分布式限流組件-基於Redis的注解支持的Ratelimiter

本文轉載自查看原文 2019-08-15 09:19 743

原文：https://juejin.im/entry/5bd491c85188255ac2629bef?utm_source=coffeephp.com

在分布式領域，我們難免會遇到並發量突增，對后端服務造成高壓力，嚴重甚至會導致系統宕機。為避免這種問題，我們通常會為接口添加限流、降級、熔斷等能力，從而使接口更為健壯。Java領域常見的開源組件有Netflix的hystrix，阿里系開源的sentinel等，都是蠻不錯的限流熔斷框架。

今天我們就基於Redis組件的特性，實現一個分布式限流組件，名字就定為shield-ratelimiter。

原理

首先解釋下為何采用Redis作為限流組件的核心。

通俗地講，假設一個用戶（用IP判斷）每秒訪問某服務接口的次數不能超過10次，那么我們可以在Redis中創建一個鍵，並設置鍵的過期時間為60秒。

當一個用戶對此服務接口發起一次訪問就把鍵值加1，在單位時間（此處為1s）內當鍵值增加到10的時候，就禁止訪問服務接口。PS:在某種場景中添加訪問時間間隔還是很有必要的。我們本次不考慮間隔時間，只關注單位時間內的訪問次數。

需求

原理已經講過了，說下需求。

基於Redis的incr及過期機制開發
調用方便，聲明式
Spring支持

基於上述需求，我們決定基於注解方式進行核心功能開發，基於Spring-boot-starter作為基礎環境，從而能夠很好的適配Spring環境。

另外，在本次開發中，我們不通過簡單的調用Redis的java類庫API實現對Redis的incr操作。

原因在於，我們要保證整個限流的操作是原子性的，如果用Java代碼去做操作及判斷，會有並發問題。這里我決定采用Lua腳本進行核心邏輯的定義。

為何使用Lua

在正式開發前，我簡單介紹下對Redis的操作中，為何推薦使用Lua腳本。

減少網絡開銷: 不使用 Lua 的代碼需要向 Redis 發送多次請求, 而腳本只需一次即可, 減少網絡傳輸;
原子操作: Redis 將整個腳本作為一個原子執行, 無需擔心並發, 也就無需事務;
復用: 腳本會永久保存 Redis 中, 其他客戶端可繼續使用.

Redis添加了對Lua的支持，能夠很好的滿足原子性、事務性的支持，讓我們免去了很多的異常邏輯處理。對於Lua的語法不是本文的主要內容，感興趣的可以自行查找資料。

正式開發

到這里，我們正式開始手寫限流組件的進程。

1. 工程定義

項目基於maven構建，主要依賴Spring-boot-starter，我們主要在springboot上進行開發，因此自定義的開發包可以直接依賴下面這個坐標，方便進行包管理。版本號自行選擇穩定版。

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter</artifactId>
    <version>1.4.2.RELEASE</version>
</dependency>

2. Redis整合

由於我們是基於Redis進行的限流操作，因此需要整合Redis的類庫，上面已經講到，我們是基於Springboot進行的開發，因此這里可以直接整合RedisTemplate。

2.1 坐標引入

這里我們引入spring-boot-starter-redis的依賴。

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-redis</artifactId>
    <version>1.4.2.RELEASE</version>
</dependency>

2.2 注入CacheManager及RedisTemplate

新建一個Redis的配置類，命名為RedisCacheConfig，使用javaconfig形式注入CacheManager及RedisTemplate。為了操作方便，我們采用了Jackson進行序列化。代碼如下

@Configuration
@EnableCaching
public class RedisCacheConfig {

    private static final Logger LOGGER = LoggerFactory.getLogger(RedisCacheConfig.class);

    @Bean
    public CacheManager cacheManager(RedisTemplate<?, ?> redisTemplate) {
        CacheManager cacheManager = new RedisCacheManager(redisTemplate);
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("Springboot Redis cacheManager 加載完成");
        }
        return cacheManager;
    }

    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(factory);

        //使用Jackson2JsonRedisSerializer來序列化和反序列化redis的value值（默認使用JDK的序列化方式）
        Jackson2JsonRedisSerializer serializer = new Jackson2JsonRedisSerializer(Object.class);

