在大型分布式系统中，限流是一种重要的防护机制，可以帮助我们控制流量并减轻系统的负担。Google的Guava库提供了一种方便的限流器实现，可以帮助我们轻松地实现限流功能。本文将介绍Guava中限流器的基本概念和使用方法。
一、什么是限流器？
限流器是一种控制系统流量的机制，可以帮助我们在高负载情况下保护系统免受过载和崩溃的风险。通过限制进入系统的请求速率，我们可以避免服务器过载和资源耗尽的问题。
二、Guava中限流器的实现原理
Guava中的限流器实现基于令牌桶算法，它是一种流量控制算法，可以帮助我们平滑地限制请求速率。限流器将请求速率限制为指定的速率，以确保系统能够在高负载情况下保持稳定。
Guava中的限流器使用一个桶来保存令牌，桶中的令牌代表可用的请求数量。每当一个请求到达时，限流器会尝试从桶中取出一个令牌，如果桶中没有可用的令牌，则该请求将被阻塞，直到有足够的令牌可用为止。当令牌被用尽时，限流器将根据配置的速率自动添加新的令牌到桶中，以确保系统能够继续处理请求。
三、如何使用Guava中的限流器？
在Guava中使用限流器非常简单，只需要按照以下步骤即可：
1.创建一个限流器对象
Guava中的限流器对象是通过RateLimiter类实现的。您可以使用RateLimiter.create(double permitsPerSecond)方法创建一个限流器对象，其中参数permitsPerSecond是每秒允许的请求数。
例如，以下代码创建一个每秒允许10个请求的限流器对象：
`RateLimiter limiter =RateLimiter.create(10);2.获取许可证
当您的应用程序需要处理一个请求时，可以使用RateLimiter.acquire()方法获取许可证。这个方法将会阻塞，直到有足够的令牌可用。如果限流器没有可用的令牌，则该方法将阻塞，直到有足够的令牌可用。
例如，以下代码获取一个许可证并处理请求：
limiter.acquire();
handleRequest();3.尝试获取许可证
如果您希望尝试获取许可证而不是阻塞，则可以使用RateLimiter.tryAcquire()方法。这个方法将尝试获取许可证，如果限流器没有可用的令牌，则该方法将返回false，否则将返回true。
例如，以下代码尝试获取一个许可证：
if (limiter.tryAcquire()) {
handleRequest();
} else {
handleRateLimitedRequest();
}4.调整速率
您还可以使用RateLimiter.setRate(double permitsPerSecond)方法动态地调整限流器的速率。这个方法可以帮助您根据系统负载和流量需求动态调整请求速率。
例如，以下代码动态调整限流器的速率：
limiter.setRate(20);5.处理多个请求
如果您需要处理多个请求，则可以使用RateLimiter.acquire(int permits)方法获取多个许可证。这个方法将会阻塞，直到有足够的令牌可用。
例如，以下代码获取5个许可证并处理5个请求：
limiter.acquire(5);
handleRequest1();
handleRequest2();
handleRequest3();
handleRequest4();
handleRequest5();四、Guava限流器的注意事项
在使用Guava限流器时，需要注意以下几点：
- 限流器的速率应该根据系统负载和流量需求进行动态调整。
- 如果您需要处理多个请求，请确保您的限流器对象能够处理足够的请求数量。
- 在高负载情况下，限流器可能会导致请求超时或错误，请确保您的应用程序能够处理这些情况。
- 限流器的速率应该设置为适当的值，以确保系统能够处理所有的请求。
五、总结
Guava中的限流器提供了一种简单而有效的方法来控制系统流量，以保护系统免受过载和崩溃的风险。使用Guava限流器，您可以轻松地实现限流功能，并根据系统负载和流量需求动态调整请求速率。在实现分布式系统时，使用限流器是一种重要的防护机制，可以帮助我们确保系统的稳定性和可靠性。
六、SpringBoot使用限流器示例
1、pom文件添加依赖
com.google.guava
guava
30.1-jre
2、给接口加上限流逻辑
@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
/**
* 限流策略 ：1秒钟2个请求
*/
private final RateLimiter limiter = RateLimiter.create(2.0);
private DateTimeFormatter dtf = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
@GetMapping("/test1")
public String testLimiter() {
// 500毫秒内，没拿到令牌，就直接进入服务降级
boolean tryAcquire = limiter.tryAcquire(500, TimeUnit.MILLISECONDS);
if (!tryAcquire) {
log.warn("进入服务降级，时间{}", LocalDateTime.now().format(dtf));
return "当前排队人数较多，请稍后再试！";
}
log.info("获取令牌成功，时间{}", LocalDateTime.now().format(dtf));
return "请求成功";
}
}以上用到了RateLimiter的2个核心方法：create()、tryAcquire()，以下为详细说明
- acquire() 获取一个令牌, 改方法会阻塞直到获取到这一个令牌, 返回值为获取到这个令牌花费的时间
- acquire(int permits) 获取指定数量的令牌, 该方法也会阻塞, 返回值为获取到这 N 个令牌花费的时间
- tryAcquire() 判断时候能获取到令牌, 如果不能获取立即返回 false
- tryAcquire(int permits) 获取指定数量的令牌, 如果不能获取立即返回 false
- tryAcquire(long timeout, TimeUnit unit) 判断能否在指定时间内获取到令牌, 如果不能获取立即返回 false
- tryAcquire(int permits, long timeout, TimeUnit unit) 同上
3、体验效果
通过访问测试地址：http://127.0.0.1:8080/limit/test1，反复刷新并观察后端日志
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
INFO LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:37
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:37
