為什么要做限流

首先讓我們先看一看系統(tǒng)架構(gòu)設(shè)計(jì)中，為什么要做“限流”。

旅游景點(diǎn)通常都會有最大的接待量，不可能無限制的放游客進(jìn)入，比如故宮每天只賣八萬張票，超過八萬的游客，無法買票進(jìn)入，因?yàn)槿绻^八萬人，景點(diǎn)的工作人員可能就忙不過來，過于擁擠的景點(diǎn)也會影響游客的體驗(yàn)和心情，并且還會有安全隱患；「只賣N張票，這就是一種限流的手段」。

軟件架構(gòu)中的服務(wù)限流也是類似，也是當(dāng)系統(tǒng)資源不夠的時候，已經(jīng)不足以應(yīng)對大量的請求，為了保證服務(wù)還能夠正常運(yùn)行，那么按照規(guī)則，「系統(tǒng)會把多余的請求直接拒絕掉，以達(dá)到限流的效果」；

不知道大家注意過沒有，比如雙11，剛過12點(diǎn)有些顧客的網(wǎng)頁或APP會顯示下單失敗的提示，有些就是被限流掉了。

常見的限流算法

計(jì)數(shù)法

顧名思義就是來一個，記錄一個，比如我1分鐘只能處理1000個請求，那么我們就可以設(shè)置一個計(jì)數(shù)器，來一個請求就incr+1，當(dāng)1分鐘之內(nèi)的數(shù)量大于等于1000之后不處理了即可，偽代碼如下

$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$rate_limit = 1000;  //限制個數(shù)
$rate_seconds = 60;  //限制時間
$redis_key = "redis_limit";
$count = $redis->get($redis_key);
if ($count >= $rate_limit){  //判斷60秒內(nèi)請求個數(shù)是否已經(jīng)達(dá)到上限
    //直接返回，不處理請求
    return
}
$redis->incr($redis_key, 1);//請求計(jì)數(shù)
$redis->expire($redis, $rate_seconds); //設(shè)置過期時間 60s
//to do  業(yè)務(wù)邏輯處理.......

這種計(jì)數(shù)方式比較簡單快捷，但是有很大的缺點(diǎn)，因?yàn)檎埱蟮脑L問不一定是很平穩(wěn)的，如果0:59過來了1000個請求，1:01已經(jīng)是下一個窗口，又過來了1000個請求，但實(shí)際上三秒內(nèi)來了2000個請求，已經(jīng)超過我們的限流上限了。所以這種方法是不推薦的。

滑動窗口算法

還拿上面的例子，一分鐘分6份，每份10秒；每過10秒鐘，我們的時間窗口就會往右滑動一格，每個格子都有獨(dú)立的計(jì)數(shù)器，我們每次都計(jì)算時間窗口內(nèi)的數(shù)量，可以解決計(jì)數(shù)器法中的問題，而且當(dāng)滑動窗口的格子越多，那么限流的統(tǒng)計(jì)就會越精確。具體可以參考下圖，看圖比較清晰

偽代碼實(shí)現(xiàn)如下

function api_limit($scene,  $period, $maxCount){
    $redis = new Redis();
    $redis->connect('127.0.0.1', 6379);
    $key = sprintf('hist:%s', $scene); //限流場景唯一標(biāo)識
    $now = msectime();   // 毫秒時間戳,這樣更精確
    $pipe=$redis->multi(Redis::PIPELINE); //使用管道提升性能
    $pipe->zadd($key, $now, $now); //value 和 score 都使用毫秒時間戳
    $pipe->zremrangebyscore($key, 0, $now - $period); //移除時間窗口之前的行為記錄，剩下的都是時間窗口內(nèi)的
    $pipe->zcard($key);  //獲取窗口內(nèi)的行為數(shù)量
    $pipe->expire($key, $period/1000 + 1);  //多加一秒過期時間
    $replies = $pipe->exec();
    return $replies[2] = $maxCount;  //$replies[2]為zcard返回的個數(shù)  如果zcard結(jié)果大于maxCount，則不處理結(jié)果
}

for ($i=0; $i20; $i++){  //測試限流是否實(shí)現(xiàn)代碼
    var_dump(isActionAllowed("uniq_scene", 60*1000, 5)); //執(zhí)行可以發(fā)現(xiàn)只有前5次是通過的
}

//返回當(dāng)前的毫秒時間戳
function msectime() {
    list($msec, $sec) = explode(' ', microtime());
    $msectime = (float)sprintf('%.0f', (floatval($msec) + floatval($sec)) * 1000);
    return $msectime;
 }

這段代碼還是略顯復(fù)雜，需要讀者花一定的時間好好啃。它的整體思路就是：每一個行為到來時，都維護(hù)一次時間窗口。將時間窗口外的記錄全部清理掉，只保留窗口內(nèi)的記錄。

因?yàn)檫@幾個連續(xù)的 Redis 操作都是針對同一個 key 的，使用 pipeline 可以顯著提升Redis 存取效率。「但這種方案也有缺點(diǎn)，因?yàn)樗涗洉r間窗口內(nèi)所有的行為記錄，如果這個量很大，比如限定 60s 內(nèi)操作不得超過 100w 次這樣的參數(shù)，它是不適合做這樣的限流的，因?yàn)闀拇罅康拇鎯臻g」。

后面還有漏桶算法和令牌桶算法，由于各自的實(shí)現(xiàn)比較復(fù)雜，所以準(zhǔn)備各自新開一篇文章單獨(dú)描述

到此這篇關(guān)于redis限流的實(shí)際應(yīng)用的文章就介紹到這了,更多相關(guān)redis限流內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！