从0到1构造自定义限流组件 | 京东云技术团队

一背景

在系统高可用设计中，接口限流是一个非常重要环节，一方面是出于对自身服务器资源的保护，另一方面也是对依赖资源的一种保护措施。比如对于 Web 应用，我限制单机只能处理每秒 1000 次的请求，超过的部分直接返回错误给客户端。虽然这种做法损害了用户的使用体验，但是它是在极端并发下的无奈之举，是短暂的行为，因此是可以接受的。

二设计思路

常见的限流有2种思路

第一种是限制总量,也就是限制某个指标的累积上限，常见的是限制当前系统服务的用户总量，例如：某个抢购活动商品数量只有 100 个，限制参与抢购的用户上限为 1 万个，1 万以后的用户直接拒绝。
第二种是限制时间量，也就是限制一段时间内某个指标的上限，例如 1 分钟内只允许 10000 个用户访问；每秒请求峰值最高为 10 万。

三限流算法

目前实现限流算法主要分为3类，这里不详细展开介绍：

1）时间窗口

固定时间窗口算法是最简单的限流算法，它的实现原理就是控制单位时间内请求的数量，但是这个算法有个缺点就是临界值问题。
为了解决临界值的问题，又推出滑动时间窗口算法，其实现原理大致上是将时间分为一个一个小格子，在统计请求数量的时候，是通过统计滑动时间周期内的请求数量。

2）漏斗算法

漏斗算法的核心是控制总量，请求流入的速率不确定，超过流量部分益出，该算法比较适用于针对突发流量，想要尽可能的接收全部请求的场景。其缺点也比较明显，这个总量怎么评估，大小怎么配置，而且一旦初始化也没法动态调整。

3）令牌桶算法

令牌桶算法的核心是控制速率，令牌产生的速度是关键，不断的请求获取令牌，获取不到就丢弃。该算法比较适用于针对突发流量，以保护自身服务资源以及依赖资源为主，支持动态调整速率。缺点的话实现比较复杂，而且会丢弃很多请求。

四实现步骤

我们自定义的这套限流组件有是基于guava RateLimiter封装的，采用令牌桶算法以控制速率为主，支持DUCC动态配置，同时支持限流后的降级措施。接下来看一下整体实现方案

1、自定义RateLimiter Annotation标签

这里主要对限流相关属性的一个定义，包括每秒产生的令牌数、获取令牌超时时间、降级逻辑实现以及限流开关等内容

1@Documented
2@Target({ElementType.METHOD, ElementType.TYPE})
3@Retention(RetentionPolicy.RUNTIME)
4public @interface SysRateLimit {
5
6    /**
7     * 每秒产生的令牌数 默认500
8     *
9     * @return
10     */
11    double permitsPerSecond() default 500D;
12
13    /**
14     * 获取令牌超时时间 默认100
15     *
16     * @return
17     */
18    long timeout() default 100;
19
20    /**
21     * 获取令牌超时时间单位 默认毫秒
22     *
23     * @return
24     */
25    TimeUnit timeUnit() default TimeUnit.MILLISECONDS;
26
27    /**
28     * 服务降级方法名称 Spring bean id
29     *
30     * @return
31     */
32    String fallbackBeanId() default "";
33
34    /**
35     * 限流key 唯一
36     *
37     * @return
38     */
39    String limitKey() default "";
40}

2、基于Spring Aspect 构造切面

首先就是我们需要构造一个Aspect切面用于扫描我们自定义的SysRateLimit标签

1@Slf4j
2@EnableAspectJAutoProxy
3@Aspect
4public class SysRateLimitAspect {
5    
6    /**
7     * 自定义切入点
8     */
9    @Pointcut("@annotation(com.jd.smb.service.ratelimiter.annotation.SysRateLimit)")
10    public void pointCut() {
11
12    }
13
14    /**
15     * 方法前执行限流方案
16     *
17     * @param joinPoint
18     * @return
19     * @throws Throwable
20     */
21    @Around("pointCut()")
22    public Object around(ProceedingJoinPoint joinPoint) throws Throwable {
23        MethodSignature signature = (MethodSignature) joinPoint.getSignature();
24        // 如果未获取到对象，直接执行方法
25        if (signature == null) {
26            return joinPoint.proceed();
27        }
28
29        try {
30            Method method = joinPoint.getTarget().getClass().getDeclaredMethod(signature.getName(), signature.getMethod().getParameterTypes());
31            // 获取注解对象
32            SysRateLimit sysRateLimit = method.getAnnotation(SysRateLimit.class);
33            if (sysRateLimit == null) {
34                return joinPoint.proceed();
35            }
36            
37        } catch (Exception e) {
38            // todo log
39        }
40        return joinPoint.proceed();
41    }
42}