INFO LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:37
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:38
INFO LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:38
WARN LimitController:35 - 进入服务降级，时间2021-09-25 21:39:38
INFO LimitController:39 - 获取令牌成功，时间2021-09-25 21:39:38从以上日志可以看出，1秒钟内只有2次成功，其他都失败降级了，说明已经成功给接口加上了限流功能。
七、SpringBoot基于AOP实现接口限流
1、加入AOP依赖
org.springframework.boot
spring-boot-starter-aop
2、自定义限流注解
@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.METHOD})
@Documented
public @interface Limit {
/**
* 资源的key,唯一
* 作用：不同的接口，不同的流量控制
*/
String key() default "";
/**
* 最多的访问限制次数
*/
double permitsPerSecond () ;
/**
* 获取令牌最大等待时间
*/
long timeout();
/**
* 获取令牌最大等待时间,单位(例:分钟/秒/毫秒) 默认:毫秒
*/
TimeUnit timeunit() default TimeUnit.MILLISECONDS;
/**
* 得不到令牌的提示语
*/
String msg() default "系统繁忙,请稍后再试.";
}3、使用AOP切面拦截限流注解
@Slf4j
@Aspect
@Component
public class LimitAop {
/**
* 不同的接口，不同的流量控制
* map的key为 Limiter.key
*/
private final Map limitMap = Maps.newConcurrentMap();
@Around("@annotation(com.jianzh5.blog.limit.Limit)")
public Object around(ProceedingJoinPoint joinPoint) throws Throwable{
MethodSignature signature = (MethodSignature) joinPoint.getSignature();
Method method = signature.getMethod();
//拿limit的注解
Limit limit = method.getAnnotation(Limit.class);
if (limit != null) {
//key作用：不同的接口，不同的流量控制
String key=limit.key();
RateLimiter rateLimiter = null;
//验证缓存是否有命中key
if (!limitMap.containsKey(key)) {
// 创建令牌桶
rateLimiter = RateLimiter.create(limit.permitsPerSecond());
limitMap.put(key, rateLimiter);
log.info("新建了令牌桶={}，容量={}",key,limit.permitsPerSecond());
}
rateLimiter = limitMap.get(key);
// 拿令牌
boolean acquire = rateLimiter.tryAcquire(limit.timeout(), limit.timeunit());
// 拿不到命令，直接返回异常提示
if (!acquire) {
log.debug("令牌桶={}，获取令牌失败",key);
this.responseFail(limit.msg());
return null;
}
}
return joinPoint.proceed();
}
/**
* 直接向前端抛出异常
* @param msg 提示信息
*/
private void responseFail(String msg) {
HttpServletResponse response=((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getResponse();
ResultData<Object> resultData = ResultData.fail(ReturnCode.LIMIT_ERROR.getCode(), msg);
WebUtils.writeJson(response,resultData);
}
} 4、给需要限流的接口加上注解
@Slf4j
@RestController
@RequestMapping("/limit")
public class LimitController {
@GetMapping("/test2")
@Limit(key = "limit2", permitsPerSecond = 1, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "当前排队人数较多，请稍后再试！")
public String limit2() {
log.info("令牌桶limit2获取令牌成功");
return "ok";
}
@GetMapping("/test3")
@Limit(key = "limit3", permitsPerSecond = 2, timeout = 500, timeunit = TimeUnit.MILLISECONDS,msg = "系统繁忙，请稍后再试！")
public String limit3() {
log.info("令牌桶limit3获取令牌成功");
return "ok";
}
}5、体验效果
通过访问测试地址：http://127.0.0.1:8080/limit/test2，反复刷新并观察输出结果：
正常响应时：
{"status":100,"message":"操作成功","data":"ok","timestamp":1632579377104}触发限流时：
{"status":2001,"message":"系统繁忙，请稍后再试！","data":null,"timestamp":1632579332177}通过观察得之，基于自定义注解同样实现了接口限流的效果。
6、小结
一般在系统上线时我们通过对系统压测可以评估出系统的性能阈值，然后给接口加上合理的限流参数，防止出现大流量请求时直接压垮系统。今天我们介绍了几种常见的限流算法（重点关注令牌桶算法），基于Guava工具类实现了接口限流并利用AOP完成了对限流代码的优化。