其他限流算法实现–参考
好的，我们来探讨如何基于 Redis 实现漏桶算法。
漏桶算法（Leaky Bucket Algorithm）是一种经典的限流算法，它可以控制请求的速率，平滑突发流量，防止系统因瞬时高并发而被击垮。
算法原理
- 想象一个漏斗：请求就像水一样倒入漏斗。
- 固定流出速率：漏斗底部有一个小孔，水会以一个固定的速率（比如每秒 10 滴）流出。
- 缓存与丢弃：
- 如果水流倒入的速度小于或等于流出速度，那么漏斗里不会积水，所有请求都会被平稳处理。
- 如果水流倒入的速度大于流出速度，多余的水就会暂时存留在漏斗中。
- 如果漏斗被倒满了，再继续倒入的水就会溢出（被丢弃），这对应于请求被限流。
Redis 实现方案
利用 Redis 的 Hash 数据结构和 Lua 脚本可以高效地实现漏桶算法。Hash 用于存储漏桶的状态，Lua 脚本保证了多个命令执行的原子性。
1. 数据结构设计
我们用一个 Redis Hash 来存储一个漏桶的状态，key 可以是限流的对象（如用户ID、接口名等）。Hash 的 field 包括：
capacity: 漏桶的总容量。rate: 漏桶的漏水速率（单位：请求/秒）。water: 当前漏桶中的水量（即等待处理的请求数）。last_leak_time: 上一次漏水的时间戳（单位：毫秒）。
2. Lua 脚本实现核心逻辑
Lua 脚本是实现这个功能的关键，因为它可以在 Redis 服务器端原子地执行一系列命令，避免了在高并发下出现 race condition（竞态条件）。
脚本逻辑如下：
- 获取当前时间戳。
- 计算从上一次漏水到现在，应该漏掉多少水。
- 更新当前的水量（减去漏掉的水量，但不能小于 0）。
- 检查如果再加入一滴水（当前请求），是否会超过桶的容量。
- 如果没超过，就将水量加 1，并更新最后操作时间，返回
1表示请求允许通过。 - 如果超过了，返回
0表示请求被限流。
以下是 Lua 脚本代码：
-- 漏桶限流 Lua 脚本
local bucket_key = KEYS[1]
local capacity = tonumber(ARGV[1])
local rate = tonumber(ARGV[2])
-- 获取当前时间戳（毫秒）
local now = tonumber(redis.call('time')[1]) * 1000 + tonumber(redis.call('time')[2])
-- 初始化漏桶（如果不存在）
local bucket = redis.call('hgetall', bucket_key)
if next(bucket) == nil then
redis.call('hmset', bucket_key,
'capacity', capacity,
'rate', rate,
'water', 0,
'last_leak_time', now
)
-- 首次请求，直接允许通过
redis.call('hincrby', bucket_key, 'water', 1)
return 1
end
-- 解析漏桶当前状态
local bucket_map = {}
for i = 1, #bucket, 2 do
bucket_map[bucket[i]] = bucket[i + 1]
end
local current_water = tonumber(bucket_map['water'])
local last_leak_time = tonumber(bucket_map['last_leak_time'])
-- 计算应该漏掉的水量
local time_passed = now - last_leak_time
-- 漏水速率是 每秒 rate 个，所以先将时间差转为秒
local leaks = math.floor(time_passed / 1000 * rate)
-- 更新水量和最后漏水时间
current_water = math.max(0, current_water - leaks)
redis.call('hmset', bucket_key,
'water', current_water,
'last_leak_time', now
)
-- 检查是否可以加入新的请求
if current_water + 1 <= capacity then
redis.call('hincrby', bucket_key, 'water', 1)
return 1 -- 允许通过
else
return 0 -- 限流
end
3. Java 代码调用示例
在 Java 中，你可以使用 Jedis 或 Spring Data Redis 来执行这个 Lua 脚本。
使用 Jedis 的示例：
import redis.clients.jedis.Jedis;
public class RedisLeakyBucketLimiter {
// Lua 脚本内容
private static final String LEAKY_BUCKET_LUA_SCRIPT = "local bucket_key = KEYS[1] ... "; // (此处省略完整脚本，请替换为上面的 Lua 代码)
private final Jedis jedis;
private final String scriptSha1;
public RedisLeakyBucketLimiter(Jedis jedis) {
this.jedis = jedis;
// 加载脚本并获取其 SHA1 校验和，这样可以避免每次都传输完整脚本
this.scriptSha1 = jedis.scriptLoad(LEAKY_BUCKET_LUA_SCRIPT);
}
/**
* 尝试获取令牌
* @param bucketKey 漏桶的 key，用于区分不同的限流对象
* @param capacity 漏桶容量
* @param rate 漏水速率（请求/秒）
* @return true if allowed, false otherwise
*/
public boolean tryAcquire(String bucketKey, int capacity, int rate) {
// 执行 Lua 脚本
Object result = jedis.evalsha(scriptSha1, 1, bucketKey, String.valueOf(capacity), String.valueOf(rate));
return Integer.parseInt(result.toString()) == 1;
}
public static void main(String[] args) {
// 示例
try (Jedis jedis = new Jedis("localhost", 6379)) {
RedisLeakyBucketLimiter limiter = new RedisLeakyBucketLimiter(jedis);
String userId = "user_123";
int capacity = 10; // 桶容量
int rate = 2; // 每秒允许 2 个请求
for (int i = 0; i < 15; i++) {
boolean allowed = limiter.tryAcquire(userId, capacity, rate);
System.out.println("Request " + (i + 1) + ": " + (allowed ? "Allowed" : "Denied"));
try {
Thread.sleep(200); // 模拟请求间隔
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
}
}
}
}
总结与注意事项
- 原子性：Lua 脚本确保了整个限流判断和状态更新是原子操作，这在分布式环境中至关重要。
- 性能：Redis 处理 Lua 脚本非常快，足以应对高并发场景。预加载脚本（
scriptLoad和evalsha）可以进一步提升性能。 - 内存占用：每个限流对象都会在 Redis 中创建一个
Hash，如果限流对象非常多，需要注意 Redis 的内存使用情况。可以考虑为Hash设置过期时间，或者定期清理长时间无访问的漏桶状态。 - 精度：该实现依赖于 Redis 的系统时间。如果 Redis 服务器之间时间不同步，可能会导致限流精度出现微小偏差，但通常在可接受范围内。
- 与令牌桶的区别：漏桶算法流出速率恒定，能有效平滑流量。而令牌桶算法可以在令牌积累后允许一定的突发流量。选择哪种算法取决于具体的业务需求。
扫一扫
1万+
到【灌水乐园】发言