        ObjectMapper mapper = new ObjectMapper();
        mapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        mapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        serializer.setObjectMapper(mapper);

        template.setValueSerializer(serializer);
        //使用StringRedisSerializer來序列化和反序列化redis的key值
        template.setKeySerializer(new StringRedisSerializer());
        template.afterPropertiesSet();
        LOGGER.info("Springboot RedisTemplate 加載完成");
        return template;
    }
}

注意要使用 @Configuration 標注此類為一個配置類，當然你可以使用 @Component，但是不推薦，原因在於 @Component 注解雖然也可以當作配置類，但是並不會為其生成CGLIB代理Class，而使用@Configuration，CGLIB會為其生成代理類，進行性能的提升。

2.3 調用方application.propertie需要增加Redis配置

我們的包開發完畢之后，調用方的application.properties需要進行相關配置如下：

#單機模式redis
spring.redis.host=127.0.0.1
spring.redis.port=6379
spring.redis.pool.maxActive=8
spring.redis.pool.maxWait=-1
spring.redis.pool.maxIdle=8
spring.redis.pool.minIdle=0
spring.redis.timeout=10000
spring.redis.password=

如果有密碼的話，配置password即可。

這里為單機配置，如果需要支持哨兵集群，則配置如下，Java代碼不需要改動，只需要變動配置即可。注意兩種配置不能共存！

#哨兵集群模式
# database name
spring.redis.database=0
# server password 密碼，如果沒有設置可不配
spring.redis.password=
# pool settings ...池配置
spring.redis.pool.max-idle=8
spring.redis.pool.min-idle=0
spring.redis.pool.max-active=8
spring.redis.pool.max-wait=-1
# name of Redis server  哨兵監聽的Redis server的名稱
spring.redis.sentinel.master=mymaster
# comma-separated list of host:port pairs  哨兵的配置列表
spring.redis.sentinel.nodes=127.0.0.1:26379,127.0.0.1:26479,127.0.0.1:26579

3. 定義注解

為了調用方便，我們定義一個名為RateLimiter 的注解，內容如下

/**
* @author snowalker
* @version 1.0
* @date 2018/10/27 1:25
* @className RateLimiter
* @desc 限流注解
*/
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface RateLimiter {

    /**
    * 限流key
    * @return
    */
    String key() default "rate:limiter";
    /**
    * 單位時間限制通過請求數
    * @return
    */
    long limit() default 10;

    /**
    * 過期時間，單位秒
    * @return
    */
    long expire() default 1;
}

該注解明確只用於方法，主要有三個屬性。

key–表示限流模塊名，指定該值用於區分不同應用，不同場景，推薦格式為：應用名:模塊名:ip:接口名:方法名
limit–表示單位時間允許通過的請求數

expire–incr的值的過期時間，業務中表示限流的單位時間。

4. 解析注解

定義好注解后，需要開發注解使用的切面，這里我們直接使用aspectj進行切面的開發。先看代碼

@Aspect
@Component
public class RateLimterHandler {

    private static final Logger LOGGER = LoggerFactory.getLogger(RateLimterHandler.class);

    @Autowired
    RedisTemplate redisTemplate;

    private DefaultRedisScript<Long> getRedisScript;

    @PostConstruct
    public void init() {
        getRedisScript = new DefaultRedisScript<>();
        getRedisScript.setResultType(Long.class);
        getRedisScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("rateLimter.lua")));
        LOGGER.info("RateLimterHandler[分布式限流處理器]腳本加載完成");
    }

這里是注入了RedisTemplate，使用其API進行Lua腳本的調用。

init() 方法在應用啟動時會初始化DefaultRedisScript，並加載Lua腳本，方便進行調用。

PS: Lua腳本放置在classpath下，通過ClassPathResource進行加載。

@Pointcut("@annotation(com.snowalker.shield.ratelimiter.core.annotation.RateLimiter)")
public void rateLimiter() {}

