建站
咨詢
售后
建站咨詢
新聞中心
Guava 是 Google 開源的 Java 類庫，提供了一個工具類 RateLimiter。我們先來看看 RateLimiter 的使用，讓你對限流有個感官的印象。假設(shè)我們有一個線程池，它每秒只能處理兩個任務(wù)，如果提交的任務(wù)過快，可能導(dǎo)致系統(tǒng)不穩(wěn)定，這個時候就需要用到限流。
在下面的示例代碼中，我們創(chuàng)建了一個流速為 2 個請求 / 秒的限流器，這里的流速該怎么理解呢？直觀地看，2 個請求 / 秒指的是每秒最多允許 2 個請求通過限流器，其實在 Guava 中，流速還有更深一層的意思：是一種勻速的概念，2 個請求 / 秒等價于 1 個請求 /500 毫秒。
在向線程池提交任務(wù)之前，調(diào)用 acquire() 方法就能起到限流的作用。通過示例代碼的執(zhí)行結(jié)果，任務(wù)提交到線程池的時間間隔基本上穩(wěn)定在 500 毫秒。
//限流器流速：2個請求/秒
RateLimiter limiter =
RateLimiter.create(2.0);
//執(zhí)行任務(wù)的線程池
ExecutorService es = Executors
.newFixedThreadPool(1);
//記錄上一次執(zhí)行時間
prev = System.nanoTime();
//測試執(zhí)行20次
for (int i=0; i<20; i++){
//限流器限流
limiter.acquire();
//提交任務(wù)異步執(zhí)行
es.execute(()->{
long cur=System.nanoTime();
//打印時間間隔：毫秒
System.out.println(
(cur-prev)/1000_000);
prev = cur;
});
}
輸出結(jié)果：
...
500
499
499
500
499
經(jīng)典限流算法：令牌桶算法
Guava 的限流器使用上還是很簡單的，那它是如何實現(xiàn)的呢？Guava 采用的是令牌桶算法，其核心是要想通過限流器，必須拿到令牌。也就是說，只要我們能夠限制發(fā)放令牌的速率，那么就能控制流速了。令牌桶算法的詳細描述如下：
- 令牌以固定的速率添加到令牌桶中，假設(shè)限流的速率是 r/ 秒，則令牌每 1/r 秒會添加一個；
- 假設(shè)令牌桶的容量是 b ，如果令牌桶已滿，則新的令牌會被丟棄；
- 請求能夠通過限流器的前提是令牌桶中有令牌。
這個算法中，限流的速率 r 還是比較容易理解的，但令牌桶的容量 b 該怎么理解呢？b 其實是 burst 的簡寫，意義是限流器允許的最大突發(fā)流量。比如 b=10，而且令牌桶中的令牌已滿，此時限流器允許 10 個請求同時通過限流器，當(dāng)然只是突發(fā)流量而已，這 10 個請求會帶走 10 個令牌，所以后續(xù)的流量只能按照速率 r 通過限流器。
令牌桶這個算法，如何用 Java 實現(xiàn)呢？很可能你的直覺會告訴你生產(chǎn)者 - 消費者模式：一個生產(chǎn)者線程定時向阻塞隊列中添加令牌，而試圖通過限流器的線程則作為消費者線程，只有從阻塞隊列中獲取到令牌，才允許通過限流器。
這個算法看上去非常完美，而且實現(xiàn)起來非常簡單，如果并發(fā)量不大，這個實現(xiàn)并沒有什么問題。可實際情況卻是使用限流的場景大部分都是高并發(fā)場景，而且系統(tǒng)壓力已經(jīng)臨近極限了，此時這個實現(xiàn)就有問題了。問題就出在定時器上，在高并發(fā)場景下，當(dāng)系統(tǒng)壓力已經(jīng)臨近極限的時候，定時器的精度誤差會非常大，同時定時器本身會創(chuàng)建調(diào)度線程，也會對系統(tǒng)的性能產(chǎn)生影響。
那還有什么好的實現(xiàn)方式呢？當(dāng)然有，Guava 的實現(xiàn)就沒有使用定時器，下面我們就來看看它是如何實現(xiàn)的。
Guava 如何實現(xiàn)令牌桶算法
Guava 實現(xiàn)令牌桶算法，用了一個很簡單的辦法，其關(guān)鍵是記錄并動態(tài)計算下一令牌發(fā)放的時間。
