Java中常见的4种限流算法详解

更新时间：2023年12月21日 09:00:55 作者：Colins~

这篇文章主要介绍了Java中常见的4种限流算法详解,FixedWindowRateLimiter 类表示一个固定窗口限流器,使用 limit 和 interval 参数分别表示限制请求数量和时间间隔,缺点是短时间内可能会流量翻倍,需要的朋友可以参考下

固定窗口

FixedWindowRateLimiter 类表示一个固定窗口限流器，使用 limit 和 interval 参数分别表示限制请求数量和时间间隔（毫秒）。在 allowRequest() 方法中，通过比较当前时间与上一次请求时间来判断是否需要重置请求数和上一次请求时间。如果请求数还没有达到限制数量，允许请求并增加请求数，否则拒绝请求。缺点：短时间内可能会流量翻倍

public class FixedWindowRateLimiter {
    private final int limit; // 限制请求数量
    private final AtomicInteger count; // 当前请求数
    private final long interval; // 时间间隔（毫秒）
    private long lastRequestTime; // 上一次请求时间
    public FixedWindowRateLimiter(int limit, long interval) {
        this.limit = limit;
        this.interval = interval;
        this.count = new AtomicInteger(0);
        this.lastRequestTime = System.currentTimeMillis();
    }
    public synchronized boolean allowRequest() {
        long currentTime = System.currentTimeMillis();
        if (currentTime - lastRequestTime > interval) {
            // 如果距离上一次请求时间已经超过了时间间隔，重置请求数和上一次请求时间
            count.set(0);
            lastRequestTime = currentTime;
        }
        // 如果请求数还没有达到限制数量，允许请求并增加请求数
        if (count.get() < limit) {
            count.incrementAndGet();
            return true;
        }
        return false; // 否则拒绝请求
    }
}
// 使用示例
FixedWindowRateLimiter limiter = new FixedWindowRateLimiter(10, 1000); // 每秒最多处理10个请求
for (int i = 0; i < 20; i++) { // 尝试发起20个请求
    if (limiter.allowRequest()) {
        System.out.println("Allow request " + i);
    } else {
        System.out.println("Reject request " + i);
    }
    Thread.sleep(200); // 每次请求间隔200毫秒
}

滑动窗口

相比于固定窗口，滑动窗口有以下几个好处：

平滑限流：滑动窗口限流算法会以时间为轴将请求限制平均到每个时间段内，从而平滑了请求的涌入。相比于简单粗暴的限制请求的数量或速率等方式，这种平滑的限流方式能够更好地保证服务的可用性和稳定性。
精确控制：滑动窗口限流算法可以根据具体的业务需要设置窗口大小和时间间隔，从而实现对请求的精确控制。通过适当调整窗口大小和时间间隔，可以达到更好的限流效果。