获取自定义SysRateLimit标签的各种属性

1 // 限流key
2String limitKey = sysRateLimit.limitKey();
3if (StringUtils.isBlank(limitKey)) {
4    return joinPoint.proceed();
5}
6// 令牌桶数量
7double permitsPerSecond = sysRateLimit.permitsPerSecond();
8// 获取令牌超时时间
9long timeout = sysRateLimit.timeout();
10// 获取令牌超时时间单位
11TimeUnit timeUnit = sysRateLimit.timeUnit();

将我们自定义的SysRateLimiter 和 Guava RateLimiter 进行整合

首先我们需要构造一个全局Map，用于存储我们开启限流的方法，key就是我们定义的limitKey， value就是我们转换后的Guava RateLimiter

1 /**
2 * 存储RateLimiter（key: limitKey value:RateLimiter ）
3 */
4private static final Map<String, RateLimiter> LIMITER_MAP = new ConcurrentHashMap<>();

接着就是核心逻辑：这里首先从我们创建的Map中获取Guava RateLimiter，获取不到就创建RateLimiter.create(permitsPerSecond) ；然后调用RateLimiter.tryAcquire()尝试获取令牌桶，获取成功则执行后续的逻辑，这里重点获取失败后，我们需要执行我们的降级方法。(注意：Guava RateLimiter 有很多API，这里我们不展开讨论，后续会针对Guava限流的源码进行详细的解析)

1RateLimiter rateLimiter;
2// Map中是否存在 存在直接获取
3if (LIMITER_MAP.containsKey(limitKey)) {
4    rateLimiter = LIMITER_MAP.get(limitKey);
5} else {
6    // 不存在创建后放到Map中
7    rateLimiter = RateLimiter.create(permitsPerSecond);
8    LIMITER_MAP.put(limitKey, rateLimiter);
9}
10// 尝试获取令牌
11if (!rateLimiter.tryAcquire(timeout, timeUnit)) {
12    // todo 限流后降级措施
13    return this.fallBack(sysRateLimit, joinPoint, signature);
14}

降级方案执行

上面我们在获取令牌桶超时后，需要执行我们的降级逻辑，怎么做呢？也很简单，我们在定义SysRateLimiter的时候有个fallBackBeanId，这个就是我们执行降级逻辑的bean对象Id，需要我们提前进行创建。接着我们看一下是怎么实现的。

1    /**
2     * 执行降级逻辑
3     *
4     * @param sysRateLimit
5     * @param joinPoint
6     * @param signature
7     * @return
8     */
9    private Object fallBack(SysRateLimit sysRateLimit, ProceedingJoinPoint joinPoint, MethodSignature signature) {
10        String fallbackBeanId = sysRateLimit.fallbackBeanId();
11        // 当没有配置具体的降级实现方案的时候 可以结合业务世纪情况设置限流错误码
12        if (StringUtils.isBlank(fallbackBeanId)) {
13            // 自定义的 可以结合自己系统里的进行设置
14            return ApiResult.error(ResultCode.REACH_RATE_LIMIT);
15        }
16
17        try {
18            // SpringContext中通过BeanId获取对象 SpringUtils只是获取bean对象的工具类 有多种实现方式 可自行百度
19            Object bean = SpringUtils.getBean(fallbackBeanId);
20            Method method = bean.getClass().getMethod(signature.getName(), signature.getParameterTypes());
21            // 执行对应的方法
22            return method.invoke(bean, joinPoint.getArgs());
23        } catch (Exception e) {
24            // todo error log
25        }
26        return ApiResult.error(ResultCode.REACH_RATE_LIMIT);
27    }

