python分布式環(huán)境下的限流器的示例
項(xiàng)目中用到了限流，受限于一些實(shí)現(xiàn)方式上的東西，手撕了一個(gè)簡(jiǎn)單的服務(wù)端限流器。
服務(wù)端限流和客戶端限流的區(qū)別，簡(jiǎn)單來說就是：
1）服務(wù)端限流
對(duì)接口請(qǐng)求進(jìn)行限流，限制的是單位時(shí)間內(nèi)請(qǐng)求的數(shù)量，目的是通過有損來換取高可用。
例如我們的場(chǎng)景是，有一個(gè)服務(wù)接收請(qǐng)求，處理之后，將數(shù)據(jù)bulk到Elasticsearch中進(jìn)行索引存儲(chǔ)，bulk索引是一個(gè)很耗費(fèi)資源的操作，如果遭遇到請(qǐng)求流量激增，可能會(huì)壓垮Elasticsearch（隊(duì)列阻塞，內(nèi)存激增），所以需要對(duì)流量的峰值做一個(gè)限制。
2）客戶端限流
限制的是客戶端進(jìn)行訪問的次數(shù)。
例如，線程池就是一個(gè)天然的限流器。限制了并發(fā)個(gè)數(shù)max_connection，多了的就放到緩沖隊(duì)列里排隊(duì)，排隊(duì)擱不下了>queue_size就扔掉。
本文是服務(wù)端限流器。
我這個(gè)限流器的優(yōu)點(diǎn)：
1）簡(jiǎn)單
2）管事
缺點(diǎn)：
1）不能做到平滑限流
例如大家嘗嘗說的令牌桶算法和漏桶算法（我感覺這兩個(gè)算法本質(zhì)上都是一個(gè)事情）可以實(shí)現(xiàn)平滑限流。什么是平滑限流？舉個(gè)栗子，我們要限制5秒鐘內(nèi)訪問數(shù)不超過1000，平滑限流能做到，每秒200個(gè)，5秒鐘不超過1000，很平衡；非平滑限流可能，在第一秒就訪問了1000次，之后的4秒鐘全部限制住。•2）不靈活
只實(shí)現(xiàn)了秒級(jí)的限流。
支持兩個(gè)場(chǎng)景：
1）對(duì)于單進(jìn)程多線程場(chǎng)景（使用線程安全的Queue做全局變量）
這種場(chǎng)景下，只部署了一個(gè)實(shí)例，對(duì)這個(gè)實(shí)例進(jìn)行限流。在生產(chǎn)環(huán)境中用的很少。
2）對(duì)于多進(jìn)程分布式場(chǎng)景（使用redis做全局變量）
多實(shí)例部署，一般來說生產(chǎn)環(huán)境，都是這樣的使用場(chǎng)景。
在這樣的場(chǎng)景下，需要對(duì)流量進(jìn)行整體的把控。例如，user服務(wù)部署了三個(gè)實(shí)例，對(duì)外暴露query接口，要做的是對(duì)接口級(jí)的流量限制，也就是對(duì)query這個(gè)接口整體允許多大的峰值，而不去關(guān)心到底負(fù)載到哪個(gè)實(shí)例。
題外話，這個(gè)可以通過nginx做。
下面說一下限流器的實(shí)現(xiàn)吧。
1、接口BaseRateLimiter
按照我的思路，先定義一個(gè)接口，也可以叫抽象類。
初始化的時(shí)候，要配置rate，限流器的限速。
提供一個(gè)抽象方法，acquire()，調(diào)用這個(gè)方法，返回是否限制流量。
class BaseRateLimiter(object):
__metaclass__ = abc.ABCMeta
@abc.abstractmethod
def __init__(self, rate):
self.rate = rate
@abc.abstractmethod
def acquire(self, count):
return
2、單進(jìn)程多線程場(chǎng)景的限流ThreadingRateLimiter
繼承BaseRateLimiter抽象類，使用線程安全的Queue作為全局變量，來消除競(jìng)態(tài)影響。
后臺(tái)有個(gè)進(jìn)程每秒鐘清空一次queue；
當(dāng)請(qǐng)求來了，調(diào)用acquire函數(shù)，queue incr一次，如果大于限速了，就返回限制。否則就允許訪問。
class ThreadingRateLimiter(BaseRateLimiter):
def __init__(self, rate):
BaseRateLimiter.__init__(self, rate)
self.queue = Queue.Queue()
threading.Thread(target=self._clear_queue).start()
def acquire(self, count=1):
self.queue.put(1, block=False)
return self.queue.qsize() < self.rate
def _clear_queue(self):
while 1:
time.sleep(1)
self.queue.queue.clear()
2、分布式場(chǎng)景下的限流DistributeRateLimiter
繼承BaseRateLimiter抽象類，使用外部存儲(chǔ)作為共享變量，外部存儲(chǔ)的訪問方式為cache。
class DistributeRateLimiter(BaseRateLimiter):
def __init__(self, rate, cache):
BaseRateLimiter.__init__(self, rate)
self.cache = cache
def acquire(self, count=1, expire=3, key=None, callback=None):
try:
if isinstance(self.cache, Cache):
return self.cache.fetchToken(rate=self.rate, count=count, expire=expire, key=key)
except Exception, ex:
return True
為了解耦和靈活性，我們實(shí)現(xiàn)了Cache類。提供一個(gè)抽象方法getToken()
如果你使用redis的話，你就繼承Cache抽象類，實(shí)現(xiàn)通過redis獲取令牌的方法。
如果使用mysql的話，你就繼承Cache抽象類，實(shí)現(xiàn)通過mysql獲取令牌的方法。