关于这个，我觉得sentinel中的滑动窗口就非常的nice，下面是从sentinel中摘出来改一下的示例（同时也运用在我本人的中间件内）,总得来说有三部分：

窗口存放的实体类（监控指标） HystrixEntity
窗口的定义 HystrixWindow
滑动窗口具体实现 HystrixWindowArray

// 窗口存放的实体类（监控指标）
public class HystrixEntity {
    // 窗口请求数
    private AtomicInteger requestCount;
    // 窗口异常数
    private AtomicInteger errorCount;
    public HystrixEntity(){
        this.requestCount=new AtomicInteger(0);
        this.errorCount=new AtomicInteger(0);
    }
    public int getRequestCountValue() {
        return requestCount.get();
    }
    public int getErrorCountValue() {
        return errorCount.get();
    }
    public void resetValue() {
        this.errorCount.set(0);
        this.requestCount.set(0);
    }
    public void addErrorCount(){
        this.errorCount.addAndGet(1);
    }
    public void addRequestCount(){
        this.requestCount.addAndGet(1);
    }
}
//窗口的定义 HystrixWindow
public class HystrixWindow {
    // 窗口的长度 单位：ms
    private final int windowLengthInMs;
    // 窗口的开始时间戳  单位：ms
    private long windowStartInMs;
    // 窗口内存放的实体类
    private HystrixEntity hystrixEntity;
    public HystrixWindow(int windowLengthInMs, long windowStartInMs, HystrixEntity hystrixEntity) {
        this.windowLengthInMs = windowLengthInMs;
        this.windowStartInMs = windowStartInMs;
        this.hystrixEntity = hystrixEntity;
    }
    public int getWindowLengthInMs() {
        return windowLengthInMs;
    }
    public long getWindowStartInMs() {
        return windowStartInMs;
    }
    public HystrixEntity getHystrixEntity() {
        return hystrixEntity;
    }
    public void setHystrixEntity(HystrixEntity hystrixEntity) {
        this.hystrixEntity = hystrixEntity;
    }
    /**
     * @Description 重置窗口
     **/
    public HystrixWindow resetTo(long startTime) {
        this.windowStartInMs = startTime;
        hystrixEntity.resetValue();
        return this;
    }
    /**
     * @Description 判断时间是否属于该窗口
     **/
    public boolean isTimeInWindow(long timeMillis) {
        return windowStartInMs <= timeMillis && timeMillis < windowStartInMs + windowLengthInMs;
    }
}
//滑动窗口具体实现
public class HystrixWindowArray {
    // 单个窗口的长度
    private int windowLengthInMs;
    // 窗口数量
    private int sampleCount;
    // 所有窗口的总长度
    private int intervalInMs;
    // 窗口数组
    private final AtomicReferenceArray<HystrixWindow> array;
    /**
     * The conditional (predicate) update lock is used only when current bucket is deprecated.
     */
    private final ReentrantLock updateLock = new ReentrantLock();
    /**
     * @Param [sampleCount, intervalInMs]
     * sampleCount: 窗口数量  intervalInMs：所有窗口的总长度
     **/
    public HystrixWindowArray(int sampleCount, int intervalInMs) {
        Assert.isTrue(sampleCount > 0, "bucket count is invalid: " + sampleCount);
        Assert.isTrue(intervalInMs > 0, "total time interval of the sliding window should be positive");
        Assert.isTrue(intervalInMs % sampleCount == 0, "time span needs to be evenly divided");
        this.windowLengthInMs = intervalInMs / sampleCount;
        this.intervalInMs = intervalInMs;
        this.sampleCount = sampleCount;
        this.array = new AtomicReferenceArray<>(sampleCount);
    }
    /**
     * 获取当前时间所在的窗口下标索引
     */
    private int calculateTimeIdx(long timeMillis) {
        long timeId = timeMillis / windowLengthInMs;
        // Calculate current index so we can map the timestamp to the leap array.
        return (int)(timeId % array.length());
    }
    /**
     * 获取当前时间所在的窗口开始时间
     */
    private long calculateWindowStart(long timeMillis) {
        return timeMillis - timeMillis % windowLengthInMs;
    }
    private HystrixEntity newEmptyWindowValue(long timeMillis){
        return new HystrixEntity();
    }
    /**
     * 获取当前窗口
     */
    public HystrixWindow currentWindow() {
        return currentWindow(System.currentTimeMillis());
    }
    private HystrixWindow currentWindow(long timeMillis) {
        if (timeMillis < 0) {
            return null;
        }
        int idx = calculateTimeIdx(timeMillis);
        // Calculate current bucket start time.
        long windowStart = calculateWindowStart(timeMillis);
        while (true) {
            HystrixWindow old = array.get(idx);
            if (old == null) {
                // 如果获取为空，说明窗口还没创建，所以我们创建一个新的窗口(CAS保证线程安全)
                HystrixWindow window = new HystrixWindow(windowLengthInMs, windowStart, newEmptyWindowValue(timeMillis));
                if (array.compareAndSet(idx, null, window)) {
                    // 创建成功则返回当前窗口
                    return window;
                } else {
                    // 创建失败说明发生了竞争，所以暂时先让出CPU
                    Thread.yield();
                }
            } else if (windowStart == old.getWindowStartInMs()) {
                // 如果窗口已经存在，则对比窗口的开始时间是否相同，相同说明是用同一个窗口，直接返回窗口就可以了
                return old;
            } else if (windowStart > old.getWindowStartInMs()) {
                // 如果窗口已经存在，而且窗口开始时间比之前的窗口开始时间要大
                // 说明原来的窗口已经过时了，需要替换一个新的窗口
                // 所以加锁防止竞争
                if (updateLock.tryLock()) {
                    try {
                        // 这里我选择直接重置之前的窗口（）
                        return resetWindowTo(old, windowStart);
                    } finally {
                        updateLock.unlock();
                    }
                } else {
                    // Contention failed, the thread will yield its time slice to wait for bucket available.
                    Thread.yield();
                }
            } else if (windowStart < old.getWindowStartInMs()) {
                // 窗口的开始时间比之前的窗口开始时间还会小，这种属于异常情况
                // 要是真出现了也只能新建一个窗口返回了
                return new HystrixWindow(windowLengthInMs, windowStart, newEmptyWindowValue(timeMillis));
            }
        }
    }
    /**
     * 获取当前窗口内的值
     */
    public HystrixEntity getWindowValue() {
        return getWindowValue(System.currentTimeMillis());
    }
    public HystrixEntity getWindowValue(long timeMillis) {
        if (timeMillis < 0) {
            return null;
        }
        int idx = calculateTimeIdx(timeMillis);
        HystrixWindow bucket = array.get(idx);
        if (bucket == null || !bucket.isTimeInWindow(timeMillis)) {
            return null;
        }
        return bucket.getHystrixEntity();
    }
    /**
     * 重置一个窗口
     */
    private HystrixWindow resetWindowTo(HystrixWindow window, long startTime){
        return window.resetTo(startTime);
    }
    public List<HystrixEntity> values() {
        return values(System.currentTimeMillis());
    }
    private List<HystrixEntity> values(long timeMillis) {
        if (timeMillis < 0) {
            return new ArrayList<HystrixEntity>();
        }
        int size = array.length();
        List<HystrixEntity> result = new ArrayList<HystrixEntity>(size);
        for (int i = 0; i < size; i++) {
            HystrixWindow window = array.get(i);
            if (window == null || isWindowDeprecated(timeMillis, window)) {
                continue;
            }
            result.add(window.getHystrixEntity());
        }
        return result;
    }
    /**
     * 判断窗口是否有效
     */
    public boolean isWindowDeprecated(long time, HystrixWindow window) {
        return time - window.getWindowStartInMs() > intervalInMs;
    }
}

