使用Guava的RateLimiter限流
转自: https://blog.csdn.net/aa1215018028/article/details/80866335
场景：
1.
在日常生活中，我们肯定收到过不少不少这样的短信，“京东最新优惠卷…”，“天猫送您…”。这种类型的短信是属于推广性质的短信。这种短信一般群发量会到千万级别。然而，要完成这些短信发送，我们是需要调用服务商的接口来完成的。倘若一次发送的量在200万条，而我们的服务商接口每秒能处理的短信发送量有限，只能达到200条每秒。那么这个时候就会产生问题了，我们如何能控制好程序发送短信时的速度昵？于是限流器就得用上了。
提供服务接口的人或多或少遇到这样的问题，业务负载能力有限，为了防止过多请求涌入造成系统崩溃，如何进行流量控制？
流量控制策略有:分流，降级，限流等。这里我们讨论限流策略，他的作用是限制请求访问频率，换取系统高可用，是比较保守方便的策略。
3.常用的限流算法由：漏桶算法和令牌桶算法。
一、漏桶算法
漏桶作为计量工具（The Leaky Bucket Algorithm as a Meter）时，可以用于流量整形（Traffic Shaping）和流量控制（TrafficPolicing），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；
如果桶是空的，则不需流出水滴；
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。
漏桶(Leaky Bucket)算法思路很简单,水(请求)先进入到漏桶里,漏桶以一定的速度出水(接口有响应速率),当水流入速度过大会直接溢出(访问频率超过接口响应速率),然后就拒绝请求,可以看出漏桶算法能强行限制数据的传输速率.示意图如下:
可见这里有两个变量,一个是桶的大小,支持流量突发增多时可以存多少的水(burst),另一个是水桶漏洞的大小(rate)。
因为漏桶的漏出速率是固定的参数,所以,即使网络中不存在资源冲突(没有发生拥塞),漏桶算法也不能使流突发(burst)到端口速率.因此,漏桶算法对于存在突发特性的流量来说缺乏效率.
二、令牌桶算法
令牌桶算法是一个存放固定容量令牌的桶，按照固定速率往桶里添加令牌。令牌桶算法的描述如下：
假设限制2r/s，则按照500毫秒的固定速率往桶中添加令牌；
桶中最多存放b个令牌，当桶满时，新添加的令牌被丢弃或拒绝；
当一个n个字节大小的数据包到达，将从桶中删除n个令牌，接着数据包被发送到网络上；
如果桶中的令牌不足n个，则不会删除令牌，且该数据包将被限流（要么丢弃，要么缓冲区等待）。
令牌桶算法(Token Bucket)和 Leaky Bucket 效果一样但方向相反的算法,更加容易理解.随着时间流逝,系统会按恒定1/QPS时间间隔(如果QPS=100,则间隔是10ms)往桶里加入Token(想象和漏洞漏水相反,有个水龙头在不断的加水),如果桶已经满了就不再加了.新请求来临时,会各自拿走一个Token,如果没有Token可拿了就阻塞或者拒绝服务
令牌桶的另外一个好处是可以方便的改变速度. 一旦需要提高速率,则按需提高放入桶中的令牌的速率. 一般会定时(比如100毫秒)往桶中增加一定数量的令牌, 有些变种算法则实时的计算应该增加的令牌的数量.
