Java代碼實現(xiàn)四種限流算法詳細介紹
前言
上個月做了一個BI項目并且使用了限流算法,目的是為了限制用戶瘋狂調(diào)用AI生成接口造成財產(chǎn)損失,畢竟AI的調(diào)用是要馬內(nèi)的。這個篇文章會仔細探討介紹四種常見的限流算法及其Java代碼實現(xiàn)。
固定窗口限流
將單位時間內(nèi)作為一個時間窗口,同時維護一個計數(shù)器,記錄次時間窗口內(nèi)接收的請求次數(shù)。
- 當(dāng)次數(shù)小于等于限流閾值,允許請求通過,并且計數(shù)器 +1
- 當(dāng)次數(shù)大于限流閾值,不允許請求通過,計數(shù)器不變
- 當(dāng)系統(tǒng)時間(當(dāng)前時間)超過時間窗口,計數(shù)器重置為0并且開始記錄新的窗口內(nèi)接收的請求次數(shù)
缺陷:定義時間窗口為1s,允許請求數(shù)量為3(請求閾值),說明1s內(nèi)只能接收并處理3個請求。然而如果0.8~0.9s來了三個請求,1.1~1.2s來了三個請求。雖然這6個請求都沒超過各自窗口的請求閾值,但是已經(jīng)違背了1s內(nèi)接收并處理3個請求了,因為在不到1s內(nèi)其接收了6個請求,存在臨界問題。
優(yōu)點:簡單易實現(xiàn)
缺點:
- 有臨界問題(流量突刺)
- 不適用于分布式系統(tǒng)
Java代碼實現(xiàn)
public class FixedWindowRateLimiter {
private final int requestLimit; // 限流閾值
private final long windowSize; // 時間窗口大小(毫秒)
private int count; // 計數(shù)器
private volatile long windowStart; // 時間窗口起始時間
public FixedWindowRateLimiter(long windowSize, int requestLimit) {
this.windowSize = windowSize;
this.requestLimit = requestLimit;
this.count = 0;
this.windowStart = System.currentTimeMillis() / 1000;
}
public synchronized boolean tryAcquire() {
long currentTime = System.currentTimeMillis();
if (currentTime - windowStart > windowSize) { // 如果當(dāng)前時間已經(jīng)超出窗口時間,則重置窗口
windowStart = currentTime;
count = 0;
}
if (count < requestLimit) {
count++; // 增加計數(shù)
return true;
} else {
return false;
}
}
public static void main(String[] args) {
FixedWindowRateLimiter fixedWindowRateLimiter = new FixedWindowRateLimiter(10, 2); // 時間窗口大小,請求閾值(請求限制)
for (int i = 0;i < 10;i++) {
boolean allowed = fixedWindowRateLimiter.tryAcquire();
System.out.println("請求" + (i+1) + ":" + (allowed ? "被允許" : "被拒絕"));
}
}
}結(jié)果:

滑動窗口限流
為了解決固定窗口限流的臨界問題,便有了滑動窗口限流算法。
滑動窗口將單位時間劃分n個小周期,通過計數(shù)器記錄每個小周期內(nèi)的請求次數(shù),每過0.2s后時間窗口就往后推移1小格即一個小周期(0.2s),那么最初的小周期就會被刪除,并且隨著時間的推移刪除已過期的小周期。
比如,將單位時間1s劃分5個小周期,每個小周期為0.2s。每個小周期內(nèi)的請求次數(shù)由各自且獨立的計數(shù)器記錄,統(tǒng)計5個小周期的計數(shù)器總和是否超過請求閾值,沒有就請求允許,否則請求被拒絕。起初滑動窗口是0~1s;當(dāng)過了0.2s后,0~0.2s這個小周期就會被刪除,同時滑動窗口后移0.2s(一個小周期),那么新的滑動窗口變?yōu)榱?.2~1.2s。
用上述固定窗口的臨界例子應(yīng)用到滑動窗口:0.8~0.9來了三個請求,這三個請求被允許了(此時滑動窗口是0~1.0s)。過了0.2s后,新的滑動窗口變?yōu)榱?.2~1.2s,當(dāng)1.1~1.2s來了三個請求,這三個請求就會被拒絕。因為此時新的5個小周期的計數(shù)器總和為3達到了請求閾值,所以.1~1.2s來的三個請求會被拒絕。
優(yōu)點:解決了固定限流算法的臨界(流量突刺)問題
缺點:
- 相比固定限流難理解和實現(xiàn)
- 不適用分布式系統(tǒng)
- 超過請求閾值的請求直接被拒絕了,而不是丟棄,給用戶的體驗不好
- 限流效果與劃分的小周期的數(shù)量有關(guān),但往往很難選取
Java實現(xiàn)
public class SlidingWindowRateLimiter {
private final int windowSize; // 時間窗口大小,單位為秒