下面我們以一個最簡單的場景來介紹該算法的執(zhí)行過程。假設(shè)令牌桶的容量為 b=1，限流速率 r = 1 個請求 / 秒，如下圖所示，如果當(dāng)前令牌桶中沒有令牌，下一個令牌的發(fā)放時間是在第 3 秒，而在第 2 秒的時候有一個線程 T1 請求令牌，此時該如何處理呢？
線程 T1 請求令牌示意圖
對于這個請求令牌的線程而言，很顯然需要等待 1 秒，因為 1 秒以后（第 3 秒）它就能拿到令牌了。此時需要注意的是，下一個令牌發(fā)放的時間也要增加 1 秒，為什么呢？因為第 3 秒發(fā)放的令牌已經(jīng)被線程 T1 預(yù)占了。處理之后如下圖所示。
線程 T1 請求結(jié)束示意圖
假設(shè) T1 在預(yù)占了第 3 秒的令牌之后，馬上又有一個線程 T2 請求令牌，如下圖所示。
線程 T2 請求結(jié)束示意圖
上面線程 T1、T2 都是在下一令牌產(chǎn)生時間之前請求令牌，如果線程在下一令牌產(chǎn)生時間之后請求令牌會如何呢？假設(shè)在線程 T1 請求令牌之后的 5 秒，也就是第 7 秒，線程 T3 請求令牌，如下圖所示。
線程 T3 請求令牌示意圖
由于在第 5 秒已經(jīng)產(chǎn)生了一個令牌，所以此時線程 T3 可以直接拿到令牌，而無需等待。在第 7 秒，實際上限流器能夠產(chǎn)生 3 個令牌，第 5、6、7 秒各產(chǎn)生一個令牌。由于我們假設(shè)令牌桶的容量是 1，所以第 6、7 秒產(chǎn)生的令牌就丟棄了，其實等價地你也可以認為是保留的第 7 秒的令牌，丟棄的第 5、6 秒的令牌，也就是說第 7 秒的令牌被線程 T3 占有了，于是下一令牌的的產(chǎn)生時間應(yīng)該是第 8 秒，如下圖所示。
線程 T3 請求結(jié)束示意圖
通過上面簡要地分析，你會發(fā)現(xiàn)，我們只需要記錄一個下一令牌產(chǎn)生的時間，并動態(tài)更新它，就能夠輕松完成限流功能。我們可以將上面的這個算法代碼化，示例代碼如下所示，依然假設(shè)令牌桶的容量是 1。關(guān)鍵是 reserve() 方法，這個方法會為請求令牌的線程預(yù)分配令牌，同時返回該線程能夠獲取令牌的時間。其實現(xiàn)邏輯就是上面提到的：如果線程請求令牌的時間在下一令牌產(chǎn)生時間之后，那么該線程立刻就能夠獲取令牌；反之，如果請求時間在下一令牌產(chǎn)生時間之前，那么該線程是在下一令牌產(chǎn)生的時間獲取令牌。由于此時下一令牌已經(jīng)被該線程預(yù)占，所以下一令牌產(chǎn)生的時間需要加上 1 秒。
class SimpleLimiter {
//下一令牌產(chǎn)生時間
long next = System.nanoTime();
//發(fā)放令牌間隔：納秒
long interval = 1000_000_000;
//預(yù)占令牌，返回能夠獲取令牌的時間
synchronized long reserve(long now){
//請求時間在下一令牌產(chǎn)生時間之后
//重新計算下一令牌產(chǎn)生時間
if (now > next){
//將下一令牌產(chǎn)生時間重置為當(dāng)前時間
next = now;
}
//能夠獲取令牌的時間
long at=next;
//設(shè)置下一令牌產(chǎn)生時間
next += interval;
//返回線程需要等待的時間
return Math.max(at, 0L);
}
//申請令牌
void acquire() {
//申請令牌時的時間
long now = System.nanoTime();
//預(yù)占令牌
long at=reserve(now);
long waitTime=max(at-now, 0);
//按照條件等待
if(waitTime > 0) {
try {
TimeUnit.NANOSECONDS
.sleep(waitTime);
}catch(InterruptedException e){
e.printStackTrace();
}
}
}
