常用限流演算法與應用場景

限流是在微服務介面時，面對高併發場景必須考慮的問題。現在限流演算法主要有以下幾種：

其中令牌桶演算法變種還可以分為

單速率三色標記演算法

雙速率三色標記演算法

計數器法是限流演算法裡最簡單也是最容易實現的一種演算法。一般是限制一段時間能夠通過的請求數，比如某個介面規定5秒鐘的訪問次數不能超過10次，那麼我們我們可以設定乙個計數器counter，其有效時間為5秒鐘（即每5秒鐘計數器就會被重置為0），每當乙個請求過來的時候，counter就+1，如果counter的值大於等於10，就直接返回。

**實現

/**
* 限制為5秒10次
*/private long rangeseconds = 5l;
private integer maxrate = 10;
/*** 優點：編碼簡單
* 缺點：邊界值統計不準確
*/public object setnxlimit(long userid) 
return increment;
}

**雖然簡單但是有個十分致命的問題，就是臨界問題，如果每秒持續傳送請求，會造成一直提示限流的情況，原因是因為計數器演算法限流對於最後一次請求時會一直對key進行續期導致的。

滑動視窗，又稱rolling window。為了解決計數器法統計精度太低的問題，引入了滑動視窗演算法。滑動視窗的主要原理比較簡單，將時間單位進行拆分，比如5秒的統計範圍，會將它劃分成5個1秒鐘。當請求進來的時候，會判斷當前請求屬於哪個時間片，然後將對應的時間片的統計值+1，再判斷當前值加上前4個時間片的總值是否超過設定的閾值。當時間已經到達第6個時間片時，會先刪除第乙個時間片。統計值會隨著時間片的滾動不停的按照時間片進行統計。

具體要將單位時間拆分為多少片，要根據實際情況來決定。當然，毫無疑問的是切分的越小，毛刺現象也越少。系統統計也越準確，隨之就是記憶體占用會越大，因為你的這個視窗的陣列會更大。

**實現思路就是定義好分片數量，每個分片都有乙個獨立的計數器，所有的分片合計為乙個陣列。當請求來時，按照分片規則，判斷請求應該劃分到哪個分片中去。要判斷是否超過閾值，就將前n個統計值相加，對比定義的閾值即可。

/**
* 滑動視窗
* 優點：統計精準，可以解決邊界值
* 缺點：如果限制範圍長，則資料量可能會比較大
*/public object windowlimit(long userid) 
return count;
}

雖然解決了邊界問題，但是隨著使用者量增加記憶體的占用會隨之增加。

令牌桶演算法，又稱token bucket。和 leaky bucket 效果一樣但方向相反的演算法,更加容易理解.隨著時間流逝,系統會按恆定1/qps時間間隔(如果qps=100,則間隔是10ms)往桶裡加入token(想象和漏洞漏水相反,有個水龍頭在不斷的加水),如果桶已經滿了，令牌就溢位了。如果桶未滿，令牌可以積累。新請求來臨時,會各自拿走乙個token,如果沒有token可拿了就阻塞或者拒絕服務.

/**
* 令牌桶
* 優點：	
*/public object tokenbucketlimit(long userid)  else  else 
}return null;
}

漏斗(leaky bucket)演算法思路很簡單,水(請求)先進入到漏桶裡,漏桶以一定的速度出水(介面有響應速率),當水流入速度過大會直接溢位(訪問頻率超過介面響應速率),然後就拒絕請求,而當入小於出的情況下，漏桶不起任何作用。可以看出漏桶演算法能強行限制資料的傳輸速率。

/**
* 漏斗演算法限流
*/public object funnellimit(long userid)  else  else 
}}

參考文章

大話常用限流演算法與應用場景

常見限流演算法介紹

高併發之限流演算法

自定義註解實現介面限流

常用限流演算法與應用場景

大話常用限流演算法與應用場景

Hash演算法應用場景

演算法常用經典動態規劃應用場景總結

常用限流演算法與應用場景

大話常用限流演算法與應用場景

Hash演算法應用場景

演算法 常用經典動態規劃應用場景總結

相關推薦

演算法常用經典動態規劃應用場景總結