这样我们大概的一个架子就弄好了。接下来我们看看实际该如何使用

3、具体应用

在方法入口引入SysRateLimiter标签

1@Slf4j
2@RestController
3@RequestMapping("/api/user")
4@RequiredArgsConstructor
5public class UserQueryController extends AbstractController {
6
7    /**
8     * 查询用户信息
9     *
10     * @param request
11     * @return
12     */
13    @GetMapping("/info/{id}")
14    @SysRateLimit(permitsPerSecond = 500, limitKey = "UserQueryController.info", fallbackBeanId = "userQueryControllerFallBack",
15            timeout = 100, timeUnit = TimeUnit.MILLISECONDS)
16    public ApiResult<UserInfo> info(@PathVariable Long id, HttpServletRequest request) {
17        // todo 业务逻辑查询 这里不展开
18        return ApiResult.success();
19    }
20}

设置降级方法

1@Service
2public class UserQueryControllerFallBack {
3
4    /**
5     * 降级后执行的逻辑
6     *
7     * @param request
8     * @return
9     */
10    public ApiResult<UserInfo> info(Long id, HttpServletRequest request) {
11        // todo 编写限流降级后的逻辑 可以是降级码 也可以是默认对象
12        return ApiResult.success(null);
13    }
14}

当请求进来的时候，会结合我们设置的阈值进行令牌桶的获取，获取失败后会执行限流，这里我们进行了限流后的降级处理。其实到这里我们完成限流组件的简单封装和使用，但是仍有一些点需要我们进行处理，例如如何动态设置令牌的数量，接下来我们就看一下如何实现令牌的动态设置。

4、动态设置令牌数量

通过DUCC配置令牌数量我们需要定义一个DUCC配置，这里面内容很简单，配置我们设置limitKey的令牌数量

1@Data
2@Slf4j
3@Component
4public class RateLimitConfig {
5
6    /**
7     * 配置config key: limitKey value: 数量
8     */
9    private Map<String, Integer> limitConfig;
10
11    /**
12     * 监听ducc配置
13     *
14     * @param json
15     */
16    @LafValue(key = "rate.limit.conf")
17    public void setConfig(String json) {
18        if (StringUtils.isBlank(json)) {
19            return;
20        }
21        Map<String, Integer> map = JsonModelUtils.getModel(json, Map.class, null);
22        if (map != null) {
23            Wrapper.wrapperBean(map, this, true);
24        }
25    }
26}

通过DUCC配置获取指定limitKey的令牌数量，获取失败则采用方法设置默认数量，这样我们后面设置令牌数量就可以通过DUCC动态的配置了

1 /**
2     * 获取令牌桶数量
3     *
4     * @param sysRateLimit
5     * @return
6     */
7    private double getPermitsPerSecond(SysRateLimit sysRateLimit) {
8        // 方法默认令牌数量
9        double defaultValue = sysRateLimit.permitsPerSecond();
10        if (rateLimitConfig == null || rateLimitConfig.getLimitConfig() == null) {
11            return defaultValue;
12        }
13        // 配置的令牌数量
14        Integer value = rateLimitConfig.getLimitConfig().get(sysRateLimit.limitKey());
15        if (value == null) {
16            return defaultValue;
17        }
18        return value;
19    }

5、后续其他配置

其实后续我们的其他属性都可以通过DUCC动态化的来配置，这里呢因为和令牌桶数量类似，就不再展开描述了。感兴趣的小伙伴可以自行设置，根据我们的使用，使用默认配置即可。

作者：京东零售王磊

来源：京东云开发者社区

从0到1构造自定义限流组件 | 京东云技术团队

一背景

二设计思路

三限流算法

四实现步骤

1、自定义RateLimiter Annotation标签

2、基于Spring Aspect 构造切面

3、具体应用

4、动态设置令牌数量

5、后续其他配置

评论区

相关推荐

从0到1构造自定义限流组件 | 京东云技术团队

一 背景

二 设计思路

三 限流算法

四 实现步骤

1、自定义RateLimiter Annotation标签

2、基于Spring Aspect 构造切面

3、具体应用

4、动态设置令牌数量

5、后续其他配置

评论区

相关推荐

一背景

二设计思路

三限流算法

四实现步骤