前 言

在開發(fā)高并發(fā)系統(tǒng)時，我們可能會遇到接口訪問頻次過高，為了保證系統(tǒng)的高可用和穩(wěn)定性，這時候就需要做流量限制，你可能是用的 Nginx 這種來控制請求，也可能是用了一些流行的類庫實現(xiàn)。限流是高并發(fā)系統(tǒng)的一大殺器，在設(shè)計限流算法之前我們先來了解一下它們是什么。

限 流

限流的目的是通過對并發(fā)訪問請求進行限速，或者對一個時間窗口內(nèi)的請求進行限速來保護系統(tǒng)，一旦達到限制速率則可以拒絕服務(wù)、排隊或等待、降級等處理。通過對并發(fā)（或者一定時間窗口內(nèi)）請求進行限速來保護系統(tǒng)，一旦達到限制速率則拒絕服務(wù)（定向到錯誤頁或告知資源沒有了）、排隊等待（比如秒殺、評論、下單）、降級（返回兜底數(shù)據(jù)或默認數(shù)據(jù)）。

如 圖:

自己魔改出來的漫畫

如圖上的漫畫，在某個時間段流量上來了，服務(wù)的接口訪問頻率可能會非?？?，如果我們沒有對接口訪問頻次做限制可能會導致服務(wù)器無法承受過高的壓力掛掉，這時候也可能會產(chǎn)生數(shù)據(jù)丟失，所以就要對其進行限流處理。

限流算法就可以幫助我們?nèi)タ刂泼總€接口或程序的函數(shù)被調(diào)用頻率，它有點兒像保險絲，防止系統(tǒng)因為超過訪問頻率或并發(fā)量而引起癱瘓。我們可能在調(diào)用某些第三方的接口的時候會看到類似這樣的響應頭：

X-RateLimit-Limit: 60         //每秒60次請求
X-RateLimit-Remaining: 22     //當前還剩下多少次
X-RateLimit-Reset: 1612184024 //限制重置時間

上面的 HTTP Response 是通過響應頭告訴調(diào)用方服務(wù)端的限流頻次是怎樣的，保證后端的接口訪問上限。為了解決限流問題出現(xiàn)了很多的算法，它們都有不同的用途，通常的策略就是拒絕超出的請求，或者讓超出的請求排隊等待。

一般來說，限流的常用處理手段有：

• 計數(shù)器
• 滑動窗口
• 漏桶
• 令牌桶

計數(shù)器

計數(shù)器是一種最簡單限流算法，其原理就是：在一段時間間隔內(nèi)，對請求進行計數(shù)，與閥值進行比較判斷是否需要限流，一旦到了時間臨界點，將計數(shù)器清零。這個就像你去坐車一樣，車廂規(guī)定了多少個位置，滿了就不讓上車了，不然就是超載了，被交警叔叔抓到了就要罰款的，如果我們的系統(tǒng)那就不是罰款的事情了，可能直接崩掉了。

• 可以在程序中設(shè)置一個變量 count，當過來一個請求我就將這個數(shù)+1，同時記錄請求時間。
• 當下一個請求來的時候判斷 count 的計數(shù)值是否超過設(shè)定的頻次，以及當前請求的時間和第一次請求時間是否在 1 分鐘內(nèi)。
• 如果在 1 分鐘內(nèi)并且超過設(shè)定的頻次則證明請求過多，后面的請求就拒絕掉。
• 如果該請求與第一個請求的間隔時間大于計數(shù)周期，且 count 值還在限流范圍內(nèi)，就重置 count。

代碼實現(xiàn):

package main
 
import (
    "log"
    "sync"
    "time"
)
 
type Counter struct {
    rate  int           //計數(shù)周期內(nèi)最多允許的請求數(shù)
    begin time.Time     //計數(shù)開始時間
    cycle time.Duration //計數(shù)周期
    count int           //計數(shù)周期內(nèi)累計收到的請求數(shù)
    lock  sync.Mutex
}
 
func (l *Counter) Allow() bool {
    l.lock.Lock()
    defer l.lock.Unlock()
 
    if l.count == l.rate-1 {
        now := time.Now()
        if now.Sub(l.begin) >= l.cycle {
            //速度允許范圍內(nèi)， 重置計數(shù)器
            l.Reset(now)
            return true
        } else {
            return false
        }
    } else {
        //沒有達到速率限制，計數(shù)加1
        l.count++
        return true
    }
}
 
func (l *Counter) Set(r int, cycle time.Duration) {
    l.rate = r
    l.begin = time.Now()
    l.cycle = cycle
    l.count = 0
}
 
func (l *Counter) Reset(t time.Time) {
    l.begin = t
    l.count = 0
}
 
func main() {
    var wg sync.WaitGroup
    var lr Counter
    lr.Set(3, time.Second) // 1s內(nèi)最多請求3次
    for i := 0; i < 10; i++ {
        wg.Add(1)
        log.Println("創(chuàng)建請求:", i)
        go func(i int) {
          if lr.Allow() {
              log.Println("響應請求:", i)
          }
          wg.Done()
        }(i)
 
        time.Sleep(200 * time.Millisecond)
    }
    wg.Wait()
}

OutPut:

2021/02/01 21:16:12 創(chuàng)建請求: 0
2021/02/01 21:16:12 響應請求: 0
2021/02/01 21:16:12 創(chuàng)建請求: 1
2021/02/01 21:16:12 響應請求: 1
2021/02/01 21:16:12 創(chuàng)建請求: 2
2021/02/01 21:16:13 創(chuàng)建請求: 3
2021/02/01 21:16:13 創(chuàng)建請求: 4
2021/02/01 21:16:13 創(chuàng)建請求: 5
2021/02/01 21:16:13 響應請求: 5
2021/02/01 21:16:13 創(chuàng)建請求: 6
2021/02/01 21:16:13 響應請求: 6
2021/02/01 21:16:13 創(chuàng)建請求: 7
2021/02/01 21:16:13 響應請求: 7
2021/02/01 21:16:14 創(chuàng)建請求: 8
2021/02/01 21:16:14 創(chuàng)建請求: 9

可以看到我們設(shè)置的是每200ms創(chuàng)建一個請求，明顯高于1秒最多3個請求的限制，運行起來之后發(fā)現(xiàn)編號為 2、3、4、8、9 的請求被丟棄，說明限流成功。

那么問題來了，如果有個需求對于某個接口 /query 每分鐘最多允許訪問 200 次，假設(shè)有個用戶在第 59 秒的最后幾毫秒瞬間發(fā)送 200 個請求，當 59 秒結(jié)束后 Counter 清零了，他在下一秒的時候又發(fā)送 200 個請求。那么在 1 秒鐘內(nèi)這個用戶發(fā)送了 2 倍的請求，這個是符合我們的設(shè)計邏輯的，這也是計數(shù)器方法的設(shè)計缺陷，系統(tǒng)可能會承受惡意用戶的大量請求，甚至擊穿系統(tǒng)。

如下圖:

這種方法雖然簡單，但也有個大問題就是沒有很好的處理單位時間的邊界。

滑動窗口

滑動窗口是針對計數(shù)器存在的臨界點缺陷，所謂 滑動窗口（Sliding window） 是一種流量控制技術(shù)，這個詞出現(xiàn)在 TCP 協(xié)議中。滑動窗口把固定時間片進行劃分，并且隨著時間的流逝，進行移動，固定數(shù)量的可以移動的格子，進行計數(shù)并判斷閥值。

如 圖：

上圖中我們用紅色的虛線代表一個時間窗口（一分鐘），每個時間窗口有 6 個格子，每個格子是 10 秒鐘。每過 10 秒鐘時間窗口向右移動一格，可以看紅色箭頭的方向。我們?yōu)槊總€格子都設(shè)置一個獨立的計數(shù)器 Counter，假如一個請求在 0:45 訪問了那么我們將第五個格子的計數(shù)器 +1（也是就是 0:40~0:50），在判斷限流的時候需要把所有格子的計數(shù)加起來和設(shè)定的頻次進行比較即可。

那么滑動窗口如何解決我們上面遇到的問題呢？來看下面的圖：

當用戶在0:59 秒鐘發(fā)送了 200個請求就會被第六個格子的計數(shù)器記錄 +200，當下一秒的時候時間窗口向右移動了一個，此時計數(shù)器已經(jīng)記錄了該用戶發(fā)送的 200 個請求，所以再發(fā)送的話就會觸發(fā)限流，則拒絕新的請求。

其實計數(shù)器就是滑動窗口啊，只不過只有一個格子而已，所以想讓限流做的更精確只需要劃分更多的格子就可以了，為了更精確我們也不知道到底該設(shè)置多少個格子，格子的數(shù)量影響著滑動窗口算法的精度，依然有時間片的概念，無法根本解決臨界點問題。

相關(guān)算法實現(xiàn) github.com/RussellLuo/slidingwindow

漏 桶

漏桶算法（Leaky Bucket），原理就是一個固定容量的漏桶，按照固定速率流出水滴。用過水龍頭都知道，打開龍頭開關(guān)水就會流下滴到水桶里，而漏桶指的是水桶下面有個漏洞可以出水。如果水龍頭開的特別大那么水流速就會過大，這樣就可能導致水桶的水滿了然后溢出。

