分布式限流:Redis

目录

1:如何实现分布式限流

2:限流的几种类别 

2.1:固定窗口限流

2.2:滑动窗口限流

2.3:漏桶限流

2.4:令牌桶限流

3:实现分布式限流:Redis

3.1:引入Redisson的依赖包

3.2:初始化Redisson

3.3:创建Redisson的限流类 

---

1:如何实现分布式限流

1:把统计用户的使用频率等这些数据放到一个集中的存储，比如redis，这样无论用户的请求落在了哪台服务器，都以集中存储的数据为准。(Redis)

2:限流的几种类别 

2.1:固定窗口限流

单位时间内，允许部分操作。 1小时，只允许10个用户操作。

优点:最简单

缺点:可能出现流量突刺

eg:前59分钟，第59分钟来了十个操作。第一小时01分钟又来了十个操作，就可能导致流量突刺，相当于2分钟实现了20个操作。

2.2:滑动窗口限流

单位时间内，允许部分操作，但是这个时间是滑动的  需要指定滑动单位

滑动单位: 1min

开始前:

0s  1h 2h

一分钟:

1min 1h1min

优点;能够解决上面流量突刺的问题，第59分钟，限流窗口59min到1h59min,这个时间段内接受10次请求，只要在这个窗口内，更多的操作就会被拒绝。

缺点:实现相对复杂。滑动单位越小,限效果越好。

2.3:漏桶限流

以固定的速率请求，当请求桶满后，拒绝请求。

每秒处理10个请求，桶的容量是10，每0.1秒处理1次请求(固定的)，如果1秒内，来了10个都可以处理完，但如果一秒内来了11个请求，最后那个请求就会被拒绝。

优点:能够一定程度上应对流量突刺，能够以固定的速率处理请求，安全性高

缺点:速度是固定的，没有办法处理一批请求，只能一个一个来

2.4:令牌桶限流

管理员先生成一批令牌，每秒生成10个令牌，当用户操作前，先去拿到令牌，有令牌的人可以先执行，都能够同时执行。

优点:能够并发处理同时的请求，并发性高

缺点:时间单位选取的问题。

 以上漏桶限流和令牌桶限流最常用。

3:实现分布式限流:Redis

3.1:引入Redisson的依赖包

  <dependency><groupId>org.redisson</groupId><artifactId>redisson</artifactId><version>3.17.5</version></dependency>

3.2:初始化Redisson

@Configuration
@ConfigurationProperties(prefix = "spring.redis")public class RedissonConfig {private Integer database;private String host;private String port;@Beanpublic RedissonClient getRedissonClient(){//配置Redis的配置类Config config=new Config();config.useSingleServer().setDatabase(database).setAddress("redis://"+host+":"+port);RedissonClient redisson= Redisson.create(config);return redisson;}
}

 

3.3:创建Redisson的限流类 

@Service
public class RedisLimiterManage {@Autowiredprivate RedissonClient redissonClient;//key:区分不同的限流器:不同的用户idpublic void doRateLimit(String key){RRateLimiter rateLimiter=redissonClient.getRateLimiter(key);//将所有用户的访问次数放在同一个限流器上,1秒允许两次rateLimiter.trySetRate(RateType.OVERALL,2,1, RateIntervalUnit.SECONDS);//每当一个用户来了之后，请求一个令牌boolean result = rateLimiter.tryAcquire(1);if(!result){throw new BusinessException(ErrorCode.NO_AUTH_ERROR,"请求过于频繁");}}
}

当我们使用分布式限流Redis的时候，只需要让这个RedisLimiterManage调用doRateLimit方法，就可以进行分布式限流的操作。

 @Autowiredprivate RedisLimiterManage redisLimiterManage;
//引入依赖//进行限流判断redisLimiterManage.doRateLimit("genChartByAi_"+user.getId());//每个用户的限流器