private final int requestLimit; // 在時間窗口內(nèi)允許的最大請求數(shù)
private final LinkedList<Long> timestamps; // 存儲請求的時間戳
public SlidingWindowRateLimiter(int windowSize, int requestLimit) {
this.windowSize = windowSize;
this.requestLimit = requestLimit;
this.timestamps = new LinkedList<>();
}
public synchronized boolean allowRequest() {
long currentTime = System.currentTimeMillis() / 1000; // 獲取當(dāng)前時間戳(秒)
// 移除時間窗口之外的時間戳
while (!timestamps.isEmpty() && timestamps.getFirst() <= currentTime - windowSize) {
timestamps.removeFirst();
}
// 檢查當(dāng)前請求數(shù)是否超過限制
if (timestamps.size() < requestLimit) {
timestamps.addLast(currentTime);
return true; // 允許請求
} else {
return false; // 請求超過限制
}
}
public static void main(String[] args) {
SlidingWindowRateLimiter rateLimiter = new SlidingWindowRateLimiter(10, 2);
// 模擬請求
for (int i = 0; i < 10; i++) {
boolean allowed = rateLimiter.allowRequest();
System.out.println("請求 " + (i + 1) + ": " + (allowed ? "被允許" : "被拒絕"));
}
}
}結(jié)果:

漏桶限流
漏桶限流算法又算是解決了固定窗口限流和滑動窗口限流出現(xiàn)的請求被拒絕的問題,其對于超出請求閾值的請求會直接丟棄。
水(請求)以任意的速率流入桶內(nèi),以固定的速率從桶底流出(處理請求),如果水的流入速度大于流出速度(系統(tǒng)請求速度大于處理請求的速度),水就會溢出(即請求直接被丟棄)。
優(yōu)點:
- 解決了請求被直接拒絕的問題
- 一定程度上解決了臨界問題(流量突刺)
缺點:不能迅速處理一批請求(并發(fā)處理請求),因為水的流出速率是固定的(請求的處理速率是固定的,只能處理一個請求后再去處理下一個)
Java實現(xiàn):
package DataStructure.RateLimtAlgorithm;
import java.time.Instant;
import java.util.concurrent.atomic.AtomicLong;
public class LeakyBucketRateLimiter {
private final int capacity; // 桶的容量
private final int rate; // 漏水速率,單位:請求/秒
private AtomicLong water; // 當(dāng)前桶中的水量
private Instant lastLeakTime; // 上一次漏水的時間點
public LeakyBucketRateLimiter(int capacity, int rate) {
this.capacity = capacity;
this.rate = rate;
this.water = new AtomicLong(0);
this.lastLeakTime = Instant.now();
}
public synchronized boolean allowed() {
leak(); // 漏水
if (water.get() < capacity) {
water.incrementAndGet();
return true; // 桶未滿,允許請求通過
} else {
return false; // 桶已滿,拒絕請求
}
}
private synchronized void leak() {
Instant now = Instant.now();
long interval = now.getEpochSecond() - lastLeakTime.getEpochSecond();
long leakedWater = interval * rate; // 計算漏水的數(shù)量
if (leakedWater > 0) {
water.set(Math.max(0, water.get() - leakedWater)); // 更新桶中的水量
lastLeakTime = now; // 更新上一次漏水的時間點
}
}
public static void main(String[] args) {
LeakyBucketRateLimiter leakyBucketRateLimiter = new LeakyBucketRateLimiter(5, 2); // 創(chuàng)建一個容量為10,速率為1個請求/秒的漏桶
