推荐阅读：Java面试：蚂蚁金服+拼多多+抖音+天猫Java面经，一次性查缺补漏阿里架构师强推：JVM+多线程+Kafka+Redis+Nginx等实战电子版书籍疫情期间面百度后端，想不通大厂都偏爱问算法？三面之后拿offer一、什么是限流？为什么要限流？

不知道大家有没有做过帝都的地铁，就是进地铁站都要排队的那种，为什么要这样摆长龙转圈圈？答案就是为了限流！因为一趟地铁的运力是有限的，一下挤进去太多人会造成站台的拥挤、列车的超载，存在一定的安全隐患。同理，我们的程序也是一样，它处理请求的能力也是有限的，一旦请求多到超出它的处理极限就会崩溃。为了不出现最坏的崩溃情况，只能耽误一下大家进站的时间。

限流是保证系统高可用的重要手段！！！

由于互联网公司的流量巨大，系统上线会做一个流量峰值的评估，尤其是像各种秒杀促销活动，为了保证系统不被巨大的流量压垮，会在系统流量到达一定阈值时，拒绝掉一部分流量。

限流会导致用户在短时间内（这个时间段是毫秒级的）系统不可用，一般我们衡量系统处理能力的指标是每秒的QPS或者TPS，假设系统每秒的流量阈值是1000，理论上一秒内有第1001个请求进来时，那么这个请求就会被限流。

二、限流方案1、计数器

Java内部也可以通过原子类计数器AtomicInteger、Semaphore信号量来做简单的限流。

// 限流的个数    private int maxCount = 10;    // 指定的时间内    private long interval = 60;    // 原子类计数器    private AtomicInteger atomicInteger = new AtomicInteger(0);    // 起始时间    private long startTime = System.currentTimeMillis();    public boolean limit(int maxCount, int interval) {        atomicInteger.addAndGet(1);        if (atomicInteger.get() == 1) {            startTime = System.currentTimeMillis();            atomicInteger.addAndGet(1);            return true;        }        // 超过了间隔时间，直接重新开始计数        if (System.currentTimeMillis() - startTime > interval * 1000) {            startTime = System.currentTimeMillis();            atomicInteger.set(1);            return true;        }        // 还在间隔时间内,check有没有超过限流的个数        if (atomicInteger.get() > maxCount) {            return false;        }        return true;    }

2、漏桶算法

漏桶算法思路很简单，我们把水比作是请求，漏桶比作是系统处理能力极限，水先进入到漏桶里，漏桶里的水按一定速率流出，当流出的速率小于流入的速率时，由于漏桶容量有限，后续进入的水直接溢出（拒绝请求），以此实现限流。

3、令牌桶算法

令牌桶算法的原理也比较简单，我们可以理解成医院的挂号看病，只有拿到号以后才可以进行诊病。

系统会维护一个令牌（token）桶，以一个恒定的速度往桶里放入令牌（token），这时如果有请求进来想要被处理，则需要先从桶里获取一个令牌（token），当桶里没有令牌（token）可取时，则该请求将被拒绝服务。令牌桶算法通过控制桶的容量、发放令牌的速率，来达到对请求的限制。

4、Redis + Lua

很多同学不知道Lua是啥？个人理解，Lua脚本和 MySQL数据库的存储过程比较相似，他们执行一组命令，所有命令的执行要么全部成功或者失败，以此达到原子性。也可以把Lua脚本理解为，一段具有业务逻辑的代码块。

而Lua本身就是一种编程语言，虽然redis 官方没有直接提供限流相应的API，但却支持了 Lua 脚本的功能，可以使用它实现复杂的令牌桶或漏桶算法，也是分布式系统中实现限流的主要方式之一。

相比Redis事务，Lua脚本的优点：

减少网络开销： 使用Lua脚本，无需向Redis 发送多次请求，执行一次即可，减少网络传输原子操作：Redis 将整个Lua脚本作为一个命令执行，原子，无需担心并发复用：Lua脚本一旦执行，会永久保存 Redis 中,，其他客户端可复用

Lua脚本大致逻辑如下：

-- 获取调用脚本时传入的第一个key值（用作限流的 key）local key = KEYS[1]-- 获取调用脚本时传入的第一个参数值（限流大小）local limit = tonumber(ARGV[1])-- 获取当前流量大小local curentLimit = tonumber(redis.call('get', key) or "0")-- 是否超出限流if curentLimit + 1 > limit then    -- 返回(拒绝)    return 0else    -- 没有超出 value + 1    redis.call("INCRBY", key, 1)    -- 设置过期时间    redis.call("EXPIRE", key, 2)    -- 返回(放行)    return 1end