三、测试代码
测试代码1
package com.xx;
import com.google.common.util.concurrent.RateLimiter;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.concurrent.Executors;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit;
/**
* @author hanliwei
* @create 2018-06-21 17:10
*/
public class Test2 {
public static void main(String[] args) {
//新建一个每秒限制3个的令牌桶
RateLimiter rateLimiter = RateLimiter.create(3.0);
ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(100);
for (int i = 0; i < 10; i++) {
executor.execute(new Runnable() {
@Override
public void run() {
//获取令牌桶中一个令牌，最多等待10秒
if (rateLimiter.tryAcquire(1, 10, TimeUnit.SECONDS)) {
System.out.println(new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(new Date()));
}
}
});
}
executor.shutdown();
}
}
结果：
2018-06-21 17:53:31
2018-06-21 17:53:31
2018-06-21 17:53:32
2018-06-21 17:53:32
2018-06-21 17:53:32
2018-06-21 17:53:33
2018-06-21 17:53:33
2018-06-21 17:53:33
2018-06-21 17:53:34
2018-06-21 17:53:34
测试代码2
package com.xx;
import com.google.common.util.concurrent.RateLimiter;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
/**
* @author hanliwei
* @create 2018-06-21 17:57
*/
public class Test3 {
public static void main(String[] args) {
//线程池
ExecutorService exec = Executors.newCachedThreadPool();
//速率是每秒只有5个许可
final RateLimiter rateLimiter = RateLimiter.create(3.0);
for (int i = 0; i < 10; i++) {
final int no = i;
Runnable runnable = new Runnable() {
@Override
public void run() {
try {
//获取许可
rateLimiter.acquire();
System.out.println("Accessing: " + no + ",time:"
+ new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date()));
} catch (Exception e) {
e.printStackTrace();
}
}
};
//执行线程
exec.execute(runnable);
}
//退出线程池
exec.shutdown();
}
}
结果:
Accessing: 0,time:18-06-21 17:58:41
Accessing: 1,time:18-06-21 17:58:41
Accessing: 4,time:18-06-21 17:58:41
Accessing: 8,time:18-06-21 17:58:42
Accessing: 5,time:18-06-21 17:58:42
Accessing: 9,time:18-06-21 17:58:42
Accessing: 3,time:18-06-21 17:58:43
Accessing: 7,time:18-06-21 17:58:43
Accessing: 2,time:18-06-21 17:58:43
Accessing: 6,time:18-06-21 17:58:44
测试代码3
package com.xx;
import com.google.common.collect.Maps;
import com.google.common.util.concurrent.RateLimiter;
import java.util.concurrent.ConcurrentMap;
/**
* 单机限速demo
*
* @author hanliwei
* @create 2018-06-21 18:51
*/
public class Test6 {
//key-value (service,Qps) ，接口服务的限制速率
private static final ConcurrentMap resourceMap = Maps.newConcurrentMap();
//userkey-service,limiter ,限制用户对接口的访问速率
private static final ConcurrentMap userResourceLimiterMap = Maps.newConcurrentMap();
static {
//init ，初始化方法A的Qps为50
resourceMap.putIfAbsent("methodA",10.0);
}
public static void updateResourceQps(String resource,double qps) {
resourceMap.put(resource,qps);
}
public static void removeResource(String resource) {
resourceMap.remove(resource);
}
public static int enter(String resource, String userKey) {
long t1 = System.currentTimeMillis();
Double qps = resourceMap.get(resource);
//不限流
if (qps == null || qps.doubleValue() == 0.0) {
return 0;
}
String keySer = resource + userKey;
RateLimiter rateLimiter = userResourceLimiterMap.get(keySer);
//if null , new limit
if (rateLimiter == null) {
rateLimiter = RateLimiter.create(qps);
RateLimiter putByOtherThread = userResourceLimiterMap.putIfAbsent(keySer,rateLimiter);
if (putByOtherThread != null) {
rateLimiter = putByOtherThread;
}
rateLimiter.setRate(qps);
}
//非阻塞
if (!rateLimiter.tryAcquire()) {
//限速中，提示用户
System.out.println("use :" + (System.currentTimeMillis() - t1) + "ms ; "
