golang rate令牌桶源码分析实现

大家好,我是dandyhuang。高并发三板斧:限流、缓存、降级。 限流其实就是:当高并发或者瞬时高并发时,为了保证系统的稳定性、可用性,系统以牺牲部分请求为代价或者延迟处理请求为代价,保证系统整体服务可用。今天就给大家介绍golang 官方扩展包 time(golang.org/x/time/rate) 中,一个基于令牌桶的限流器实现。它的实现java guava rate limiter中的实现思路是一样的。按照该思路我也用c++实现了一份代码,可以供大家参考代码token_limiter.cpp实现。

令牌桶

令牌桶.png

令牌桶算法的原理:系统会以一个恒定的速度往桶里放入令牌,而如果请求需要被处理,则需要先从桶里获取一个令牌,当桶里没有令牌可取时,则拒绝服务。自然我们可能会想到启一个协程,定时的往桶里丢入令牌。但golang中没有按照这个思路去实现。而是实时计算当前产生的令牌数。可能会有人觉得,把定时的时间片调低一些,比如1us就去计算产生的令牌数。这种效果也和实时计算效果也差不多。但这种处理,随着精度越高,cpu亲缘性的问题就越严重。我们来看看golang是怎么实现的。思路其实也是比较巧妙。

time/rate实现

package limiter

import (
 "fmt"
 "testing"
 "time"

 "golang.org/x/time/rate"
)

func TestLimter(t *testing.T) {
    limiter := rate.NewLimiter(rate.Every(time.Millisecond*10), 2)
    for i := 0; i < 10; i++ {
        var ok bool
        if limiter.Allow() {
            ok = true
        }
        time.Sleep(time.Millisecond * 3)
        fmt.Println(ok, limiter.Burst())
    }
}

执行结果:

=== RUN   TestLimter
true 2
true 2
false 2
true 2
false 2
false 2
true 2
false 2
false 2
true 2
--- PASS: TestLimter1 (0.03s)

因为初始化有2个令牌在里头,随着后续执行,每10ms产生一个令牌。所以后续10ms内,只有一个请求能获取到令牌。

创建限流器

func NewLimiter(r Limit, b int) *Limiter {
    return &Limiter{
        limit: r,
        burst: b,
    }
}

type Limiter struct {
    mu     sync.Mutex
    limit  Limit
    burst  int
    tokens float64
    // last is the last time the limiter's tokens field was updated
    last time.Time
    // lastEvent is the latest time of a rate-limited event (past or future)
    lastEvent time.Time
}

Limiter参数中

  • mu:每次请求并发安全,加锁处理

  • burst : 桶内能存放令牌的个数

  • limit:生成令牌的速率

  • tokens: 剩余令牌个数

  • last: 上一次取走 token 的时间

  • lastEvent:上一次限流事件的时间

Allow 判断是否运行通过

// 判断是否满足条件
func (lim *Limiter) Allow() bool {
    return lim.AllowN(time.Now(), 1)
}

func (lim *Limiter) AllowN(now time.Time, n int) bool {
    return lim.reserveN(now, n, 0).ok
}

func (lim *Limiter) reserveN(now time.Time, n int, maxFutureReserve time.Duration) Reservation {
  // 加锁防止并发
    lim.mu.Lock()
    defer lim.mu.Unlock()
    // 边界处理,都是一些异常设置,设置最大值,或没有设置的场景
    if lim.limit == Inf {
        return Reservation{
            ok:        true,
            lim:       lim,
            tokens:    n,
            timeToAct: now,
        }
    } else if lim.limit == 0 {
        var ok bool
        if lim.burst >= n {
            ok = true
            lim.burst -= n
        }
        return Reservation{
            ok:        ok,
            lim:       lim,
            tokens:    lim.burst,
            timeToAct: now,
        }
    }
     // 从上次获取令牌到当前时间,共产生的令牌数tokens
    now, last, tokens := lim.advance(now)

    // 减去需要的令牌数据
    tokens -= float64(n)

    var waitDuration time.Duration
  // 如果需要的令牌数tokens 为负数,则计算需要等待的 WaitDuration时间
    if tokens < 0 {
        waitDuration = lim.limit.durationFromTokens(-tokens)
    }

    // 获取需要的令牌数如果大于桶的容量  或者 等待时间大于设置的maxFutureReserve
    ok := n <= lim.burst && waitDuration <= maxFutureReserve

    // 构造一个Reservation对象,后续结果返回该对象
    r := Reservation{
        ok:    ok,
        lim:   lim,
        limit: lim.limit,
    }
  // 成功才更新该对象
    if ok {
        r.tokens = n
        r.timeToAct = now.Add(waitDuration)
    }

    // 成功了,才把上次时间和tokens数更新
    if ok {
        lim.last = now
        lim.tokens = tokens
        lim.lastEvent = r.timeToAct
    } else {
    // 这里因为锁并发的问题,所以才回导致last会有更新
        lim.last = last
    }

    return r
}

reserveN中记录了上次访问的时间和当前桶中令牌的数量。当再次访问时,通过上次访问记录的时间实时计算当前令牌的数量,决定是否可以放行。

advance计算产生的令牌数

func (lim *Limiter) advance(now time.Time) (newNow time.Time, newLast time.Time, newTokens float64) {
    last := lim.last
  // 因为加锁的原因,所以出现这种情况
    if now.Before(last) {
        last = now
    }

    // (当前时间-上次时间)* 速率 = 产生的令牌数
    elapsed := now.Sub(last)
    delta := lim.limit.tokensFromDuration(elapsed)
    tokens := lim.tokens + delta
    if burst := float64(lim.burst); tokens > burst {
        tokens = burst
    }
    return now, last, tokens
}

这里AllowN()请求中,我们是在Allow()的时候调用lim.AllowN(time.Now(), 1),并把当前时间传入。这时候,如果

reserveN处理的比较慢,并且请求成功。如线程t1请求的时间为10:10:12秒,线程t2请求时间为10:10:10秒。 而线程t1先抢到了锁。并处理请求成功。接下去t2才进行处理。这时last为10:10:12秒,now为10:10:10秒的场景

总结

golang/rate包中,牺牲一点加锁的性能,实时计算产生的令牌数。这种实现的好处: 对令牌的计算可以非常精确。而对比于定时往桶里添加令牌的实现,虽然在请求可以使用原子计算,不上锁实现。但对于令牌的计算来说,是比较不准确的,需要根据定时器的精度来保证。而精度越小,cpu亲缘性问题就越明显。个人觉得虽然加锁的实现,对性能有一部分影响,但是令牌桶都是在计算,所以性能不会有很大的问题,加锁时间不长。

你可能感兴趣的:(golang rate令牌桶源码分析实现)