通过KEYS[1] 获取传入的key参数通过ARGV[1]获取传入的limit参数redis.call方法，从缓存中get和key相关的值，如果为null那么就返回0接着判断缓存中记录的数值是否会大于限制大小，如果超出表示该被限流，返回0如果未超过，那么该key的缓存值+1，并设置过期时间为1秒钟以后，并返回缓存值+1

这种方式是本文推荐的方案，具体实现会在后边做细说。

5、网关层限流

限流常在网关这一层做，比如Nginx、Openresty、kong、zuul、Spring Cloud Gateway等，而像spring cloud - gateway网关限流底层实现原理，就是基于Redis + Lua，通过内置Lua限流脚本的方式。

三、Redis + Lua 限流实现

下面我们通过自定义注解、aop、Redis + Lua 实现限流，步骤会比较详细，为了小白能让快速上手这里啰嗦一点，有经验的老鸟们多担待一下。

1、环境准备

springboot 项目创建地址：start.spring.io，很方便实用的一个工具。

2、引入依赖包

pom文件中添加如下依赖包，比较关键的就是 spring-boot-starter-data-redis 和 spring-boot-starter-aop。

    <dependencies>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-web</artifactId>        </dependency>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-data-redis</artifactId>        </dependency>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-aop</artifactId>        </dependency>        <dependency>            <groupId>com.google.guava</groupId>            <artifactId>guava</artifactId>            <version>21.0</version>        </dependency>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-test</artifactId>        </dependency>        <dependency>            <groupId>org.apache.commons</groupId>            <artifactId>commons-lang3</artifactId>        </dependency>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-test</artifactId>            <scope>test</scope>            <exclusions>                <exclusion>                    <groupId>org.junit.vintage</groupId>                    <artifactId>junit-vintage-engine</artifactId>                </exclusion>            </exclusions>        </dependency>    </dependencies>

3、配置application.properties

在 application.properties 文件中配置提前搭建好的 redis 服务地址和端口。

spring.redis.host=127.0.0.1spring.redis.port=6379

4、配置RedisTemplate实例

@Configurationpublic class RedisLimiterHelper {    @Bean    public RedisTemplate<String, Serializable> limitRedisTemplate(LettuceConnectionFactory redisConnectionFactory) {        RedisTemplate<String, Serializable> template = new RedisTemplate<>();        template.setKeySerializer(new StringRedisSerializer());        template.setValueSerializer(new GenericJackson2JsonRedisSerializer());        template.setConnectionFactory(redisConnectionFactory);        return template;    }}

限流类型枚举类

/** * @author fu * @description 限流类型 * @date 2020/4/8 13:47 */public enum LimitType {    /**     * 自定义key     */    CUSTOMER,    /**     * 请求者IP     */    IP;}

5、自定义注解

我们自定义个@Limit注解，注解类型为ElementType.METHOD即作用于方法上。

period表示请求限制时间段，count表示在period这个时间段内允许放行请求的次数。limitType代表限流的类型，可以根据请求的IP、自定义key，如果不传limitType属性则默认用方法名作为默认key。

/** * @author fu * @description 自定义限流注解 * @date 2020/4/8 13:15 */@Target({ElementType.METHOD, ElementType.TYPE})@Retention(RetentionPolicy.RUNTIME)@Inherited@Documentedpublic @interface Limit {    /**     * 名字     */    String name() default "";    /**     * key     */    String key() default "";    /**     * Key的前缀     */    String prefix() default "";    /**     * 给定的时间范围 单位(秒)     */    int period();    /**     * 一定时间内最多访问次数     */    int count();    /**     * 限流的类型(用户自定义key 或者 请求ip)     */    LimitType limitType() default LimitType.CUSTOMER;}