使用示例：

// 初始化 代表监控1s内的指标  窗口数为2
HystrixWindowArray hystrixWindowArray = new HystrixWindowArray(2, 1000);
// 指标监控  数量+1 
windowArray.currentWindow().getHystrixEntity().addErrorCount();
windowArray.currentWindow().getHystrixEntity().addRequestCount();
// 获取所有窗口的指标累计  判断是否超标,也就是1s内的总计
List<HystrixEntity> windowValues = windowArray.values();
Integer errorCount = hystrixEntities.stream().map(HystrixEntity::getErrorCountValue).reduce(Integer::sum).get();
Integer requestCount = hystrixEntities.stream().map(HystrixEntity::getRequestCountValue).reduce(Integer::sum).get();

令牌桶算法

思想：固定时间内（例如 1 秒）通过一个桶来存储令牌，每当接收到一个请求时就会消耗一个令牌。如果请求过来时没有令牌，则无法继续处理该请求。在sentinel中被称为冷启动

优点：

相比于漏桶算法，令牌桶算法具有更好的适应性，可以应对短时间内的流量波动。（漏桶算法只能处理恒定速率的流量）

代码如下：

public class TokenBucket {
    private long lastTime;  // 上次请求时间
    private double rate;    // 令牌放入速率
    private long capacity;  // 令牌桶容量
    private long tokens;    // 当前令牌数量
    public TokenBucket(double rate, long capacity) {
        this.lastTime = System.currentTimeMillis();
        this.rate = rate;
        this.capacity = capacity;
        this.tokens = capacity;
    }
    public synchronized boolean getToken() {
        long now = System.currentTimeMillis();
        long timeElapsed = now - lastTime;
        tokens += timeElapsed * rate;
        if (tokens > capacity) {
            tokens = capacity;
        }
        lastTime = now;
        if (tokens >= 1) {
            tokens--;
            return true;
        } else {
            return false;
        }
    }
}

