秒杀系统关于限流的思考

        在秒杀业务场景中，限流是保障系统稳定性的重要手段。

限流一般分为：

        1.用户限流--限制用户一秒内最多发送多少请求

        2.ip限流--和用户同理

        3.接口限流

        用户限流与IP限流其实都是为了放别人脚本疯狂发请求，但是别人通过一些技术手段可以绕开。所以需要整个接口限流防止服务挂掉，以下讨论的都是接口限流。

以下是几种常见的限流方式及其适用场景。

1.使用 Sentinel

Sentinel 是一个强大的流量控制组件，支持并发线程数、QPS、响应时间等多维度的流量控制。

支持在运行时动态配置限流规则，不需要重启应用。

结合 Spring Cloud Alibaba，支持微服务架构中的分布式限流。

内置支持熔断、降级、系统保护等功能，扩展性强。

// 定义资源
Entry entry = null;
try {
    entry = SphU.entry("seckillResource");
    // 你的业务逻辑
} catch (BlockException ex) {
    // 被限流的处理逻辑
} finally {
    if (entry != null) {
        entry.exit();
    }
}

2.Guava RateLimiter（令牌桶算法）

实现简单，Guava 的 RateLimiter 提供了简单的限流实现。(Guava也提供其它的各种实用工具)

适合单个应用实例进行限流，不依赖外部服务。

RateLimiter rateLimiter = RateLimiter.create(1000); // 每秒生成 1000 个令牌
if (rateLimiter.tryAcquire()) {
    // 获取到令牌，继续处理
} else {
    // 被限流，返回提示
}

3. Redis 分布式限流

通过 Redis 实现分布式限流，可以有效解决单点问题，适用于分布式系统。常用的实现方式有：

1.计数器：基于时间窗口统计请求次数，适合简单场景。

2.令牌桶：利用 Redis 的原子操作模拟令牌桶。允许一定的突发流量。

3.漏桶：控制请求的平滑流出，避免突发流量。

-- Lua 脚本
local key = KEYS[1]
local capacity = tonumber(ARGV[1])
local refill_time = tonumber(ARGV[2])
local current_time = tonumber(ARGV[3])
local token_rate = tonumber(ARGV[4])

-- 获取当前令牌数
local tokens = redis.call('get', key)
if tokens == false then
    tokens = capacity
else
    tokens = tonumber(tokens)
end

-- 计算新令牌数
local elapsed_time = current_time - redis.call('time')[1]
tokens = math.min(capacity, tokens + elapsed_time * token_rate)

-- 是否可以通过
if tokens < 1 then
    return 0 -- 限流
else
    redis.call('setex', key, refill_time, tokens - 1)
    return 1 -- 通过
end

4.Nginx 限流

通过 Nginx 自带的限流模块，在网关层实现限流，减少应用压力。

http {
    limit_req_zone $binary_remote_addr zone=seckill:10m rate=100r/s;

    server {
        location /seckill {
            limit_req zone=seckill burst=10 nodelay;
            proxy_pass http://backend;
        }
    }
}

总结：

1.如果业务是微服务架构，建议使用 Sentinel，它不仅限流，还能结合降级与熔断保护系统。

2.如果业务是单机部署且限流规则简单，可以优先考虑 Guava RateLimiter。

3.如果需要分布式限流，且想自己实现灵活的方案，建议使用 Redis。

4.如果需要在流量入口就限制，可以使用 Nginx 限流。