亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

golang常見接口限流算法的實現(xiàn)

 更新時間:2025年03月03日 09:39:38   作者:木易小熙  
本文主要介紹了golang常見接口限流算法的實現(xiàn),包含固定窗口、滑動窗口、漏桶和令牌桶,具有一定的參考價值,感興趣的可以了解一下

常見接口限流算法

今天面試時,面試官對我之前實習(xí)時實現(xiàn)的限流功能很感興趣,發(fā)起了奪命連問…

正好趁此機會好好整理一下,很棒。

常用的限流算法

固定窗口

實現(xiàn)思想

固定窗口的實現(xiàn)原理是:在指定周期內(nèi)累加訪問次數(shù),當(dāng)訪問次數(shù)達到限制時,觸發(fā)限流策略。

比如我們限制3s內(nèi)的請求不超過兩次,當(dāng)?shù)谌卧L問的時候檢測到當(dāng)前窗口內(nèi)以處理2次,對本次進行限制。

在這里插入圖片描述

優(yōu)點:

  • 實現(xiàn)簡單??梢灾苯油ㄟ^ redis 的 string 類型實現(xiàn)。將客戶端 ip + 訪問端口作為 key,訪問次數(shù)作為 value,并設(shè)置過期時間。

缺點:

  • 限流不平滑,如第2秒到第5秒的窗口內(nèi)之間可以有3次請求。

代碼實現(xiàn)

固定窗口我們可以基于 redis 設(shè)置過期時間的 string 實現(xiàn)。當(dāng) 對 redis 的操作出現(xiàn) err 時,建議放行,因為限流的目的是降低服務(wù)器的壓力,而不是讓服務(wù)器“宕機”。

var limit struct {
	count int
	cycle time.Duration
}

func init() {
	limit.count = 2
	limit.cycle = 3 * time.Second
}

func ratelimit() func(c *gin.Context) {
	return func(c *gin.Context) {

		// 獲取客戶端IP
		clientIP := c.ClientIP()
		// 不包括參數(shù)
		path := c.Request.URL.Path
		key := clientIP + path
        
		valStr, err := rdb.Get(c, key).Result()
		if err != nil {
			// 根據(jù)業(yè)務(wù)處理(放行/攔截)
		}
		val, _ := strconv.Atoi(valStr)
		if val >= limit.count {
			c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{
				"code": 1,
				"msg":  "請求過于頻繁",
			})
			return
		}
		count, err := rdb.Incr(context.Background(), key).Result()
		if err != nil {
			// 根據(jù)業(yè)務(wù)處理(放行/攔截)
		}
		if count == 1 {
			err = rdb.Expire(context.Background(), key, limit.cycle).Err()
			if err != nil {
				// 刪除key或者重試
			}
		}
		if int(count) > limit.count {
			c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{
				"code": 1,
				"msg":  "請求過于頻繁",
			})
			return
		}
	}
}

滑動窗口

實現(xiàn)思想

滑動窗口是指在每一個時間窗口內(nèi)的次數(shù)都不超過限制次數(shù)。

還是以3秒內(nèi)請求不超過兩次為例子,當(dāng)我們每次請求時,統(tǒng)計一下前3秒到現(xiàn)在次數(shù)。如果大于等于2次時,則進行攔截。

在這里插入圖片描述

優(yōu)點:

  • 可以保證任意時間窗口內(nèi)的請求次數(shù)都不超過限制。

缺點:

  • 實現(xiàn)相對復(fù)雜

  • 還是不夠平滑。假如我們限制在60s 內(nèi)請求20次,會存在第一秒內(nèi)請求了20次,而在后面59秒內(nèi)都進行攔截的情況。

代碼實現(xiàn)

滑動窗口可以基于 reids 的 zset 實現(xiàn),以請求時的時間戳作為分?jǐn)?shù)。通過當(dāng)前查詢分?jǐn)?shù)區(qū)間[ 當(dāng)前時間戳 - 時間窗口 , 當(dāng)前時間戳 ),可以快速統(tǒng)計出時間窗口內(nèi)的次數(shù)。下面的代碼比固定窗口的代碼短的原因是因為直接將 err 忽略了(均不影響限流功能)。

