1，首先我们redis有很多限流的算法(比如：令牌桶，计数器，时间窗口)等，但是都有一定的缺点，令牌桶在单项目中相对来说比较稳定，但是在分布式集群里面缺显的不那么友好，这时候，在分布式里面进行限流的话，我们则可以使用redis+lua脚本进行限流，能抗住亿级并发
2，下面说说lua+redis进行限流的做法
开发环境：idea+redis+lua
第一：
打开idea的插件市场，然后搜索lua，点击右边的安装，然后安装好了，重启即可
第二：写一个自定义限流注解
package com.sport.sportcloudmarathonh5.config;
import java.lang.annotation.*;
/**
* @author zdj
* @version 1.0.0
* @description 自定义注解实现分布式限流
*/
@Target(value = ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface RedisLimitStream {
/**
* 请求限制，一秒内可以允许好多个进入(默认一秒可以支持100个)
* @return
*/
int reqLimit() default 1000;
/**
* 模块名称
* @return
*/
String reqName() default "";
}
第三：在指定的方法上面添加该注解
/**
* 压测接口
* @return
*/
@Login(isLogin = false)
@RedisLimitStream(reqName = "名额秒杀", reqLimit = 1000)
@ApiOperation(value = "压测接口", notes = "压测接口", httpMethod = "GET")
@RequestMapping(value = "/pressure", method = RequestMethod.GET)
public ResultVO
第四：添加一个拦截器对访问的方法在访问之前进行拦截：
package com.sport.sportcloudmarathonh5.config;
import com.alibaba.fastjson.JSONObject;
import com.sport.sportcloudmarathonh5.service.impl.RedisService;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Pointcut;
import org.aspectj.lang.reflect.MethodSignature;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.script.RedisScript;
import org.springframework.stereotype.Component;
import org.springframework.util.ObjectUtils;
import javax.servlet.http.HttpServletResponse;
import java.io.PrintWriter;
import java.util.ArrayList;
import java.util.List;
/**
* @author zdj
* @version 1.0.0
* @description MyRedisLimiter注解的切面类
*/
@Aspect
@Component
public class RedisLimiterAspect {
private final Logger logger = LoggerFactory.getLogger(RedisLimitStream.class);
/**
* 当前响应请求
*/
@Autowired
private HttpServletResponse response;
/**
* redis服务
*/
@Autowired
private RedisService redisService;
/**
* 执行redis的脚本文件
*/
@Autowired
private RedisScript rateLimitLua;
/**
* 对所有接口进行拦截
*/
@Pointcut("execution(public * com.sport.sportcloudmarathonh5.controller.*.*(..))")
public void pointcut(){}
/**
* 对切点进行继续处理
*/
@Around("pointcut()")
public Object process(ProceedingJoinPoint proceedingJoinPoint) throws Throwable{
//使用反射获取RedisLimitStream注解
MethodSignature signature = (MethodSignature) proceedingJoinPoint.getSignature();
//没有添加限流注解的方法直接放行
RedisLimitStream redisLimitStream = signature.getMethod().getDeclaredAnnotation(RedisLimitStream.class);
if(ObjectUtils.isEmpty(redisLimitStream)){
return proceedingJoinPoint.proceed();
}
//List设置Lua的KEYS[1]
List keyList = new ArrayList<>();
keyList.add("ip:" + (System.currentTimeMillis() / 1000));
//获取注解上的参数，获取配置的速率
//List设置Lua的ARGV[1]
int value = redisLimitStream.reqLimit();
// 调用Redis执行lua脚本，未拿到令牌的，直接返回提示
boolean acquired = redisService.execute(rateLimitLua, keyList, value);
logger.info("执行lua结果：" + acquired);
if(!acquired){
this.limitStreamBackMsg();
return null;
}
//获取到令牌，继续向下执行
return proceedingJoinPoint.proceed();
}
/**
* 被拦截的人，提示消息
*/
private void limitStreamBackMsg() {
response.setHeader("Content-Type", "text/html;charset=UTF8");
PrintWriter writer = null;
try {
writer = response.getWriter();
writer.println("{\"code\":503,\"message\":\"当前排队人较多，请稍后再试！\",\"data\":\"null\"}");
writer.flush();
} catch (Exception e) {
e.printStackTrace();
} finally {
if (writer != null) {
writer.close();
}
}
}
}
第五：写个配置类，在启动的时候将我们的lua脚本代码加载到redisscript中
package com.sport.sportcloudmarathonh5.config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.core.script.DefaultRedisScript;
/**
* @author zdj
* @version 1.0.0
* @description 实现redis的编码方式
*/
@Configuration
public class RedisConfiguration {
/**
* 初始化将lua脚本加载到redis脚本中
* @return
*/
@Bean
public DefaultRedisScript loadRedisScript() {
DefaultRedisScript redisScript = new DefaultRedisScript();
redisScript.setLocation(new ClassPathResource("limit.lua"));
redisScript.setResultType(Boolean.class);
return redisScript;
}
}
第六：redis执行lua的方法
/**
* 执行lua脚本
* @param redisScript lua源代码脚本
* @param keyList
* @param value
* @return
*/
public boolean execute(RedisScript redisScript, List keyList, int value) {
return redisTemplate.execute(redisScript, keyList, String.valueOf(value));
}
第七：在resources目录下面新加一个lua脚本文件，将下面代码拷贝进去即可：
local key = KEYS[1] --限流KEY（一秒一个）
local limit = tonumber(ARGV[1]) --限流大小
local current = tonumber(redis.call('get', key) or "0")
if current + 1 > limit then --如果超出限流大小
return false
else --请求数+1，并设置2秒过期
redis.call("INCRBY", key, "1")
redis.call("expire", key, "2")
end
return true
最后执行即可：
可以使用jemster进行测试：
到此这篇关于基于redis+lua进行限流的文章就介绍到这了,更多相关redis lua限流内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！