for (int i = 0; i < 10; i++) {
boolean allowed = leakyBucketRateLimiter.allowed();
System.out.println("請求 " + (i + 1) + ": " + (allowed ? "被允許" : "被拒絕"));
try {
Thread.sleep(100); // 模擬請求間隔
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
}結(jié)果:

令牌桶限流
根據(jù)請求的數(shù)量多少,管理員勻速生成一批令牌。只有擁有令牌的請求才會被允許,否則就會被丟棄,不予通過。比如管理員生成了5個令牌,此時來了10個請求,那么拿到令牌的5個請求會被同時處理,另外5個請求就會被丟棄。
一般令牌桶限流可以通過Redisson限流器實現(xiàn),因此其適用于分布式系統(tǒng),當(dāng)然前面三種限流算也可用于分布式系統(tǒng)但是需要手動實現(xiàn)。既然令牌桶限流算法這么好,Redisson還幫我們實現(xiàn)了,所以一般我們都會選擇它,因為專業(yè) [doge]。
優(yōu)點:以上三種算法的所有優(yōu)點,并且支持并發(fā)處理請求。
缺點:
- 不適合長時間限流
- 對資源消耗高,依賴Redis實現(xiàn)
- 不適用于突發(fā)性任務(wù)
Java實現(xiàn):
@Service
public class RedisLimiterManager {
@Resource
private RedissonClient redissonClient;
/**
* 限流操作
*
* @param key 區(qū)分不同的限流器,比如不同的用戶 id 應(yīng)該分別統(tǒng)計
*/
public void doRateLimit(String key) {
// 創(chuàng)建一個名稱為user_limiter的限流器,每秒最多訪問2次
RRateLimiter rateLimiter = redissonClient.getRateLimiter(key);
rateLimiter.trySetRate(RateType.OVERALL, 2, 1, RateIntervalUnit.SECONDS); // OVERALL類型:不管有多少臺服務(wù)器都是放在一起統(tǒng)計的,請求閾值,生成令牌的頻率
// 每當(dāng)一個操作來了后,請求一個令牌
boolean canOp = rateLimiter.tryAcquire(1);// 令牌請求數(shù),處理請求需消耗的令牌
if (!canOp) {
throw new BusinessException(ErrorCode.TOO_MANY_REQUEST);
}
}
}
@SpringBootTest
class RedisLimiterManagerTest {
@Resource
private RedisLimiterManager redisLimiterManager;
@Test
void doRateLimit() throws InterruptedException {
String userId = "1";
for (int i=0;i<10;i++) {
redisLimiterManager.doRateLimit(userId);
System.out.println("success");
}
}
}結(jié)果:

參考來源:面試必備:4種經(jīng)典限流算法講解 - 掘金
到此這篇關(guān)于Java代碼實現(xiàn)四種限流算法詳細介紹的文章就介紹到這了,更多相關(guān)Java 限流算法內(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
詳解SpringMVC中的@RequestMapping注解
這篇文章主要介紹了SpringMVC中@RequestMapping注解,@RequestMapping注解是一個用來處理請求地址映射的注解,可用于映射一個請求或一個方法,可以用在類或方法上,需要的朋友可以參考下2023-07-07
詳解在SpringBoot中使用MongoDb做單元測試的代碼
這篇文章主要介紹了詳解在SpringBoot中使用MongoDb做單元測試的代碼,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
詳解Spring Cloud 跨服務(wù)數(shù)據(jù)聚合框架
這篇文章主要介紹了詳解Spring Cloud 跨服務(wù)數(shù)據(jù)聚合框架,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-03-03
關(guān)于SpringBoot啟動速度慢的原因總結(jié)
這篇文章主要介紹了關(guān)于SpringBoot啟動速度慢的原因總結(jié),具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-05-05
Java結(jié)構(gòu)型設(shè)計模式之享元模式示例詳解
享元模式(FlyWeight?Pattern),也叫蠅量模式,運用共享技術(shù),有效的支持大量細粒度的對象,享元模式就是池技術(shù)的重要實現(xiàn)方式。本文將通過示例詳細講解享元模式,感興趣的可以了解一下2022-09-09

