速率限制
现实世界中的用户是残暴的，并且没耐心，充满着各种不确定性。在高并发系统中，可能会出现服务器被虚假请求轰炸的情况，因此您可能希望控制这种情况。
一些实际使用情形可能如下所示：
API配额管理-作为提供者，您可能希望根据用户的付款情况限制向服务器发出API请求的速率。这可以在客户端或服务端实现。
安全性-防止DDOS攻击。
成本控制--这对服务方甚至客户方来说都不是必需的。如果某个组件以非常高的速率发出一个事件，它可能有助于控制它，它可能有助于控制从客户端发送的遥测。
限速处理时的选项
根据我们处理的请求/事件类型，可能会发生以下情况：
我们可以放弃额外的请求
我们可以选择让请求等待，直到系统将它们降低到预定义的速率。
常用限速算法
令牌桶算法
漏桶算法
我们将不深入讨论这些算法的内部细节，因为这超出了本文的范围。
我们将以令牌桶算法为中心。其要求如下。
令牌桶算法基于以固定速率添加令牌的固定容量桶的类比。在允许API继续之前，将检查桶，以查看它当时是否包含至少一个令牌。如果令牌存在，则进行API调用。如果不是，则丢弃该消息/或使其等待。
需求
应该能够接受每秒所需的（TPS）事务或速率。
如果超过我们定义的比率，则应放弃交易。
应该在同时发生的情况下起作用。
高级功能（在后续文章中实现）
应该能够平滑突发的请求。例如，如果我们将TPS定义为5，并且所有五个请求都在同一时刻到达，那么它应该能够以固定的时间间隔将它们排成一行，即以200ms的时间间隔执行每个请求。它需要一个内部定时电路。
如果我们的TPS为5，并且在其中一个1秒的时段中，我们在下一秒只使用3个代币，那么我们应该能够提供5+2 = 7个代币作为奖励。但速率为每个令牌1/7（142.28ms）。奖金不应结转到下一个插槽。
让我们首先定义我们的 速率限制器：
/**
- Rate limiter helps in limiting the rate of execution of a piece of code. The rate is defined in terms of
- TPS(Transactions per second). Rate of 5 would suggest, 5 transactions/second. Transaction could be a DB call, API call,
- or a simple function call.
- Every {@link RateLimiter} implementation should implement either {@link RateLimiter#throttle(Code)} or, {@link RateLimiter#enter()}.
- They can also choose to implement all.
- {@link Code} represents a piece of code that needs to be rate limited. It could be a function call, if the code to be rate limited
- spreads across multiple functions, we need to use entry() and exit() contract.
*/
public interface RateLimiter {
/**
* Rate limits the code passed inside as an argument.
*
* @param code representation of the piece of code that needs to be rate limited.
* @return true if executed, false otherwise.
*/
boolean throttle(Code code);
/**
* When the piece of code that needs to be rate limited cannot be represented as a contiguous
* code, then entry() should be used before we start executing the code. This brings the code inside the rate
* limiting boundaries.
*
* @return true if the code will execute and false if rate limited.
* }
复制代码
我们的 RateLimit有两组API：一个是throttle（code），另一个是enter（）。这两种方法都满足相同的功能，但采用以下两种方式：
boolean throttle（代码）-如果我们有连续的代码，可以用来传递一个代码块。
布尔输入（） - 通常可以在API、DB或任何我们想要节流的调用之前使用。如果执行此代码后面的代码，则将返回 真 ，以及 假的如果它是速率受限的话。您可以将这些请求排队或拒绝。
在生产环境中您永远不会看到节流（代码）实现，因为它不是最佳的。请在评论中告诉我原因。大多数速率限制器使用类似于enter（）的API。
核心功能
为了构建速率限制器的核心，我们需要确保在任意两秒之间不允许超过N个事务。我们将如何做到这一点？
考虑我们进行第一笔交易的时刻t0。 t0 .所以，
直到（t0 + 1）s，我们只允许进行N次交易。 (t0 + 1)s , we are allowed to make only N transactions.如何确保这一点？在下次交易时，我们将检查
当前时间≤（t0 + 1）。.如果没有，那么这意味着我们进入了不同的秒，并且我们被允许进行N次交易。 N transactions.让我们看一小段代码，它演示了：
long now = System.nanoTime();
if (now <= mNextSecondBoundary) { // If we are within the time limit of current second
if (mCounter < N) { // If token available
mLastExecutionNanos = now;
mCounter++; // Allocate token
invoke(code); // Invoke the code passed the throttle method.