這里我們定義了一個切點，表示只要注解了 @RateLimiter 的方法，均可以觸發限流操作。

    @Around("@annotation(rateLimiter)")
    public Object around(ProceedingJoinPoint proceedingJoinPoint, RateLimiter rateLimiter) throws Throwable {
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("RateLimterHandler[分布式限流處理器]開始執行限流操作");
        }
        Signature signature = proceedingJoinPoint.getSignature();
        if (!(signature instanceof MethodSignature)) {
            throw new IllegalArgumentException("the Annotation @RateLimter must used on method!");
        }
        /**
        * 獲取注解參數
        */
        // 限流模塊key
        String limitKey = rateLimiter.key();
        Preconditions.checkNotNull(limitKey);
        // 限流閾值
        long limitTimes = rateLimiter.limit();
        // 限流超時時間
        long expireTime = rateLimiter.expire();
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("RateLimterHandler[分布式限流處理器]參數值為-limitTimes={},limitTimeout={}", limitTimes, expireTime);
        }
        /**
        * 執行Lua腳本
        */
        List<String> keyList = new ArrayList();
        // 設置key值為注解中的值
        keyList.add(limitKey);
        /**
        * 調用腳本並執行
        */
        Long result = (Long) redisTemplate.execute(getRedisScript, keyList, expireTime, limitTimes);
        if (result == 0) {
            String msg = "由於超過單位時間=" + expireTime + "-允許的請求次數=" + limitTimes + "[觸發限流]";
            LOGGER.debug(msg);
            return "false";
        }
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("RateLimterHandler[分布式限流處理器]限流執行結果-result={},請求[正常]響應", result);
        }
        return proceedingJoinPoint.proceed();
    }
}

這段代碼的邏輯為，獲取 @RateLimiter 注解配置的屬性：key、limit、expire，並通過 redisTemplate.execute(RedisScript script, List keys, Object… args) 方法傳遞給Lua腳本進行限流相關操作，邏輯很清晰。

這里我們定義如果腳本返回狀態為0則為觸發限流，1表示正常請求。

5. Lua腳本

這里是我們整個限流操作的核心，通過執行一個Lua腳本進行限流的操作。腳本內容如下

--獲取KEY
local key1 = KEYS[1]

local val = redis.call('incr', key1)
local ttl = redis.call('ttl', key1)

--獲取ARGV內的參數並打印
local expire = ARGV[1]
local times = ARGV[2]

redis.log(redis.LOG_DEBUG,tostring(times))
redis.log(redis.LOG_DEBUG,tostring(expire))

redis.log(redis.LOG_NOTICE, "incr "..key1.." "..val);
if val == 1 then
    redis.call('expire', key1, tonumber(expire))
else
    if ttl == -1 then
        redis.call('expire', key1, tonumber(expire))
    end
end

if val > tonumber(times) then
    return 0
end

return 1

邏輯很通俗，我簡單介紹下。

首先腳本獲取Java代碼中傳遞而來的要限流的模塊的key，不同的模塊key值一定不能相同，否則會覆蓋！
redis.call(‘incr’, key1)對傳入的key做incr操作，如果key首次生成，設置超時時間ARGV[1]；（初始值為1）
ttl是為防止某些key在未設置超時時間並長時間已經存在的情況下做的保護的判斷；
每次請求都會做+1操作，當限流的值val大於我們注解的閾值，則返回0表示已經超過請求限制，觸發限流。否則為正常請求。

當過期后，又是新的一輪循環，整個過程是一個原子性的操作，能夠保證單位時間不會超過我們預設的請求閾值。

到這里我們便可以在項目中進行測試。

測試

demo地址

這里我貼一下核心代碼，我們定義一個接口，並注解 @RateLimiter(key = “ratedemo:1.0.0”, limit = 5, expire = 100) 表示模塊ratedemo:sendPayment:1.0.0
在100s內允許通過5個請求，這里的參數設置是為了方便看結果。實際中，我們通常會設置1s內允許通過的次數。

@Controller
public class TestController {

    private static final Logger LOGGER = LoggerFactory.getLogger(TestController.class);

