Guava单机限流框架-RateLimiter

一、应用背景

​ 在当前微服务的大环境下，大部分的服务一般都是通过接入分布式限流框架来实现限流、熔断、降级，但大型的分布式框架有时显得过于”重量”，在一些小型系统或单机Demo级别的应用开发中，其实可以考虑单机型的限流框架，例如今天的主角——RateLimiter。

​ RateLimiter是Google Guava下的一款单机轻量级别的小框架、小工具。

二、算法介绍

​ 一般聊到限流算法，最常见的莫过于两种：漏桶算法和令牌桶算法

• 漏桶算法：也就是有一个桶，底部有一个小洞，当有水不断地从上面加入进来时，底部出水的速率都是一样的，当加水速度持续大于漏水速度时，就会有一个时刻，桶满了，此时就不再允许往桶里加水了（再加就溢出来了）。

  特点：不管上面加水快还是加水慢，漏水速率会一致保持不变

• 令牌桶算法：有一个桶，有人以一定的速率一直往里面放令牌，所以被叫做令牌桶，此时如果有人需要这个令牌了，就会从桶里拿一个，如果又来人了就会又被拿一个，拿到了令牌的人就可以进站了，没有拿到的人就要在外面等。

  特点：令牌桶算法只固定了放令牌的速度，而不会限制拿令牌的人，拿的人有就能拿到，没有就拿不到了，所以令牌桶有个优点就是可以有一定的峰值，一次性发很多令牌（如果有的话）

三、应用实践

• RateLimiter使用的就是令牌桶算法

• 常用API介绍

  • RateLimiter.create(permitsPerSecond)：设置当前接口的QPS
  • rateLimiter.tryAcquire(timeout, timeUnit)：尝试在一定时间内获取令牌，超时则退出

• 代码实践

  • 工具类封装

    public class GuavaRateLimiterUtils {
           
        private final static GuavaRateLimiterUtils INSTANCE = new GuavaRateLimiterUtils();
    
        private ConcurrentHashMap<String, RateLimiter> RATE_LIMITER_MAP = new ConcurrentHashMap<>();
    
        private GuavaRateLimiterUtils() {
           }
    
        /**
         * 单例
         * @return 返回单例对象
         */
        public static GuavaRateLimiterUtils getInstance() {
           
            return INSTANCE;
        }
    
        /**
         * 设置限流值
         * @param path 请求路径
         * @param permitsPerSecond 一秒内的限流数
         */
        public void setPermits(String path, Double permitsPerSecond) {
           
            if (<