}}
复制代码
那么，我们如何定义mNextSecondBoundary呢？这将在我们进行第一个事务时完成，如前所述，我们将在完成第一个事务的时刻增加一秒。
if (mLastExecutionNanos == 0L) {
mCounter++; // Allocate the very first token here.
mLastExecutionNanos = System.nanoTime();
mNextSecondBoundary = mLastExecutionNanos + NANO_PER_SEC; // (10^9)}
复制代码
现在，如果我们执行代码并看到我们进入了不同的秒，我们应该怎么做？我们将通过重置上次执行时间、可用令牌数来增强前面的代码，并通过调用 节流阀（）再一次。我们的方法已经知道如何处理新的秒。
@Override
public boolean throttle(Code code) {
if (mTPS <= 0) {
// We do not want anything to pass.
return false;
}
synchronized (mLock) {
if (mLastExecutionNanos == 0L) {
mCounter++;
mLastExecutionNanos = System.nanoTime();
mNextSecondBoundary = mLastExecutionNanos + NANO_PER_SEC;
invoke(code);
return true;
} else {
long now = System.nanoTime();
if (now <= mNextSecondBoundary) {
if (mCounter < mTPS) {
mLastExecutionNanos = now;
mCounter++;
invoke(code);
return true;
} else {
return false;
}
} else {
// Reset the counter as we in a different second now.
mCounter = 0;
mLastExecutionNanos = 0L;
mNextSecondBoundary = 0L;
return throttle(code);
}
}
}}
复制代码
在这个实现中，我们可以传递需要节流的代码块，但是这个代码有一个问题。这将工作，但它会表现不佳。不推荐，但为什么呢？请在评论中告诉我。
现在，可以使用相同的构建块和enter（）构建第二个API了。我们将使用相同的逻辑，但我们不会执行方法内部的代码块。相反，它将在调用enter（）之后执行，就像我们执行状态管理一样。该方法的实现如下：
@Override
public boolean enter() {
if (mTPS == 0L) {
return false;
}
synchronized (mBoundaryLock) {
if (mLastExecutionNanos == 0L) {
mLastExecutionNanos = System.nanoTime();
mCounter++;
mNextSecondBoundary = mLastExecutionNanos + NANO_PER_SEC;
return true;
} else {
long now = System.nanoTime();
if (now <= mNextSecondBoundary) {
if (mCounter < mTPS) {
mLastExecutionNanos = now;
mCounter++;
return true;
} else return false;
} else {
// Reset the counter as we in a different second now.
mCounter = 0;
mLastExecutionNanos = 0L;
mNextSecondBoundary = 0L;
return enter();
}
}
}}
复制代码
现在，我们简单的速率限制器已经可以使用了。您可以查看完整的代码 这里。
结果
我们将尝试创建一个可创建六个线程的驱动程序代码。每个线程尝试从0到100计数，延迟为50ms（可以设置为任何数字）。我们将按如下方式启动我们的限速器：
public static void main(String[] args) {
RateLimiter limiter = new SimpleTokenBucketRateLimiter(1);
Thread[] group = new Thread[6];
Runnable r = () -> {
for (int i = 0; i < 100; i++) {
try {
Thread.sleep(50);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
if (limiter.enter()) {
System.out.println("Values:- " + Thread.currentThread().getName() + ": " + i);
}
}
};
for (int i = 0; i < 6; i++) {
group[i] = new Thread(r);
group[i].start();
}}
复制代码
我们的API不支持平滑事务，而是让事务等待下一个令牌被分配，而不是丢弃请求。在拒绝它们之后，它返回false，所以如果我们真的想的话，我们可以把它们排队。
if (limiter.enter()) {
System.out.println("Values:- " + Thread.currentThread().getName() + ": " + i);} else { // queue the work again }
复制代码
这是TPS设置为1时的输出。
当我们尝试将TPS设置为 2我们将看到以下输出：
真管用！
从Android的角度看
考虑这样一种情况：您正在编写代码以捕获用户签名。当他们拖动指针时，您会捕获数千个点。平滑签名可能不需要所有这些参数，因此您使用速率限制进行采样。
一些事件调用频率很高。你能控制的。
我们有MessageQueue的空闲侦听器。当我们在主线程中侦听它时，它被随意调用。有时候，它在一秒钟内被调用好几次。如果我们想构建一个心跳系统来告诉我们主线程何时空闲，我们可以使用它来接收每秒的事件。如果我们一秒钟内没有收到事件，我们可以假定主线程处于忙碌状态。
对于您的框架/库的API配额管理，您可以根据用户选择的付款计划情况API调用。
今天先到这里吧。
我们将在后续文章中构建一个更复杂的速率限制器。