}如果令牌桶的容量大于 1，又該如何處理呢？按照令牌桶算法，令牌要首先從令牌桶中出，所以我們需要按需計算令牌桶中的數(shù)量，當(dāng)有線程請求令牌時，先從令牌桶中出。具體的代碼實現(xiàn)如下所示。我們增加了一個 resync() ?方法，在這個方法中，如果線程請求令牌的時間在下一令牌產(chǎn)生時間之后，會重新計算令牌桶中的令牌數(shù)，新產(chǎn)生的令牌的計算公式是：(now-next)/interval，你可對照上面的示意圖來理解。reserve() 方法中，則增加了先從令牌桶中出令牌的邏輯，不過需要注意的是，如果令牌是從令牌桶中出的，那么 next 就無需增加一個 interval 了。
class SimpleLimiter {
//當(dāng)前令牌桶中的令牌數(shù)量
long storedPermits = 0;
//令牌桶的容量
long maxPermits = 3;
//下一令牌產(chǎn)生時間
long next = System.nanoTime();
//發(fā)放令牌間隔：納秒
long interval = 1000_000_000;
//請求時間在下一令牌產(chǎn)生時間之后,則
// 1.重新計算令牌桶中的令牌數(shù)
// 2.將下一個令牌發(fā)放時間重置為當(dāng)前時間
void resync(long now) {
if (now > next) {
//新產(chǎn)生的令牌數(shù)
long newPermits=(now-next)/interval;
//新令牌增加到令牌桶
storedPermits=min(maxPermits,
storedPermits + newPermits);
//將下一個令牌發(fā)放時間重置為當(dāng)前時間
next = now;
}
}
//預(yù)占令牌，返回能夠獲取令牌的時間
synchronized long reserve(long now){
resync(now);
//能夠獲取令牌的時間
long at = next;
//令牌桶中能提供的令牌
long fb=min(1, storedPermits);
//令牌凈需求：首先減掉令牌桶中的令牌
long nr = 1 - fb;
//重新計算下一令牌產(chǎn)生時間
next = next + nr*interval;
//重新計算令牌桶中的令牌
this.storedPermits -= fb;
return at;
}
//申請令牌
void acquire() {
//申請令牌時的時間
long now = System.nanoTime();
//預(yù)占令牌
long at=reserve(now);
long waitTime=max(at-now, 0);
//按照條件等待
if(waitTime > 0) {
try {
TimeUnit.NANOSECONDS
.sleep(waitTime);
}catch(InterruptedException e){
e.printStackTrace();
}
}
}
}總結(jié)
經(jīng)典的限流算法有兩個，一個是令牌桶算法（Token Bucket），另一個是漏桶算法（Leaky Bucket）。令牌桶算法是定時向令牌桶發(fā)送令牌，請求能夠從令牌桶中拿到令牌，然后才能通過限流器；
而漏桶算法里，請求就像水一樣注入漏桶，漏桶會按照一定的速率自動將水漏掉，只有漏桶里還能注入水的時候，請求才能通過限流器。令牌桶算法和漏桶算法很像一個硬幣的正反面，所以你可以參考令牌桶算法的實現(xiàn)來實現(xiàn)漏桶算法。
上面我們介紹了 Guava 是如何實現(xiàn)令牌桶算法的，我們的示例代碼是對 Guava RateLimiter 的簡化，Guava RateLimiter 擴展了標準的令牌桶算法，比如還能支持預(yù)熱功能。對于按需加載的緩存來說，預(yù)熱后緩存能支持 5 萬 TPS 的并發(fā)，但是在預(yù)熱前 5 萬 TPS 的并發(fā)直接就把緩存擊垮了，所以如果需要給該緩存限流，限流器也需要支持預(yù)熱功能，在初始階段，限制的流速 r 很小，但是動態(tài)增長的。預(yù)熱功能的實現(xiàn)非常復(fù)雜，Guava 構(gòu)建了一個積分函數(shù)來解決這個問題，如果你感興趣，可以繼續(xù)深入研究。
本文題目：高性能限流器GuavaRateLimiter
鏈接URL：http://www.dlmjj.cn/article/dhpojgj.html
