpringBoot限流內(nèi)容請搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！

原文鏈接：https://blog.csdn.net/jianzhang11/article/details/120700247