cache抽象類
class Cache(object):
__metaclass__ = abc.ABCMeta
@abc.abstractmethod
def __init__(self):
self.key = "DEFAULT"
self.namespace = "RATELIMITER"
@abc.abstractmethod
def fetchToken(self, rate, key=None):
return
給出一個(gè)redis的實(shí)現(xiàn)RedisTokenCache
每秒鐘創(chuàng)建一個(gè)key，并且對(duì)請(qǐng)求進(jìn)行計(jì)數(shù)incr，當(dāng)這一秒的計(jì)數(shù)值已經(jīng)超過了限速rate，就拿不到token了，也就是限制流量。
對(duì)每秒鐘創(chuàng)建出的key，讓他超時(shí)expire。保證key不會(huì)持續(xù)占用存儲(chǔ)空間。
沒有什么難點(diǎn)，這里使用redis事務(wù)，保證incr和expire能同時(shí)執(zhí)行成功。
class RedisTokenCache(Cache):
def __init__(self, host, port, db=0, password=None, max_connections=None):
Cache.__init__(self)
self.redis = redis.Redis(
connection_pool=
redis.ConnectionPool(
host=host, port=port, db=db,
password=password,
max_connections=max_connections
))
def fetchToken(self, rate=100, count=1, expire=3, key=None):
date = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
key = ":".join([self.namespace, key if key else self.key, date])
try:
current = self.redis.get(key)
if int(current if current else "0") > rate:
raise Exception("to many requests in current second: %s" % date)
else:
with self.redis.pipeline() as p:
p.multi()
p.incr(key, count)
p.expire(key, int(expire if expire else "3"))
p.execute()
return True
except Exception, ex:
return False
多線程場(chǎng)景下測(cè)試代碼
limiter = ThreadingRateLimiter(rate=10000)
def job():
while 1:
if not limiter.acquire():
print '限流'
else:
print '正常'
threads = [threading.Thread(target=job) for i in range(10)]
for thread in threads:
thread.start()
分布式場(chǎng)景下測(cè)試代碼
token_cache = RedisTokenCache(host='10.93.84.53', port=6379, password='bigdata123')
limiter = DistributeRateLimiter(rate=10000, cache=token_cache)
r = redis.Redis(connection_pool=redis.ConnectionPool(host='10.93.84.53', port=6379, password='bigdata123'))
def job():
while 1:
if not limiter.acquire():
print '限流'
else:
print '正常'
threads = [multiprocessing.Process(target=job) for i in range(10)]
for thread in threads:
thread.start()
可以自行跑一下。
說明：
我這里的限速都是秒級(jí)別的，例如限制每秒400次請(qǐng)求。有可能出現(xiàn)這一秒的前100ms，就來了400次請(qǐng)求，后900ms就全部限制住了。也就是不能平滑限流。
不過如果你后臺(tái)的邏輯有隊(duì)列，或者線程池這樣的緩沖，這個(gè)不平滑的影響其實(shí)不大。
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
python 輸入一個(gè)數(shù)n,求n個(gè)數(shù)求乘或求和的實(shí)例
今天小編就為大家分享一篇python 輸入一個(gè)數(shù)n,求n個(gè)數(shù)求乘或求和的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-11-11
今天小編就為大家分享一篇Python序列類型的打包和解包實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
pytorch 如何使用amp進(jìn)行混合精度訓(xùn)練
這篇文章主要介紹了pytorch 使用amp進(jìn)行混合精度訓(xùn)練的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
Python中關(guān)于面向?qū)ο笾欣^承的詳細(xì)講解
面向?qū)ο缶幊?(OOP) 語言的一個(gè)主要功能就是“繼承”。繼承是指這樣一種能力：它可以使用現(xiàn)有類的所有功能，并在無需重新編寫原來的類的情況下對(duì)這些功能進(jìn)行擴(kuò)展2021-10-10
今天小編就為大家分享一篇基于Python中的yield表達(dá)式詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-11-11
