当前位置： 首页 > article >正文

限流算法，基于go的gRPC 实现的

article 2024/11/13 10:57:55

目录

一、单机限流

1、令牌桶算法

3、固定窗口限流算法

4、滑动窗口

二、集群限流

1、分布式固定窗口 （基于redis）

2、分布式滑动窗口

一、单机限流

1、令牌桶算法

令牌桶算法是当流量进入系统前需要获取令牌，没有令牌那么就要进行限流

这个算法是怎么实现的呢

  1. 定义一个后台协程按照一定的频率去产生token

  2. 后台协程产生的token 放到固定大小容器里面

  3. 有流量进入系统尝试拿到token，没有token 就需要限流了


type TokenBucketLimiter struct {
   token chan struct{}
   stop  chan struct{}
}
​
func NewTokenBucket(capactity int, timeInternal time.Duration) *TokenBucketLimiter {
   te := make(chan struct{}, capactity)
   stop := make(chan struct{})
   ticker := time.NewTicker(timeInternal)
   go func() {
      defer ticker.Stop()
      for {
         select {
         case <-ticker.C:
            select {
            case te <- struct{}{}:
            default:
​
            }
         case <-stop:
            return
         }
      }
   }()
   return &TokenBucketLimiter{
      token: te,
      stop:  stop,
   }
}
​
func (t *TokenBucketLimiter) BuildServerInterceptor() grpc.UnaryServerInterceptor {
   return func(ctx context.Context, req any, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp any, err error) {
      select {
      case <-ctx.Done():
         err = ctx.Err()
         return
      case <-t.token:
         return handler(ctx, req)
      case <-t.stop:
         err = errors.New("缺乏保护")
         return
      }
   }
}
​
func (t *TokenBucketLimiter) Stop() {
   close(t.stop)
}

3、固定窗口限流算法

什么是固定窗口限流算法

固定窗口限流算法（Fixed Window Rate Limiting Algorithm）是一种最简单的限流算法，其原理是在固定时间窗口(单位时间)内限制请求的数量。该算法将时间分成固定的窗口，并在每个窗口内限制请求的数量。具体来说，算法将请求按照时间顺序放入时间窗口中，并计算该时间窗口内的请求数量，如果请求数量超出了限制，则拒绝该请求。

优点：实现简单

缺点：对于瞬时流量没发处理，也就是临界问题,比如下图在20t前后，在16t以及26t有大量流量进来，在这10t中，已经超过了流量限制，没法限流

实现如下

type fixWindow1 struct {
   lastVistTime int64
   vistCount    int64
   interval     int64
   maxCount     int64
}
​
func NewfixWindow1(macCount int64) *fixWindow1 {
   t := &fixWindow1{
      maxCount: macCount,
   }
   return t
}
​
func (f *fixWindow1) FixWindow1() grpc.UnaryServerInterceptor {
   return func(ctx context.Context, req any, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp any, err error) {
      current := time.Now().UnixNano()
      lasttime := atomic.LoadInt64(&f.lastVistTime)
      if lasttime+f.interval > current {
         if atomic.CompareAndSwapInt64(&f.lastVistTime, lasttime, current) {
            atomic.StoreInt64(&f.lastVistTime, current)
            atomic.StoreInt64(&f.maxCount, 0)
         }
      }
      count := atomic.AddInt64(&f.vistCount, 1)
      if count > f.maxCount {
         return gen.GetByIDResp{}, errors.New("触发限流")
      }
      return handler(ctx, req)
   }
}

4、滑动窗口

什么是滑动窗口算法：

滑动窗口限流算法是一种常用的限流算法，用于控制系统对外提供服务的速率，防止系统被过多的请求压垮。它将单位时间周期分为n个小周期，分别记录每个小周期内接口的访问次数，并且根据时间滑动删除过期的小周期。它可以解决固定窗口临界值的问题。

type slideWindow struct {

   timeWindow *list.List
   interval   int64
   maxCnt     int
   lock       sync.Mutex
}
​
func NewSlideWindow(interval time.Duration, maxCnt int) *slideWindow {
   t := &slideWindow{
      timeWindow: list.New(),
      interval:   interval.Nanoseconds(),
      maxCnt:     maxCnt,
   }
   return t
}
​
func (s *slideWindow) SlideWinowlimit() grpc.UnaryServerInterceptor {
   return func(ctx context.Context, req any, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp any, err error) {
      s.lock.Lock()
      now := time.Now().UnixNano()
      // 快路径
      if s.timeWindow.Len() < s.maxCnt {
         resp, err = handler(ctx, req)
         s.timeWindow.PushBack(now)
         s.lock.Unlock()
         return
      }
      front := s.timeWindow.Front()
      for front != nil && front.Value.(int64)+s.interval < now {
         s.timeWindow.Remove(front)
         front = s.timeWindow.Front()
      }
      if s.timeWindow.Len() >= s.maxCnt {
         s.lock.Unlock()
         return &gen.GetByIdReq{}, errors.New("触发限流")
      }
      s.lock.Unlock()
      resp, err = handler(ctx, req)
      s.timeWindow.PushBack(now)
      return
   }
}