var limit struct {
	count int64
	cycle int64 // 單位s
}

func init() {
	limit.count = 2
	limit.cycle = 3
}

func ratelimit() func(c *gin.Context) {
	return func(c *gin.Context) {

		clientIp := c.ClientIP()
		path := c.Request.URL.Path
		key := clientIp + path

		t := time.Now().Unix()
		has, _ := rdb.Exists(context.Background(), key).Result()
		count, _ := rdb.ZCount(context.Background(), key, fmt.Sprintf("%d", t-limit.cycle), "+inf").Result()
		if has == 0 { // 如果是第一次創(chuàng)建,最長時間不超過1小時
			rdb.Expire(context.Background(), key, 1*time.Hour) // 從功能上來說,此處不管是否設(shè)置成功,都不影響限流功能
		}
		if count >= limit.count { // 超出次數(shù),限制
			c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{
				"code": 1,
				"msg":  "請求過于頻繁",
			})
			return
		}
		
		rdb.ZAdd(context.Background(), key, &redis.Z{Score: float64(t), Member: strconv.Itoa(int(t))})
		// 刪除窗口外的數(shù)據(jù)
		go func() {
			memberToRemove, _ := rdb.ZRangeByScore(context.Background(), key, &redis.ZRangeBy{
				Max: strconv.Itoa(int(t - limit.cycle)),
				Min: "0",
			}).Result()
			if len(memberToRemove) > 0 {
				rdb.ZRem(context.Background(), key, memberToRemove)
			}
		}()
	}
}

漏桶算法

實現(xiàn)思想

漏桶算法就像小學(xué)的游泳池加水放水問題,不管如何加水,放水的速度都是固定的。

漏桶算法的原理是將請求視為水,漏桶用來存貯這些請求。漏桶有一個固定的容量,并且底部有一個小孔,以固定的速度漏水,如果漏桶已滿,超出部分的流量將被丟棄(或排隊等待)。

在這里插入圖片描述

優(yōu)點:

  • 平滑限制請求的處理速度,避免瞬間請求過多導(dǎo)致系統(tǒng)崩潰,通過桶的大小和漏出速率靈活時應(yīng)不同場景。

缺點:

  • 太平滑了,無法應(yīng)對突發(fā)流量場景。

中間件

go有相關(guān)的中間件,何苦自己造輪子。"go.uber.org/ratelimit" 包正是基于漏桶算法實現(xiàn)的。

使用方式:

  • 通過 ratelimit.New 創(chuàng)建限流器對象,參數(shù)為每秒允許的請求數(shù)(RPS)。
  • 使用 Take() 方法來獲取限流許可,該方法會阻塞請求知道滿足限速要求。

官方示例:

import (
	"fmt"
	"time"

	"go.uber.org/ratelimit"
)

func main() {
    rl := ratelimit.New(100) // 每秒多少次

    prev := time.Now()
    for i := 0; i < 10; i++ {
        now := rl.Take()	// 平均時間
        fmt.Println(i, now.Sub(prev))
        prev = now
    }

    // Output:
    // 0 0
    // 1 10ms
    // 2 10ms
    // 3 10ms
    // 4 10ms
    // 5 10ms
    // 6 10ms
    // 7 10ms
    // 8 10ms
    // 9 10ms
}

代碼實現(xiàn)

如果是以所有的請求為粒度則定義一個全局的 ratelimit 即可。下面是以ip+接口為粒度的限制,需要定義一個map存放 key 和 與之對應(yīng)的限流器。

import (
	"github.com/gin-gonic/gin"
	"go.uber.org/ratelimit"
	"sync"
	"time"
)

var limiters sync.Map

func ratelimitMiddleware() func(c *gin.Context) {
	return func(c *gin.Context) {

		clientIp := c.ClientIP()
		path := c.Request.URL.Path
		key := clientIp + path

		var rl ratelimit.Limiter
		if limiterVal, ok := limiters.Load(key); ok {
			rl = limiterVal.(ratelimit.Limiter)
		} else {
			newLimiter := ratelimit.New(1)	// 每秒只能請求1次
			limiters.Store(key, newLimiter)
			rl = newLimiter
			go func(string) { // 簡易回收key,防止limiters 無限增大
				time.Sleep(1 * time.Hour)
				limiters.Delete(key)
			}(key)
		}

		rl.Take() // 超過請求次數(shù)會進行阻塞,直到放行或放棄請求

	}
}

令牌桶算法

實現(xiàn)思想

令牌桶(Token Bucket)算法與漏桶十分相似,不過前者是服務(wù)端產(chǎn)生“水”,后者是服務(wù)端消費“水”。

令牌桶算法是指在固定時間間隔內(nèi)向“桶”中添加“令牌”,桶滿則暫時不放。請求在處理前需要從桶中獲取令牌。如果桶中有足夠的令牌,請求被處理;否則,請求被拒絕或等待。