+ resource + " visited too frequently by key:" + userKey);
return 99;
} else {
//正常访问
System.out.println("use :" + (System.currentTimeMillis() - t1) + "ms ; " );
return 0;
}
}
public static void main(String[] args) throws InterruptedException {
// testA();
Test6.updateResourceQps("methodB",5.0);
testB();
}
private static void testA() throws InterruptedException {
int i = 0;
while (true) {
i++;
long t2 = System.currentTimeMillis();
System.out.println(" begin:" + t2 + " , hanchao:" + i);
int result = Test6.enter("methodA","hanchao");
if (result == 99) {
i = 0;
Thread.sleep(1000);
}
}
}
private static void testB() throws InterruptedException {
//测试other
int y = 0;
while (true) {
y++;
long t3 = System.currentTimeMillis();
System.out.println(" begin:" + t3 + " , tom:" + y);
int result2 = Test6.enter("methodB","tom");
if (result2 == 99) {
y = 0;
Thread.sleep(1000);
}
}
}
}
测试结果：
四、方法摘要
| 修饰符和类型 | 方法和描述 |
|---|---|
| double | acquire() 从RateLimiter获取一个许可，该方法会被阻塞直到获取到请求 |
| double | acquire(int permits) 从RateLimiter获取指定许可数，该方法会被阻塞直到获取到请求 |
| static RateLimiter | create(double permitsPerSecond) 根据指定的稳定吞吐率创建RateLimiter，这里的吞吐率是指每秒多少许可数（通常是指QPS，每秒多少查询） |
| static RateLimiter | create(double permitsPerSecond, long warmupPeriod, TimeUnit unit) 根据指定的稳定吞吐率和预热期来创建RateLimiter，这里的吞吐率是指每秒多少许可数（通常是指QPS，每秒多少个请求量），在这段预热时间内，RateLimiter每秒分配的许可数会平稳地增长直到预热期结束时达到其最大速率。（只要存在足够请求数来使其饱和） |
| double | getRate() 返回RateLimiter 配置中的稳定速率，该速率单位是每秒多少许可数 |
| void | setRate(double permitsPerSecond) 更新RateLimite的稳定速率，参数permitsPerSecond 由构造RateLimiter的工厂方法提供。 |
| String | toString() 返回对象的字符表现形式 |
| boolean | tryAcquire() 从RateLimiter 获取许可，如果该许可可以在无延迟下的情况下立即获取得到的话 |
| boolean | tryAcquire(int permits) 从RateLimiter 获取许可数，如果该许可数可以在无延迟下的情况下立即获取得到的话 |
| boolean | tryAcquire(int permits, long timeout, TimeUnit unit) 从RateLimiter 获取指定许可数如果该许可数可以在不超过timeout的时间内获取得到的话，或者如果无法在timeout 过期之前获取得到许可数的话，那么立即返回false （无需等待） |
| boolean | tryAcquire(long timeout, TimeUnit unit) 从RateLimiter 获取许可如果该许可可以在不超过timeout的时间内获取得到的话，或者如果无法在timeout 过期之前获取得到许可的话，那么立即返回false（无需等待） |
public static void main(String[] args) {
//线程池
ExecutorService exec = Executors.newCachedThreadPool();
//只能5个线程同时访问
final Semaphore semp = new Semaphore(3);
for (int i = 0; i < 10; i++) {
final int no = i;
Runnable runnable = new Runnable() {
@Override
public void run() {
try {
//获取许可
semp.acquire();
System.out.println("Accessing: " + no
+ " --- " + new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date()));
//睡5s
Thread.sleep(5000);
//访问完后,释放许可，如果注释掉下面的语句,则控制台只能打印3条记录,之后线程一直阻塞
semp.release();
} catch (Exception e) {
e.printStackTrace();
}
}
};
//执行线程
exec.execute(runnable);
}
//退出线程池
exec.shutdown();
}
结果：
Accessing: 3 — 18-06-21 18:21:07
Accessing: 1 — 18-06-21 18:21:07
Accessing: 2 — 18-06-21 18:21:07
Accessing: 0 — 18-06-21 18:21:12
Accessing: 4 — 18-06-21 18:21:12
Accessing: 9 — 18-06-21 18:21:12
Accessing: 8 — 18-06-21 18:21:17
Accessing: 5 — 18-06-21 18:21:17
Accessing: 6 — 18-06-21 18:21:17
Accessing: 7 — 18-06-21 18:21:22
六、Semaphore和RateLimiter的区别
Semaphore：信号量，直译很难理解。作用是限定只有抢到信号的线程才能执行，其他的都得等待！你可以设置N个信号，这样最多可以有N个线程同时执行。注意，其他的线程也在，只是挂起了。
RateLimiter：这是guava的，直译是速率限制器。其作用是 限制一秒内只能有N个线程执行，超过了就只能等待下一秒。注意，N是double类型。
========================================
Semaphore：从线程个数限流
RateLimiter：从速率限流 目前常见的算法是漏桶算法和令牌算法
令牌桶算法：相比漏桶算法而言区别在于，令牌桶是会去匀速的生成令牌，拿到令牌才能够进行处理，类似于匀速往桶里放令牌
漏桶算法是：生产者消费者模型，生产者往木桶里生产数据，消费者按照定义的速度去消费数据
应用场景：
漏桶算法：必须读写分流的情况下，限制读取的速度
令牌桶算法：必须读写分离的情况下，限制写的速率或者小米手机饥饿营销的场景 只卖1分种抢购1000
实现的方法都是一样。RateLimiter来实现