6、切面代码实现

/** * @author fu * @description 限流切面实现 * @date 2020/4/8 13:04 */@Aspect@Configurationpublic class LimitInterceptor {    private static final Logger logger = LoggerFactory.getLogger(LimitInterceptor.class);    private static final String UNKNOWN = "unknown";    private final RedisTemplate<String, Serializable> limitRedisTemplate;    @Autowired    public LimitInterceptor(RedisTemplate<String, Serializable> limitRedisTemplate) {        this.limitRedisTemplate = limitRedisTemplate;    }    /**     * @param pjp     * @author fu     * @description 切面     * @date 2020/4/8 13:04     */    @Around("execution(public * *(..)) && @annotation(com.xiaofu.limit.api.Limit)")    public Object interceptor(ProceedingJoinPoint pjp) {        MethodSignature signature = (MethodSignature) pjp.getSignature();        Method method = signature.getMethod();        Limit limitAnnotation = method.getAnnotation(Limit.class);        LimitType limitType = limitAnnotation.limitType();        String name = limitAnnotation.name();        String key;        int limitPeriod = limitAnnotation.period();        int limitCount = limitAnnotation.count();        /**         * 根据限流类型获取不同的key ,如果不传我们会以方法名作为key         */        switch (limitType) {            case IP:                key = getIpAddress();                break;            case CUSTOMER:                key = limitAnnotation.key();                break;            default:                key = StringUtils.upperCase(method.getName());        }        ImmutableList<String> keys = ImmutableList.of(StringUtils.join(limitAnnotation.prefix(), key));        try {            String luaScript = buildLuaScript();            RedisScript<Number> redisScript = new DefaultRedisScript<>(luaScript, Number.class);            Number count = limitRedisTemplate.execute(redisScript, keys, limitCount, limitPeriod);            logger.info("Access try count is {} for name={} and key = {}", count, name, key);            if (count != null && count.intValue() <= limitCount) {                return pjp.proceed();            } else {                throw new RuntimeException("You have been dragged into the blacklist");            }        } catch (Throwable e) {            if (e instanceof RuntimeException) {                throw new RuntimeException(e.getLocalizedMessage());            }            throw new RuntimeException("server exception");        }    }    /**     * @author fu     * @description 编写 redis Lua 限流脚本     * @date 2020/4/8 13:24     */    public String buildLuaScript() {        StringBuilder lua = new StringBuilder();        lua.append("local c");        lua.append("\nc = redis.call('get',KEYS[1])");        // 调用不超过最大值，则直接返回        lua.append("\nif c and tonumber(c) > tonumber(ARGV[1]) then");        lua.append("\nreturn c;");        lua.append("\nend");        // 执行计算器自加        lua.append("\nc = redis.call('incr',KEYS[1])");        lua.append("\nif tonumber(c) == 1 then");        // 从第一次调用开始限流，设置对应键值的过期        lua.append("\nredis.call('expire',KEYS[1],ARGV[2])");        lua.append("\nend");        lua.append("\nreturn c;");        return lua.toString();    }    /**     * @author fu     * @description 获取id地址     * @date 2020/4/8 13:24     */    public String getIpAddress() {        HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();        String ip = request.getHeader("x-forwarded-for");        if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {            ip = request.getHeader("Proxy-Client-IP");        }        if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {            ip = request.getHeader("WL-Proxy-Client-IP");        }        if (ip == null || ip.length() == 0 || UNKNOWN.equalsIgnoreCase(ip)) {            ip = request.getRemoteAddr();        }        return ip;    }}         

7、控制层实现

我们将@Limit注解作用在需要进行限流的接口方法上，下边我们给方法设置@Limit注解，在10秒内只允许放行3个请求，这里为直观一点用AtomicInteger计数。

/** * @Author: fu * @Description: */@RestControllerpublic class LimiterController {    private static final AtomicInteger ATOMIC_INTEGER_1 = new AtomicInteger();    private static final AtomicInteger ATOMIC_INTEGER_2 = new AtomicInteger();    private static final AtomicInteger ATOMIC_INTEGER_3 = new AtomicInteger();    /**     * @author fu     * @description     * @date 2020/4/8 13:42     */    @Limit(key = "limitTest", period = 10, count = 3)    @GetMapping("/limitTest1")    public int testLimiter1() {        return ATOMIC_INTEGER_1.incrementAndGet();    }    /**     * @author fu     * @description     * @date 2020/4/8 13:42     */    @Limit(key = "customer_limit_test", period = 10, count = 3, limitType = LimitType.CUSTOMER)    @GetMapping("/limitTest2")    public int testLimiter2() {        return ATOMIC_INTEGER_2.incrementAndGet();    }    /**     * @author fu     * @description      * @date 2020/4/8 13:42     */    @Limit(key = "ip_limit_test", period = 10, count = 3, limitType = LimitType.IP)    @GetMapping("/limitTest3")    public int testLimiter3() {        return ATOMIC_INTEGER_3.incrementAndGet();    }}

8、测试

测试预期：连续请求3次均可以成功，第4次请求被拒绝。接下来看一下是不是我们预期的效果，请求地址：，用postman进行测试，有没有postman url直接贴浏览器也是一样。

可以看到第四次请求时，应用直接拒绝了请求，说明我们的 Springboot + aop + lua 限流方案搭建成功。

总结

以上 springboot + aop + Lua 限流实现是比较简单的，旨在让大家认识下什么是限流？如何做一个简单的限流功能，面试要知道这是个什么东西。上面虽然说了几种实现限流的方案，但选哪种还要结合具体的业务场景，不能为了用而用。

作者：程序员内点事

链接：