IP防刷，也就是在短時間內有大量相同ip的請求，可能是惡意的，也可能是超出業務範圍的。總之，我們需要杜絕短時間內大量請求的問題，怎麼處理？

　　其實這個問題，真的是太常見和太簡單了，但是真正來做的時候，可能就不一定很簡單了哦。

　　我這裡給一個解決方案，以供參考！

主要思路或者需要考慮的問題為：

　　1. 因為現在的伺服器環境幾乎都是分散式環境，所以，用本地計數的方式肯定是不行了，所以我們需要一個第三方的工具來輔助計數；

　　2. 可以選用資料庫、快取中介軟體、zk等元件來解決分散式計數問題；

　　3. 使用自增計數，儘量保持原子性，避免誤差；

　　4. 統計週期為從當前倒推 interval 時間，還是直接以某個開始時間計數；

　　5. 在何處進行攔截？ 每個方法開始前？ 還是請求入口處？

實現程式碼示例如下：

import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Before;
import org.springframework.web.context.request.RequestAttributes;
import org.springframework.web.context.request.RequestContextHolder;
import org.springframework.web.context.request.ServletRequestAttributes;
 
import redis.clients.jedis.Jedis;

import javax.annotation.Resource;
import javax.servlet.http.HttpServletRequest;

/**
 * IP 防刷工具類， 10分鐘內只最多允許1000次使用者操作
 */
@Aspect
public class IpFlushFirewall {

    @Resource
    private Jedis redisTemplate;

    /**
     * 最大ip限制次數
     */
    private static int maxLimitIpHit = 1000;

    
 
/**
     * 檢查時效,單位:秒
     */
    private static int checkLimitIpHitInterval = 600;

    // 自測試有效性
    public static void main(String[] args) {
        IpFlushFirewall ipTest = new IpFlushFirewall();
        // 測試時直接使用new Jedis(), 正式執行時使用 redis-data 元件配置即可
        ipTest.redisTemplate = new Jedis("127.0.0.1", 6379);
        for (int i = 0; i < 10; i++) {
            System.out.println("new action: +" + i);
            ipTest.testLoginAction(new Object());
            System.out.println("action: +" + i + ", passed...");
        }
    }

    // 測試訪問的方法
    public Object testLoginAction(Object req) {
        // ip防刷
        String reqIp = "127.0.0.1";
        checkIpLimit(reqIp);
        // 使用者資訊校驗
        System.out.println("login success...");
        // 返回使用者資訊
        return null;
    }

    // 檢測限制入口
    public void checkIpLimit(String ip) {
        if(isIpLimited(ip)) {
            throw new RuntimeException("操作頻繁，請稍後再試！");
        }
    }

    // ip 防刷 / 使用切面進行攔截
    @Before(value = "execution(public * com.*.*.*(..))")
    public void checkIpLimit() {
        RequestAttributes ra = RequestContextHolder.getRequestAttributes();
        ServletRequestAttributes sra = (ServletRequestAttributes) ra;
        HttpServletRequest request = sra.getRequest();
        String ip = getIp(request);
        if(isIpLimited(ip)) {
            throw new RuntimeException("操作頻繁，請稍後再試！");
        }
    }

    public static String getIp(HttpServletRequest request) {
        String ip = request.getHeader("x-forwarded-for");
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("Proxy-Client-IP");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("WL-Proxy-Client-IP");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getRemoteAddr();
        }
        // 多級代理問題
        if(ip.contains(",")) {
            ip = ip.substring(0, ip.indexOf(',')).trim();
        }
        return ip;
    }

    /**
     * 判斷ip是否受限制, 非核心場景，對於非原子的更新計數問題不大，否則考慮使用分散式鎖呼叫更新
     */
    private boolean isIpLimited(String reqIp) {
        String ipHitCache = getIpHitCacheKey(reqIp);
        // 先取舊資料作為本次判斷，再記錄本次訪問
        String hitsStr = redisTemplate.get(ipHitCache);
        recordNewIpRequest(reqIp);
        // 新週期內，首次訪問
        if(hitsStr == null) {
            return false;
        }
        // 之前有命中
        // 總數未超限，直接通過
        if(!isOverMaxLimit(Integer.valueOf(hitsStr) + 1)) {
            return false;
        }
        // 當前訪問後超過限制後，再判斷週期內的資料
        Long retainIpHits = countEffectiveIntervalIpHit(reqIp);
        redisTemplate.set(ipHitCache, retainIpHits + "");
        // 將有效計數更新回計數器,刪除無效計數後，在限制範圍內，則不限制操作
        if(!isOverMaxLimit(retainIpHits.intValue())) {
            return false;
        }
        return true;
    }

    // 是否超過最大限制
    private boolean isOverMaxLimit(Integer nowCount) {
        return nowCount > maxLimitIpHit;
    }

    // 每次訪問必須記錄
    private void recordNewIpRequest(String reqIp) {
        if(redisTemplate.exists(getIpHitCacheKey(reqIp))) {
            // 自增訪問量
            redisTemplate.incr(getIpHitCacheKey(reqIp));
        }
        else {
            redisTemplate.set(getIpHitCacheKey(reqIp), "1");
        }
        redisTemplate.expire(getIpHitCacheKey(reqIp), checkLimitIpHitInterval);
        Long nowTime = System.currentTimeMillis() / 1000;
        // 使用 sorted set 儲存記錄時間，方便刪除, zset 元素儘可能保持唯一，否則
        redisTemplate.zadd(getIpHitStartTimeCacheKey(reqIp), nowTime , reqIp + "-" + System.nanoTime() + Math.random());
        redisTemplate.expire(getIpHitStartTimeCacheKey(reqIp), checkLimitIpHitInterval);
    }

    /**
     * 統計計數週期內有效的的訪問次數（刪除無效統計）
     *
     * @param reqIp 請求ip
     * @return 有效計數
     */
    private Long countEffectiveIntervalIpHit(String reqIp) {
        // 刪除統計週期外的計數
        Long nowTime = System.currentTimeMillis() / 1000;
        redisTemplate.zremrangeByScore(getIpHitStartTimeCacheKey(reqIp), nowTime - checkLimitIpHitInterval, nowTime);
        return redisTemplate.zcard(getIpHitStartTimeCacheKey(reqIp));
    }

    // ip 訪問計數器快取key
    private String getIpHitCacheKey(String reqIp) {
        return "secure.ip.limit." + reqIp;
    }

    // ip 訪問開始時間快取key
    private String getIpHitStartTimeCacheKey(String reqIp) {
        return "secure.ip.limit." + reqIp + ".starttime";
    }

}

　　如上解決思路為：

　　　　1. 使用 redis 做計數器工具，做到資料統一的同時，redis 的高效能特性也保證了整個應用效能；

　　　　2. 使用 redis 的 incr 做自增，使用一個 zset 來儲存記錄開始時間；

　　　　3. 在計數超過限制後，再做開始有效性的檢測，保證準確的同時，避免了每次都手動檢查有時間有效性的動作；

　　　　4. 使用切面的方式進行請求攔截，避免程式碼入侵；