spring-clou限流詳解

在高併發的應用中，限流往往是一個繞不開的話題。本文詳細探討在Spring Cloud中如何實現限流。

在Zuul 上實現限流是個不錯的選擇，只需要編寫一個過濾器就可以了，關鍵在於如何實現限流的算法。常見的限流算法有漏桶算法以及令牌桶算法。這個可參考 https://www.cnblogs.com/LBSer/p/4083131.html ，寫得通俗易懂，你值得擁有，我就不拽文了。

Google Guava 爲我們提供了限流工具類RateLimiter ，於是乎，我們可以擼代碼了。

代碼示例

@Component

public classRateLimitZuulFilterextendsZuulFilter{

privatefinal RateLimiter rateLimiter = RateLimiter.create(1000.0);

@Override

public StringfilterType(){

return FilterConstants.PRE_TYPE;

}

@Override

publicintfilterOrder(){

return Ordered.HIGHEST_PRECEDENCE;

}

@Override

publicbooleanshouldFilter(){

// 這裏可以考慮弄個限流開啓的開關，開啓限流返回true，關閉限流返回false，你懂的。

returntrue;

}

@Override

public Objectrun(){

try {

RequestContext currentContext = RequestContext.getCurrentContext();

HttpServletResponse response = currentContext.getResponse();

if (!rateLimiter.tryAcquire()) {

HttpStatus httpStatus = HttpStatus.TOO_MANY_REQUESTS;

response.setContentType(MediaType.TEXT_PLAIN_VALUE);

response.setStatus(httpStatus.value());

response.getWriter().append(httpStatus.getReasonPhrase());

currentContext.setSendZuulResponse(false);

thrownew ZuulException(

httpStatus.getReasonPhrase(),

httpStatus.value(),

httpStatus.getReasonPhrase()

);

}

} catch (Exception e) {

ReflectionUtils.rethrowRuntimeException(e);

}

returnnull;

}

}

如上，我們編寫了一個pre 類型的過濾器。對Zuul過濾器有疑問的可參考我的博客：

• Spring Cloud內置的Zuul過濾器詳解：http://www.itmuch.com/spring-cloud/zuul/zuul-filter-in-spring-cloud

• Spring Cloud Zuul過濾器詳解：http://www.itmuch.com/spring-cloud/zuul/spring-cloud-zuul-filter

在過濾器中，我們使用Guava RateLimiter 實現限流，如果已經達到最大流量，就拋異常。

分佈式場景下的限流

以上單節點Zuul下的限流，但在生產中，我們往往會有多個Zuul實例。對於這種場景如何限流呢？我們可以藉助Redis實現限流。

使用redis實現，存儲兩個key，一個用於計時，一個用於計數。請求每調用一次，計數器增加1，若在計時器時間內計數器未超過閾值，則可以處理任務

if(!cacheDao.hasKey(TIME_KEY)) {

cacheDao.putToValue(TIME_KEY,0, 1, TimeUnit.SECONDS);

}

if(cacheDao.hasKey(TIME_KEY) && cacheDao.incrBy(COUNTER_KEY, 1) >400) {

// 拋個異常什麼的

}

實現微服務級別的限流

一些場景下，我們可能還需要實現微服務粒度的限流。此時可以有兩種方案：

方式一：在微服務本身實現限流。

和在Zuul上實現限流類似，只需編寫一個過濾器或者攔截器即可，比較簡單，不作贅述。個人不太喜歡這種方式，因爲每個微服務都得編碼，感覺成本很高啊。

加班那麼多，作爲程序猿的我們，應該學會偷懶，這樣纔可能有時間孝順父母、抱老婆、逗兒子、遛狗養鳥、聊天打屁、追求人生信仰。好了不扯淡了，看方法二吧。

方法二：在Zuul上實現微服務粒度的限流。

在講解之前，我們不妨模擬兩個路由規則，兩種路由規則分別代表Zuul的兩種路由方式。

zuul:

routes:

microservice-provider-user:/user/**

user2:

url:http://localhost:8000/

path:/user2/**

如配置所示，在這裏，我們定義了兩個路由規則，microservice-provider-user 以及user2 ，其中microservice-provider-user 這個路由規則使用到Ribbon + Hystrix，走的是RibbonRoutingFilter ；而user2 這個路由用不上Ribbon也用不上Hystrix，走的是SipleRoutingFilter 。如果你搞不清楚這點，請參閱我的博客：

• Spring Cloud內置的Zuul過濾器詳解：http://www.itmuch.com/spring-cloud/zuul/zuul-filter-in-spring-cloud
• Spring Cloud Zuul過濾器詳解：http://www.itmuch.com/spring-cloud/zuul/spring-cloud-zuul-filter

