高併發系統設計的3個利器：快取、限流、降級，本文就限流相關演算法，分析其設計與實現。

從分散式角度來看，限流可分為分散式限流（比如基於Sentinel或者Redis的叢集限流）和單機限流。從演算法實現角度來看，限流演算法可分為漏桶演算法、令牌桶演算法和滑動時間視窗演算法。下面主要分析這3種限流演算法和分散式限流實現方案。

漏桶演算法

把請求比作是水，水來了都先放進桶裡，並以恆定速度出水（處理請求），當水流量過大會導致桶溢位，即拒絕服務。請求的最大處理速度也就是水從漏桶流出的速度。

基於漏桶（桶+恆定處理速率），可以起到對請求整流效果。漏桶演算法可基於執行緒池來實現，執行緒池使用固定容量的阻塞佇列+固定個數的處理執行緒來實現；最簡單且最常見的漏桶思想的實現就是基於SynchronousQueue的執行緒池，其相當於一個空桶+固定處理執行緒 : )。

注意：原生的漏桶演算法以恆定速度出水（處理請求），但是實際場景中請求的處理耗時可能不相等，為了實現恆定速率，一般都是限定同時處理請求的最大執行緒數。

令牌桶演算法

很多場景中，需要允許某種程度的突發請求，請求的最大速度也就是所有桶大小。這時候漏桶演算法就不合適了，令牌桶演算法更為適合。

令牌桶演算法的原理是系統以恆定的速率產生令牌，然後把令牌放到令牌桶中，令牌桶有一個容量，當令牌桶滿了的時候，再向其中放令牌，那麼多餘的令牌會被丟棄；當想要處理一個請求的時候，需要從令牌桶中取出一個令牌，如果此時令牌桶中沒有令牌，那麼則拒絕該請求。

令牌桶演算法的一個實現方案是：起一個Timer執行緒以固定頻率往桶中放令牌，桶滿時令牌溢位，業務執行緒在獲取令牌時直接從桶中獲取即可。該方案容易理解，但是需要一個Timer執行緒，資源佔用較重。

令牌桶演算法還有一種實現方案不需要用Timer執行緒，這個經典實現就是Guava中的RateLimiter。RateLimiter實現原理如下：

1. startTick記錄RateLimiter初始化時的時間戳（單位ns），後續nowMicros(當前時間點)都是取(System.nanoTime()-startTick)/1000；
2. nextFreeTicketMicros記錄下次可獲取令牌的開始時間點，在RateLimiter初始化和獲取到令牌之後會進行更新；
3. 如果nowMicros大於等於nextFreeTicketMicros，表示可以獲取令牌；如果nowMicros大於nextFreeTicketMicros，會計算二者差值併除以放一個令牌的週期，然後賦值給storedPermits
   欄位（表示當前桶中令牌數，注意不能超過桶容量）；
4. 然後storedPermits減去當前需要令牌數，如果此時要獲取令牌數大於storedPermits，那麼會將nextFreeTicketMicros再往後推進(要獲取令牌 - storedPermits) * 放一個令牌的週期 的時間。

更具體的步驟及程式碼實現可參考RateLimiter原始碼，這裡不再贅述。

從步驟4可以看出，初始化一個RateLimiter.create(100)，是可以執行rateLimiter.tryAcquire(200)的，只不多會將nextFreeTicketMicros再往後推進而已。

滑動時間視窗演算法

滑動時間視窗演算法就是根據當前時間獲取對應的時間視窗，時間視窗儲存有流量相關的統計值，根據該統計值判斷是否觸發流控。

一般來說，時間視窗可以迴圈複用，在複用時重新初始化即可，具體實現可參考sentinel的滑動視窗實現。滑動時間視窗能夠支援的瞬時流量最大可為該視窗上限，而令牌桶演算法能夠支援的瞬時流量最大為桶大小；注意，滑動時間視窗演算法中獲取token數量一次最大不能超過視窗上限，而RateLimiter實現的令牌桶可以支援一次獲取超過桶大小的token。

分散式限流

上述所說的幾種限流都是單臺機器上的限流演算法，有些場景下我們還需要分散式限流，一種是基於Redis做分散式限流，另一種類似於Sentinel分散式限流。

Sentinel

Sentinel分散式限流是啟動一個token server伺服器，其他sentinel client端就是token client端，當做限流操作時，從token server獲取token，獲取成功表示未觸發限流；否則表示觸發了限流；通訊出現異常，可配置降級走本地Sentinel限流機制。分散式限流文件：Sentinel叢集流控

sentinel的分散式限流是token client呼叫以下方法到服務端獲取token，相當於是每次都會獲取acquireCount個token：

//獲取令牌Token， 引數規則Id，獲取令牌數，優先順序 
TokenResult requestToken(Long ruleId, int acquireCount, boolean prioritized); 

基於Redis限流

基於Redis做限流操作，使用lua指令碼保證命令原子性，比如qps設定為10，如果key不存在，就設定key過期時間1s，value=1；如果value小於10，則自增value；value達到10觸發流控。示例lua程式碼如下：

local key = "rate.limit:" .. KEYS[1]
local limit = tonumber(ARGV[1])
local expire_time = ARGV[2]

local is_exists = redis.call("EXISTS", key)
if is_exists == 1 then
    if redis.call("INCR", key) > limit then
        return 0
    else
        return 1
    end
else
    redis.call("SET", key, 1)
    redis.call("EXPIRE", key, expire_time)
    return 1
end

常用的限流演算法有漏桶、令牌桶和滑動視窗，根據具體場景可選擇不同限流演算法；如果需要叢集限流，可選用Sentinel或者基於Redis做分散式限流。

關於Sentinel，估計挺多小夥伴還不知道Sentinel是個什麼東東，Sentinel是一個以流量為切入點，從流量控制、熔斷降級、系統負載保護等多個維度保護服務的穩定性的框架。github地址為：https://github.com/alibaba/Sentinel。

筆者整理了一份《Sentinel不完全指南》，需要的小夥伴可以關注「TopCoder」公眾號傳送 sentinel來獲取，《Sentinel不完全指南》和Sentinel官方文件，二者互為補充，結合起來學習Sentinel效果更好呦 : )

歡迎小夥伴關注【TopCoder】閱讀更多精彩好文。

相關推薦