分布式系统架构--限流_可变成本的分布式架构限流

---

一 什么是限流

在开发高并发系统时，有很多手段来保护系统，如缓存，降级和限流，限流的目的是通过对并发访问/请求进行限速或者一个时间窗口内的请求进行限速来保护系统。一旦达到限速之后可以通过拒绝服务（定向页面跳转）或者排队等待的方式，以保证系统的高可用，防止瞬时的大并发访问冲垮系统

一般开发高并发系统常见的限流有：
限制总并发数（比如数据库连接池，线程池），限制瞬时并发数，限制时间窗口内的平局时速（可以通过guava中的RateLimiter实现）

二 常见的限流算法

1，计数器

计数器算法是限流算法中最简单的，它是针对于固定时间范围内，对于访问总数的一个限流，假如系统要求在一分钟内访问不超过100次，大致的设计原理如下：

主要的设计逻辑是，首先定义一个计数器regCount，每当系统访问就加一，如果当前访问时间间隔处于指定时间间隔内之后，并且当前的regCount小于访问阈值，即可以访问，如果当前访问时间超过当前指定时间间隔（系统重新计算），直接设置当前记时时间未当前访问时间，并且regCount设置1

这个算法虽然简单，但是有一个十分致命的问题，那就是临界问题，我们看下图：

从上图中我们可以看到，假设有一个恶意用户，他在0:59时，瞬间发送了100个请求，并且1:00又瞬间发送了100个请求，那么其实这个用户在 1秒里面，瞬间发送了200个请求。我们刚才规定的是1分钟最多100个请求，也就是每秒钟最多1.7个请求，用户通过在时间窗口的重置节点处突发请求， 可以瞬间超过我们的速率限制。用户有可能通过算法的这个漏洞，瞬间压垮我们的应用。

聪明的朋友可能已经看出来了，刚才的问题其实是因为我们统计的精度太低。那么如何很好地处理这个问题呢？或者说，如何将临界问题的影响降低呢？我们可以看下面的滑动窗口算法。

滑动窗口

在上图中，整个红色的矩形框表示一个时间窗口，在我们的例子中，一个时间窗口就是一分钟。然后我们将时间窗口进行划分，比如图中，我们就将滑动窗口 划成了6格，所以每格代表的是10秒钟。每过10秒钟，我们的时间窗口就会往右滑动一格。每一个格子都有自己独立的计数器counter，比如当一个请求 在0:35秒的时候到达，那么0:30~0:39对应的counter就会加1。
那么滑动窗口怎么解决刚才的临界问题的呢？我们可以看上图，0:59到达的100个请求会落在灰色的格子中，而1:00到达的请求会落在橘黄色的格 子中。当时间到达1:00时，我们的窗口会往右移动一格，那么此时时间窗口内的总请求数量一共是200个，超过了限定的100个，所以此时能够检测出来触 发了限流。
我再来回顾一下刚才的计数器算法，我们可以发现，计数器算法其实就是滑动窗口算法。只是它没有对时间窗口做进一步地划分，所以只有1格。
由此可见，当滑动窗口的格子划分的越多，那么滑动窗口的滚动就越平滑，限流的统计就会越精确。

2，令牌桶算法

令牌桶算法，是一个存放固定容量令牌的桶，按照固定速率网桶里面添加令牌，大致的逻辑如下：

• 1）、所有的请求在处理之前都需要拿到一个可用的令牌才会被处理；
• 2）、根据限流大小，设置按照一定的速率往桶里添加令牌；
• 3）、桶设置最大的放置令牌限制，当桶满时、新添加的令牌就被丢弃或者拒绝；
• 4）、请求达到后首先要获取令牌桶中的令牌，拿着令牌才可以进行其他的业务逻辑，处理完业务逻辑之后，将令牌直接删除；
• 5）、令牌桶有最低限额，当桶中的令牌达到最低限额的时候，请求处理完之后将不会删除令牌，以此保证足够的限流；
  

3，漏桶算法

漏桶作为计量工具时，可以用于流量整形和流量控制，漏桶算法的描述如下：

• 一个固定容量的漏桶，按照常量固定速率流出水滴
• 如果桶式空的，则不需要流出水滴
• 可以以任意速率流入水滴到漏桶
• 如果流入水滴超出了桶的容量，则流入的水滴溢出了（被丢弃），而漏桶容量是不变的

4，区别

• 1，令牌桶限制的是平均流入速率（允许突发请求，只要有令牌就可以处理，支持一次拿三个令牌，或者四个令牌），并允许一定程度的突发流量
• 2，漏桶限制的是常量流出速率（即流出速率是一个固定常量值，比如都是1的速率流出，而不能一次是1，一次是2），从而平滑突发流入速率
• 3，令牌桶允许一定程度的突发，而漏桶主要目的是平滑流入速率
• 4，两个算法实现可以一样，但是方向是相反的，对于相同的参数得到的限流效果是一样的

三 限流场景

1，应用级限流

Tomcat中和一些基本的容器配置参数

• acceptCount:如果Tomcat的线程都忙于响应，新来的连接会进入队列排队，如果超出排队大小，则拒绝连接
• maxConnections：瞬时最大连接数
• maxThreads：Tomcat能启动用来处理请求的最大线程数

限制总资源数
限制某个接口的总并发/请求 数
限制某个接口的时间窗请求数
平滑限制某个接口的请求数（gavva RateLimiter）

2，分布式限流

分布式限流最关键的是要将限流服务做成原子化，Redis+Lua 或者是Nginx+Lua

3，接入层限流