漏斗桶算法

漏桶算法(Leaky Bucket)是网络世界中流量整形(Traffic Shaping)或速率限制(Rate Limiting)时经常使用的一种算法，它的主要目的是控制数据注入到网络的速率，平滑网络上的突发流量。漏桶算法提供了一种机制，通过它，突发流量可以被整形以便为网络提供一个稳定的流量。在sentinel中被称为匀速器

优点：

控制速率：漏斗桶算法可以限制数据流量的传输速率，确保各个环节的数据处理能力都得到了满足，从而避免了系统因为数据过多而导致的崩溃和瘫痪。
平滑输出：漏斗桶算法通过将数据分散到不同的时间段内进行处理，使得数据传输的输出更加平稳，不会出现明显的波动，提高了网络的稳定性。

代码如下：

public class LeakyBucket {
    private int capacity; //漏桶容量
    private int rate; //漏水速率
    private int water; //当前水量
    private Instant timestamp; //上次漏水时间
    public LeakyBucket(int capacity, int rate) {
        this.capacity = capacity;
        this.rate = rate;
        this.water = 0;
        this.timestamp = Instant.now();
    }
    public synchronized boolean allow() { //判断是否允许通过
        Instant now = Instant.now();
        long duration = now.toEpochMilli() - timestamp.toEpochMilli(); //计算距上次漏水过去了多久
        int outflow = (int) (duration * rate / 1000); //计算过去的时间内漏出的水量
        water = Math.max(0, water - outflow); //更新当前水量，不能小于0
        if (water < capacity) { //如果漏桶还没满，放行
            water++;
            timestamp = now;
            return true;
        }
        return false; //否则拒绝通过
    }
}

到此这篇关于Java中常见的4种限流算法详解的文章就介绍到这了,更多相关Java限流算法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Java实战之实现在线小说阅读系统
本文主要介绍了一个通过Java实现的在线电子书小说阅读系统，文中用到的技术有Layui、Springboot、SpringMVC、HTML、FTP、JavaScript、JQuery等，感兴趣的可以试试
2022-01-01
jsoup如何爬取图片到本地
这篇文章主要为大家详细介绍了jsoup如何爬取图片到本地，jsoup爬取网站信息，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-01-01
关于IDEA配置文件字符集的问题
这篇文章主要介绍了关于IDEA配置文件字符集的问题,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2020-12-12
Java实现在线预览的示例代码(openOffice实现)
本篇文章主要介绍了Java实现在线预览的示例代码(openOffice实现)，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2017-11-11
java实现连接mysql数据库单元测试查询数据的实例代码
下面小编就为大家带来一篇java实现连接mysql数据库单元测试查询数据的实例代码。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2016-10-10
SpringMVC的注解@RequestMapping属性及使用
这篇文章主要为大家介绍了SpringMVC注解@RequestMapping属性及使用，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-05-05
使用RestTemplate调用https接口跳过证书验证
这篇文章主要介绍了使用RestTemplate调用https接口跳过证书验证，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-10-10
Spring MVC使用jstl 标签c:forEach 遍历输出双层嵌套List的数据方式
这篇文章主要介绍了Spring MVC使用jstl 标签c:forEach 遍历输出双层嵌套List的数据方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-08-08
Java自动拆装箱简单介绍
这篇文章主要为大家详细介绍了Java自动拆装箱的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2017-10-10
Java动态规划之硬币找零问题实现示例
本文主要介绍了Java动态规划之硬币找零问题实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2022-08-08

Java中常见的4种限流算法详解

目录

固定窗口

滑动窗口

令牌桶算法

漏斗桶算法

相关文章

最新评论

大家感兴趣的内容

最近更新的内容

常用在线小工具