在這里插入圖片描述

中間件

基于此算法實現(xiàn)的中間件有:github.com/juju/ratelimitgolang.org/x/time/rate等。

下面簡單說一下 time/rate 的使用。

聲明一個限流器

limiter := rate.NewLimiter(10, 2)

第一個參數(shù)代表每秒向令牌桶中產(chǎn)生多少token。第二個參數(shù)代表令牌桶的大小,且初始狀態(tài)下令牌桶是滿的。

消費Token

Wait、WaitN

func (lim *Limiter) Wait(ctx context.Context) (err error)
func (lim *Limiter) WaitN(ctx context.Context, n int) (err error)

Wait實際上就是WaitN(context.Background(),1)。當(dāng)桶內(nèi) Token 數(shù)組不足(小于N),那么Wait方法將會阻塞一段時間,直至Token滿足條件。如果充足則直接返回。

Allow、AllowN

Allow與Wait十分相似,都是用來消費Token,區(qū)別是當(dāng)桶中Token數(shù)量不足時,前者立即返回,后者阻塞至滿足條件。

func (lim *Limiter) Allow() bool
func (lim *Limiter) AllowN(now time.Time, n int) bool 

Allow 實際上是 AllowN(time.Now(),1)。

AllowN方法表示,截止到當(dāng)前某一時刻,目前桶中數(shù)目是否至少為n個,滿足則返回true,同時從桶中消費 n 個 token。反之返回不消費 Token,false。

通常應(yīng)對這樣的線上場景,如果請求速率過快,就直接丟棄到某些請求。

Reserver、ReserveN

官方提供的限流器有阻塞等待式的 Wait,也有直接判斷方式的 Allow,還有提供了自己維護預(yù)留式的,但核心的實現(xiàn)都是下面的 reserveN 方法。

func (lim *Limiter) Reserve() *Reservation
func (lim *Limiter) ReserveN(now time.Time, n int) *Reservation

當(dāng)調(diào)用完成后,無論 Token 是否充足,都會返回一個 *Reservation 對象。

你可以調(diào)用該對象的 Delay() 方法, 該方法返回了需要等待的時間。如果等待時間為0,則說明不用等待。必須等到等待時間結(jié)束之后,才能進行接下來的工作。

如果不想等待,可以調(diào)用 Cancel() 方法,該方法會將 Token 歸還。

代碼實現(xiàn)

下面還是以Ip + path 為粒度進行限制,和令牌桶差不多。

func ratelimitMiddleware() func(gin.Context) {
	return func(c gin.Context) {

		client := c.ClientIP()
		path := c.Request.URL.Path
		key := client + path

		var rl *rate.Limiter
		if limitersVal, ok := limiters.Load(key); ok {
			rl = limitersVal.(*rate.Limiter)
		} else {
			newLimiter := rate.NewLimiter(1, 10)
			limiters.Store(key, newLimiter)
			rl = newLimiter
			go func(string2 string) {
				time.Sleep(1 * time.Second)
				limiters.Delete(key)
			}(key)
		}
		if !rl.Allow() {
			c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{
				"code": 1,
				"msg":  "請求過于頻繁",
			})
		}
	}
}

小結(jié)

  • 固定窗口計數(shù)器算法:
    • 優(yōu)點
      • 實現(xiàn)簡單,易于理解。
      • 可以精確控制每個窗口期內(nèi)的請求數(shù)量。
    • 缺點
      • 無法應(yīng)對短時間內(nèi)的請求高峰,可能導(dǎo)致請求在窗口切換時突然增加,造成瞬時壓力。
      • 無法平滑處理請求,可能導(dǎo)致用戶體驗不佳。
  • 滑動窗口算法:
    • 優(yōu)點
      • 相對于固定窗口算法,可以更平滑地處理請求,減少瞬時壓力。
      • 可以更靈活地應(yīng)對請求的波動。
    • 缺點
      • 實現(xiàn)相對復(fù)雜,需要維護多個計數(shù)器。
      • 可能會因為窗口滑動導(dǎo)致計數(shù)器更新的開銷。
  • 漏桶算法:
    • 優(yōu)點
      • 實現(xiàn)簡單,易于控制數(shù)據(jù)的輸出速率。
      • 可以平滑處理請求,避免瞬時壓力。
    • 缺點
      • 無法應(yīng)對突發(fā)請求,可能導(dǎo)致請求長時間等待。
      • 處理速度固定,不夠靈活。
  • 令牌桶算法:
    • 優(yōu)點
      • 可以控制平均傳輸速率,同時允許一定程度的突發(fā)請求。
      • 靈活性高,適用于請求速率不均勻的場景。
    • 缺點
      • 實現(xiàn)相對復(fù)雜,需要維護令牌的生成和消耗。
      • 需要合理設(shè)置令牌的生成速率和桶的大小,否則可能無法達到預(yù)期的限流效果。

