為什么要做限流
首先讓我們先看一看系統(tǒng)架構設計中，為什么要做“限流”。
旅游景點通常都會有最大的接待量，不可能無限制的放游客進入，比如故宮每天只賣八萬張票，超過八萬的游客，無法買票進入，因為如果超過八萬人，景點的工作人員可能就忙不過來，過于擁擠的景點也會影響游客的體驗和心情，并且還會有安全隱患；「只賣N張票，這就是一種限流的手段」。
軟件架構中的服務限流也是類似，也是當系統(tǒng)資源不夠的時候，已經(jīng)不足以應對大量的請求，為了保證服務還能夠正常運行，那么按照規(guī)則，「系統(tǒng)會把多余的請求直接拒絕掉，以達到限流的效果」；
不知道大家注意過沒有，比如雙11，剛過12點有些顧客的網(wǎng)頁或APP會顯示下單失敗的提示，有些就是被限流掉了。
常見的限流算法
計數(shù)法
顧名思義就是來一個，記錄一個，比如我1分鐘只能處理1000個請求，那么我們就可以設置一個計數(shù)器，來一個請求就incr+1，當1分鐘之內的數(shù)量大于等于1000之后不處理了即可，偽代碼如下
$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$rate_limit = 1000; //限制個數(shù)
$rate_seconds = 60; //限制時間
$redis_key = "redis_limit";
$count = $redis->get($redis_key);
if ($count >= $rate_limit){ //判斷60秒內請求個數(shù)是否已經(jīng)達到上限
//直接返回，不處理請求
return
}
$redis->incr($redis_key, 1);//請求計數(shù)
$redis->expire($redis, $rate_seconds); //設置過期時間 60s
//to do 業(yè)務邏輯處理.......
這種計數(shù)方式比較簡單快捷，但是有很大的缺點，因為請求的訪問不一定是很平穩(wěn)的，如果0:59過來了1000個請求，1:01已經(jīng)是下一個窗口，又過來了1000個請求，但實際上三秒內來了2000個請求，已經(jīng)超過我們的限流上限了。所以這種方法是不推薦的。
滑動窗口算法
還拿上面的例子，一分鐘分6份，每份10秒；每過10秒鐘，我們的時間窗口就會往右滑動一格，每個格子都有獨立的計數(shù)器，我們每次都計算時間窗口內的數(shù)量，可以解決計數(shù)器法中的問題，而且當滑動窗口的格子越多，那么限流的統(tǒng)計就會越精確。具體可以參考下圖，看圖比較清晰
偽代碼實現(xiàn)如下
function api_limit($scene, $period, $maxCount){
$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$key = sprintf('hist:%s', $scene); //限流場景唯一標識
$now = msectime(); // 毫秒時間戳,這樣更精確
$pipe=$redis->multi(Redis::PIPELINE); //使用管道提升性能
$pipe->zadd($key, $now, $now); //value 和 score 都使用毫秒時間戳
$pipe->zremrangebyscore($key, 0, $now - $period); //移除時間窗口之前的行為記錄，剩下的都是時間窗口內的
$pipe->zcard($key); //獲取窗口內的行為數(shù)量
$pipe->expire($key, $period/1000 + 1); //多加一秒過期時間
$replies = $pipe->exec();
return $replies[2] = $maxCount; //$replies[2]為zcard返回的個數(shù) 如果zcard結果大于maxCount，則不處理結果
}
for ($i=0; $i20; $i++){ //測試限流是否實現(xiàn)代碼
var_dump(isActionAllowed("uniq_scene", 60*1000, 5)); //執(zhí)行可以發(fā)現(xiàn)只有前5次是通過的
}
//返回當前的毫秒時間戳
function msectime() {
list($msec, $sec) = explode(' ', microtime());
$msectime = (float)sprintf('%.0f', (floatval($msec) + floatval($sec)) * 1000);
return $msectime;
}
這段代碼還是略顯復雜，需要讀者花一定的時間好好啃。它的整體思路就是：每一個行為到來時，都維護一次時間窗口。將時間窗口外的記錄全部清理掉，只保留窗口內的記錄。
因為這幾個連續(xù)的 Redis 操作都是針對同一個 key 的，使用 pipeline 可以顯著提升Redis 存取效率?！?code>但這種方案也有缺點，因為它要記錄時間窗口內所有的行為記錄，如果這個量很大，比如限定 60s 內操作不得超過 100w 次這樣的參數(shù)，它是不適合做這樣的限流的，因為會消耗大量的存儲空間」。
后面還有漏桶算法和令牌桶算法，由于各自的實現(xiàn)比較復雜，所以準備各自新開一篇文章單獨描述
到此這篇關于redis限流的實際應用的文章就介紹到這了,更多相關redis限流內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 基于Redis的限流器的實現(xiàn)(示例講解)
- 詳解Redis實現(xiàn)限流的三種方式
- 基于Redis實現(xiàn)分布式應用限流的方法
- redis redisson 限流器的實例(RRateLimiter)