    @ResponseBody
    @RequestMapping("ratelimiter")
    @RateLimiter(key = "ratedemo:1.0.0", limit = 5, expire = 100)
    public String sendPayment(HttpServletRequest request) throws Exception {

        return "正常請求";
    }

}

我們通過RestClient請求接口，日志返回如下：

2018-10-28 00:00:00.602 DEBUG 17364 --- [nio-8888-exec-1] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:00.688 DEBUG 17364 --- [nio-8888-exec-1] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]限流執行結果-result=1,請求[正常]響應

2018-10-28 00:00:00.860 DEBUG 17364 --- [nio-8888-exec-3] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:01.183 DEBUG 17364 --- [nio-8888-exec-4] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:01.520 DEBUG 17364 --- [nio-8888-exec-3] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]限流執行結果-result=1,請求[正常]響應
2018-10-28 00:00:01.521 DEBUG 17364 --- [nio-8888-exec-4] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]限流執行結果-result=1,請求[正常]響應

2018-10-28 00:00:01.557 DEBUG 17364 --- [nio-8888-exec-5] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:01.558 DEBUG 17364 --- [nio-8888-exec-5] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]限流執行結果-result=1,請求[正常]響應

2018-10-28 00:00:01.774 DEBUG 17364 --- [nio-8888-exec-7] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:02.111 DEBUG 17364 --- [nio-8888-exec-8] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始
2018-10-28 00:00:02.169 DEBUG 17364 --- [nio-8888-exec-7] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]限流執行結果-result=1,請求[正常]響應

2018-10-28 00:00:02.169 DEBUG 17364 --- [nio-8888-exec-8] c.s.s.r.core.handler.RateLimterHandler   :
 由於超過單位時間=100-允許的請求次數=5[觸發限流]
2018-10-28 00:00:02.276 DEBUG 17364 --- [io-8888-exec-10] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:02.276 DEBUG 17364 --- [io-8888-exec-10] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]參數值為-limitTimes=5,limitTimeout=100
2018-10-28 00:00:02.278 DEBUG 17364 --- [io-8888-exec-10] c.s.s.r.core.handler.RateLimterHandler   :
 由於超過單位時間=100-允許的請求次數=5[觸發限流]
2018-10-28 00:00:02.445 DEBUG 17364 --- [nio-8888-exec-2] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:02.445 DEBUG 17364 --- [nio-8888-exec-2] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]參數值為-limitTimes=5,limitTimeout=100
2018-10-28 00:00:02.446 DEBUG 17364 --- [nio-8888-exec-2] c.s.s.r.core.handler.RateLimterHandler   :
 由於超過單位時間=100-允許的請求次數=5[觸發限流]
2018-10-28 00:00:02.628 DEBUG 17364 --- [nio-8888-exec-4] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]開始執行限流操作
2018-10-28 00:00:02.628 DEBUG 17364 --- [nio-8888-exec-4] c.s.s.r.core.handler.RateLimterHandler   :
 RateLimterHandler[分布式限流處理器]參數值為-limitTimes=5,limitTimeout=100
2018-10-28 00:00:02.629 DEBUG 17364 --- [nio-8888-exec-4] c.s.s.r.core.handler.RateLimterHandler   :
 由於超過單位時間=100-允許的請求次數=5[觸發限流]

根據日志能夠看到，正常請求5次后，返回限流觸發，說明我們的邏輯生效，對前端而言也是可以看到false標記，表明我們的Lua腳本限流邏輯是正確的，這里具體返回什么標記需要調用方進行明確的定義。

總結

我們通過Redis的incr及expire功能特性，開發定義了一套基於注解的分布式限流操作，核心邏輯基於Lua保證了原子性。達到了很好的限流的目的，生產上，可以基於該特點進行定制自己的限流組件，當然你可以參考本文的代碼，相信你寫的一定比我的demo更好！

代碼詳細地址：https://github.com/shmll/shield-ratelimter

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 分布式環境下限流方案的實現redis RateLimiter Guava,Token Bucket, Leaky Bucket 一個輕量級的基於RateLimiter的分布式限流實現【分布式架構】--- 基於Redis組件的特性，實現一個分布式限流 Redis實現的分布式鎖和分布式限流 Redis分布式限流器限流 - 分布式限流分布式限流分布式限流之一：redis+lua 實現分布式令牌桶，高並發限流基於redis分布式鎖注解實現基於.net的分布式系統限流組件