到此這篇關(guān)于golang常見接口限流算法的實現(xiàn)的文章就介紹到這了,更多相關(guān)golang 接口限流 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家! 

相關(guān)文章

  • go中import包的大坑解決方案

    go中import包的大坑解決方案

    最近開始使用Go/GoLand 在import 自定義包時出現(xiàn)各種狀況,本文就介紹一下go中import包的大坑解決方案,具有一定的參考價值,感興趣 可以了解一下
    2022-06-06
  • golang實踐-第三方包為私有庫的配置方案

    golang實踐-第三方包為私有庫的配置方案

    這篇文章主要介紹了golang實踐-第三方包為私有庫的配置方案,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-05-05
  • Golang中tinyrpc框架的源碼解讀詳解

    Golang中tinyrpc框架的源碼解讀詳解

    tinyrpc是一個高性能的基于protocol?buffer的rpc框架。項目代碼非常少,很適合初學(xué)者進行g(shù)olang的學(xué)習(xí)。本文將從源碼的角度帶大家了解tinyrpc框架的使用,需要的可以參考一下
    2023-01-01
  • go通過編碼縮短字符串的長度實現(xiàn)方法步驟

    go通過編碼縮短字符串的長度實現(xiàn)方法步驟

    這篇文章主要為大家介紹了go通過編碼縮短字符串的長度實現(xiàn)方法步驟,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2024-01-01
  • Go操作各大消息隊列教程(RabbitMQ、Kafka)

    Go操作各大消息隊列教程(RabbitMQ、Kafka)

    消息隊列是一種異步的服務(wù)間通信方式,適用于無服務(wù)器和微服務(wù)架構(gòu),本文主要介紹了Go操作各大消息隊列教程(RabbitMQ、Kafka),需要的朋友可以了解一下
    2024-02-02
  • Go語言學(xué)習(xí)otns示例分析

    Go語言學(xué)習(xí)otns示例分析

    這篇文章主要為大家介紹了Go語言學(xué)習(xí)otns示例分析詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-04-04
  • 一文帶你使用golang手?jǐn)]一個websocket中間件

    一文帶你使用golang手?jǐn)]一個websocket中間件

    這篇文章主要為大家詳細介紹了如何使用golang手?jǐn)]一個websocket中間件,文中的示例代碼講解詳細,具有一定的借鑒價值,感興趣的小伙伴可以參考一下
    2023-12-12
  • 解決Golang json序列化字符串時多了\的情況

    解決Golang json序列化字符串時多了\的情況

    這篇文章主要介紹了解決Golang json序列化字符串時多了\的情況,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-12-12
  • Go語言實戰(zhàn)之詳細掌握正則表達式的應(yīng)用與技巧

    Go語言實戰(zhàn)之詳細掌握正則表達式的應(yīng)用與技巧

    正則表達式是一種從左到右與主題字符串匹配的模式,正則表達式用于替換字符串中的文本,驗證表單,基于模式匹配從字符串中提取子字符串等等,這篇文章主要給大家介紹了關(guān)于Go語言實戰(zhàn)之詳細掌握正則表達式的應(yīng)用與技巧,需要的朋友可以參考下
    2023-12-12
  • Go語言微服務(wù)中實現(xiàn)鏈路追蹤

    Go語言微服務(wù)中實現(xiàn)鏈路追蹤

    在微服務(wù)架構(gòu)中,鏈路追蹤技術(shù)可以幫助我們跟蹤請求在各個服務(wù)之間的傳播路徑,本文就來介紹一下Go語言微服務(wù)中實現(xiàn)鏈路追蹤,感興趣的可以了解一下
    2024-12-12

最新評論