搞清楚這點之後，我們就可以擼代碼了：

@Component

public classRateLimitZuulFilterextendsZuulFilter{

private Map<String, RateLimiter> map = Maps.newConcurrentMap();

@Override

public StringfilterType(){

return FilterConstants.PRE_TYPE;

}

@Override

publicintfilterOrder(){

// 這邊的order一定要大於org.springframework.cloud.netflix.zuul.filters.pre.PreDecorationFilter的order

// 也就是要大於5

// 否則，RequestContext.getCurrentContext()裏拿不到serviceId等數據。

return Ordered.LOWEST_PRECEDENCE;

}

@Override

publicbooleanshouldFilter(){

// 這裏可以考慮弄個限流開啓的開關，開啓限流返回true，關閉限流返回false，你懂的。

returntrue;

}

@Override

public Objectrun(){

try {

RequestContext context = RequestContext.getCurrentContext();

HttpServletResponse response = context.getResponse();

String key = null;

// 對於service格式的路由，走RibbonRoutingFilter

String serviceId = (String) context.get(SERVICE_ID_KEY);

if (serviceId !=null) {

key = serviceId;

map.putIfAbsent(serviceId,RateLimiter.create(1000.0));

}

// 如果壓根不走RibbonRoutingFilter，則認爲是URL格式的路由

else {

// 對於URL格式的路由，走SimpleHostRoutingFilter

URL routeHost = context.getRouteHost();

if (routeHost !=null) {

String url = routeHost.toString();

key = url;

map.putIfAbsent(url,RateLimiter.create(2000.0));

}

}

RateLimiter rateLimiter =map.get(key);

if (!rateLimiter.tryAcquire()) {

HttpStatus httpStatus = HttpStatus.TOO_MANY_REQUESTS;

response.setContentType(MediaType.TEXT_PLAIN_VALUE);

response.setStatus(httpStatus.value());

response.getWriter().append(httpStatus.getReasonPhrase());

context.setSendZuulResponse(false);

thrownew ZuulException(

httpStatus.getReasonPhrase(),

httpStatus.value(),

httpStatus.getReasonPhrase()

);

}

} catch (Exception e) {

ReflectionUtils.rethrowRuntimeException(e);

}

returnnull;

}

}

簡單講解一下這段代碼：

對於microservice-provider-user 這個路由，我們可以用context.get(SERVICE_ID_KEY); 獲取到serviceId，獲取出來就是microservice-provider-user ；

而對於user2 這個路由，我們使用context.get(SERVICE_ID_KEY); 獲得是null，但是呢，可以用context.getRouteHost() 獲得路由到的地址，獲取出來就是http://localhost:8000/ 。接下來的事情，你們懂的。

改進與提升

實際項目中，除以上實現的限流方式，還可能會：

一、在上文的基礎上，增加配置項，控制每個路由的限流指標，並實現動態刷新，從而實現更加靈活的管理

二、基於CPU、內存、數據庫等壓力限流（感謝平安常浩智）提出。。

下面，筆者藉助Spring Boot Actuator提供的Metrics 能力進行實現基於內存壓力的限流——當可用內存低於某個閾值就開啓限流，否則不開啓限流。

@Component

public classRateLimitZuulFilterextendsZuulFilter{

@Autowired

private SystemPublicMetrics systemPublicMetrics;

@Override

publicbooleanshouldFilter(){

// 這裏可以考慮弄個限流開啓的開關，開啓限流返回true，關閉限流返回false，你懂的。

Collection<Metric<?>> metrics = systemPublicMetrics.metrics();

Optional<Metric<?>> freeMemoryMetric = metrics.stream()

.filter(t-> "mem.free".equals(t.getName()))

.findFirst();

// 如果不存在這個指標，穩妥起見，返回true，開啓限流

if (!freeMemoryMetric.isPresent()) {

returntrue;

}

long freeMemory = freeMemoryMetric.get()

.getValue()

.longValue();

// 如果可用內存小於1000000KB，開啓流控

return freeMemory <1000000L;

}

// 省略其他方法

}

三、實現不同維度的限流，例如：

• 對請求的目標URL進行限流（例如：某個URL每分鐘只允許調用多少次）
• 對客戶端的訪問IP進行限流（例如：某個IP每分鐘只允許請求多少次）
• 對某些特定用戶或者用戶組進行限流（例如：非VIP用戶限制每分鐘只允許調用100次某個API等）
• 多維度混合的限流。此時，就需要實現一些限流規則的編排機制。與、或、非等關係。

轉載：http://www.itmuch.com/spring-cloud-sum/spring-cloud-ratelimit/