如 圖：

一個固定容量的桶，有水流進來，也有水流出去。對于流進來的水來說，我們無法預計一共有多少水會流進來，也無法預計水流的速度。但是對于流出去的水來說，這個桶可以固定水流出的速率（處理速度），從而達到 流量整形 和 流量控制 的效果。

代碼實現(xiàn):

type LeakyBucket struct {
    rate       float64 //固定每秒出水速率
    capacity   float64 //桶的容量
    water      float64 //桶中當前水量
    lastLeakMs int64   //桶上次漏水時間戳 ms

    lock sync.Mutex
}

func (l *LeakyBucket) Allow() bool {
    l.lock.Lock()
    defer l.lock.Unlock()

    now := time.Now().UnixNano() / 1e6
    eclipse := float64((now - l.lastLeakMs)) * l.rate / 1000 //先執(zhí)行漏水
    l.water = l.water - eclipse                              //計算剩余水量
    l.water = math.Max(0, l.water)                           //桶干了
    l.lastLeakMs = now
    if (l.water + 1) < l.capacity {
        // 嘗試加水,并且水還未滿
        l.water++
        return true
    } else {
        // 水滿，拒絕加水
        return false
    }
}

func (l *LeakyBucket) Set(r, c float64) {
    l.rate = r
    l.capacity = c
    l.water = 0
    l.lastLeakMs = time.Now().UnixNano() / 1e6
}

漏桶算法有以下特點：

• 漏桶具有固定容量，出水速率是固定常量（流出請求）
• 如果桶是空的，則不需流出水滴
• 可以以任意速率流入水滴到漏桶（流入請求）
• 如果流入水滴超出了桶的容量，則流入的水滴溢出（新請求被拒絕）

漏桶限制的是常量流出速率（即流出速率是一個固定常量值），所以最大的速率就是出水的速率，不能出現(xiàn)突發(fā)流量。

令牌桶算法

令牌桶算法（Token Bucket）是網(wǎng)絡(luò)流量整形（Traffic Shaping）和速率限制（Rate Limiting）中最常使用的一種算法。典型情況下，令牌桶算法用來控制發(fā)送到網(wǎng)絡(luò)上的數(shù)據(jù)的數(shù)目，并允許突發(fā)數(shù)據(jù)的發(fā)送。

我們有一個固定的桶，桶里存放著令牌（token）。一開始桶是空的，系統(tǒng)按固定的時間（rate）往桶里添加令牌，直到桶里的令牌數(shù)滿，多余的請求會被丟棄。當請求來的時候，從桶里移除一個令牌，如果桶是空的則拒絕請求或者阻塞。

實現(xiàn)代碼：

type TokenBucket struct {
    rate         int64 //固定的token放入速率, r/s
    capacity     int64 //桶的容量
    tokens       int64 //桶中當前token數(shù)量
    lastTokenSec int64 //桶上次放token的時間戳 s

    lock sync.Mutex
}

func (l *TokenBucket) Allow() bool {
    l.lock.Lock()
    defer l.lock.Unlock()

    now := time.Now().Unix()
    l.tokens = l.tokens + (now-l.lastTokenSec)*l.rate // 先添加令牌
    if l.tokens > l.capacity {
        l.tokens = l.capacity
    }
    l.lastTokenSec = now
    if l.tokens > 0 {
        // 還有令牌，領(lǐng)取令牌
        l.tokens--
        return true
    } else {
        // 沒有令牌,則拒絕
        return false
    }
}

func (l *TokenBucket) Set(r, c int64) {
    l.rate = r
    l.capacity = c
    l.tokens = 0
    l.lastTokenSec = time.Now().Unix()
}

令牌桶有以下特點：

• 令牌按固定的速率被放入令牌桶中
• 桶中最多存放 B 個令牌，當桶滿時，新添加的令牌被丟棄或拒絕
• 如果桶中的令牌不足 N 個，則不會刪除令牌，且請求將被限流（丟棄或阻塞等待）

令牌桶限制的是平均流入速率（允許突發(fā)請求，只要有令牌就可以處理，支持一次拿3個令牌，4個令牌...），并允許一定程度突發(fā)流量。

小 結(jié)

目前常用的是令牌桶這種，本文介紹了幾種常見的限流算法實現(xiàn)

到此這篇關(guān)于Go實現(xiàn)各類限流的文章就介紹到這了,更多相關(guān)Go實現(xiàn)各類限流內(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！