二、集群限流

下面是分布式限流，为啥是分布式限流，单机限流只能对单台服务器进行限流，没发对集权进行限流，需要用分布式限流来进行集权限流

1、分布式固定窗口 （基于redis）
type redisFix struct {

   serName  string
   interVal int
   limitCnt int
   redis    redis.Cmdable
}
​
//go:embed lua/fixwindow.lua
var lua_redis_fix string
​
func NewRedisFix(serName string, interval int, limitCnt int, redis redis.Cmdable) *redisFix {
   t := &redisFix{
      serName:  serName,
      interVal: interval,
      limitCnt: limitCnt,
      redis:    redis,
   }
   return t
}
​
func (r *redisFix) RedisFix() grpc.UnaryServerInterceptor {
   return func(ctx context.Context, req any, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp any, err error) {
      res, err := r.limit(ctx)
      if err != nil {
         return &gen.GetByIDResp{}, err
      }
      if res {
         return &gen.GetByIdReq{}, errors.New("触发限流")
      }
      return handler(ctx, req)
   }
}
​
func (r *redisFix) limit(ctx context.Context) (res bool, err error) {
   keys := []string{r.serName}
   res, err = r.redis.Eval(ctx, lua_redis_fix, keys, r.interVal, r.limitCnt).Bool()
   return
}

lua

local key = KEYS[1]

local limitCnt = tonumber(ARGV[2])
local val = redis.call('get',key)
if val==false then
    if limitCnt<1 then
        return "true"
    else
        redis.call('set',key,1,'PX',ARGV[1])
        return "false"
    end
elseif tonumber(val)<limitCnt then
    redis.call('incr',key)
    return "false"
else
    return "true"
end
2、分布式滑动窗口
//go:embed lua/slidewindow.lua

var slideWindLua string
​
type redisSlib struct {
   serverName string
   interVal   time.Duration
   maxCnt     int64
   redis      redis.Cmdable
}
​
func NewRedisSlib(interval time.Duration, maxCnt int64, serverName string, clientCmd redis.Cmdable) *redisSlib {
   t := &redisSlib{
      serverName: serverName,
      interVal:   interval,
      maxCnt:     maxCnt,
      redis:      clientCmd,
   }
   return t
}
​
func (r *redisSlib) RedisSlibLimt() grpc.UnaryServerInterceptor {
   return func(ctx context.Context, req any, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp any, err error) {
      limt, err := r.limt(ctx)
      if err != nil {
         return nil, err
      }
      if limt {
         return nil, errors.New("限流")
      }
      return handler(ctx, req)
   }
}
​
func (r *redisSlib) limt(ctx context.Context) (bool, error) {
   now := time.Now().UnixMilli()
   return r.redis.Eval(ctx, slideWindLua, []string{r.serverName}, r.interVal.Milliseconds(), r.maxCnt, now).Bool()
}

lua

local key = KEYS[1]
local window = tonumber(ARGV[1])
local maxCnt = tonumber(ARGV[2])
local now = tonumber(ARGV[3])
​
--- 窗口的最小边界
local min = now-window
​
redis.call('ZREMRANGEBYSCORE',key,'-inf',min)
​
local cnt = redis.call('ZCOUNT',key,'-inf','+inf')
​
if cnt>=maxCnt then
    return "true"
else
    redis.call('ZADD',key,now,now)
    redis.call('PEXPIRE',key,window)
    return "false"
end


http://www.kler.cn/a/163302.html

相关文章：

  • LabVIEW 实现 find_nearest_neighbors 功能（二维平面上的最近邻查找）
  • 算法训练（leetcode）二刷第二十三天 | 455. 分发饼干、*376. 摆动序列、53. 最大子数组和
  • ESLint 使用教程（七）：ESLint还能校验JSON文件内容？
  • 高效运维：构建全面监控与自动化管理体系
  • vue elementui el-dropdown-item设置@click无效的解决方案
  • 设备接入到NVR管理平台EasyNVR多品牌NVR管理工具/设备的音视频配置参考
  • 阿里云磁盘在线扩容
  • 生信技能30 - 获取CNV开始位置和结束位置所在的染色体区带
  • L1-028：判断素数
  • JavaScript常用技巧专题一
  • Flink流批一体计算（23）：Flink SQL之多流kafka写入多个mysql sink
  • 达梦数据库dm8守护集群部署手册
  • 浅谈Elastic Stack组件集成和应用
  • （时域和频域）控制系统响应速度和稳定性分析
  • 三种定时任务总结
  • C# .NET平台提取PDF表格数据，并转换为txt、CSV和Excel表格文件
  • 【51单片机系列】74HC595实现对LED点阵的控制
  • JS中的闭包
  • 做数据分析为何要学统计学（5）——什么问题适合使用t检验？
  • C语言 - 字符函数和字符串函数
  • 【vSphere | VM】虚拟机自定义规范Ⅲ —— 创建 Linux 虚拟机自定义规范
  • mongdb配置ssl
  • 用Python实现十大经典排序算法(附动图)
  • 周赛374（枚举、思维题、分组循环+枚举、组合数学）
  • Docker网络原理及Cgroup硬件资源占用控制
  • Apollo新版本Beta自动驾驶技术沙龙参会体验有感—百度自动驾驶开源框架