Java代碼實(shí)現(xiàn)四種限流算法詳細(xì)介紹
前言
上個(gè)月做了一個(gè)BI項(xiàng)目并且使用了限流算法,目的是為了限制用戶瘋狂調(diào)用AI生成接口造成財(cái)產(chǎn)損失,畢竟AI的調(diào)用是要馬內(nèi)的。這個(gè)篇文章會(huì)仔細(xì)探討介紹四種常見(jiàn)的限流算法及其Java代碼實(shí)現(xiàn)。
固定窗口限流
將單位時(shí)間內(nèi)作為一個(gè)時(shí)間窗口,同時(shí)維護(hù)一個(gè)計(jì)數(shù)器,記錄次時(shí)間窗口內(nèi)接收的請(qǐng)求次數(shù)。
- 當(dāng)次數(shù)小于等于限流閾值,允許請(qǐng)求通過(guò),并且計(jì)數(shù)器 +1
- 當(dāng)次數(shù)大于限流閾值,不允許請(qǐng)求通過(guò),計(jì)數(shù)器不變
- 當(dāng)系統(tǒng)時(shí)間(當(dāng)前時(shí)間)超過(guò)時(shí)間窗口,計(jì)數(shù)器重置為0并且開(kāi)始記錄新的窗口內(nèi)接收的請(qǐng)求次數(shù)
缺陷:定義時(shí)間窗口為1s,允許請(qǐng)求數(shù)量為3(請(qǐng)求閾值),說(shuō)明1s內(nèi)只能接收并處理3個(gè)請(qǐng)求。然而如果0.8~0.9s來(lái)了三個(gè)請(qǐng)求,1.1~1.2s來(lái)了三個(gè)請(qǐng)求。雖然這6個(gè)請(qǐng)求都沒(méi)超過(guò)各自窗口的請(qǐng)求閾值,但是已經(jīng)違背了1s內(nèi)接收并處理3個(gè)請(qǐng)求了,因?yàn)樵诓坏?s內(nèi)其接收了6個(gè)請(qǐng)求,存在臨界問(wèn)題。
優(yōu)點(diǎn):簡(jiǎn)單易實(shí)現(xiàn)
缺點(diǎn):
- 有臨界問(wèn)題(流量突刺)
- 不適用于分布式系統(tǒng)
Java代碼實(shí)現(xiàn)
public class FixedWindowRateLimiter {
private final int requestLimit; // 限流閾值
private final long windowSize; // 時(shí)間窗口大?。ê撩耄?
private int count; // 計(jì)數(shù)器
private volatile long windowStart; // 時(shí)間窗口起始時(shí)間
public FixedWindowRateLimiter(long windowSize, int requestLimit) {
this.windowSize = windowSize;
this.requestLimit = requestLimit;
this.count = 0;
this.windowStart = System.currentTimeMillis() / 1000;
}
public synchronized boolean tryAcquire() {
long currentTime = System.currentTimeMillis();
if (currentTime - windowStart > windowSize) { // 如果當(dāng)前時(shí)間已經(jīng)超出窗口時(shí)間,則重置窗口
windowStart = currentTime;
count = 0;
}
if (count < requestLimit) {
count++; // 增加計(jì)數(shù)
return true;
} else {
return false;
}
}
public static void main(String[] args) {
FixedWindowRateLimiter fixedWindowRateLimiter = new FixedWindowRateLimiter(10, 2); // 時(shí)間窗口大小,請(qǐng)求閾值(請(qǐng)求限制)
for (int i = 0;i < 10;i++) {
boolean allowed = fixedWindowRateLimiter.tryAcquire();
System.out.println("請(qǐng)求" + (i+1) + ":" + (allowed ? "被允許" : "被拒絕"));
}
}
}結(jié)果:

滑動(dòng)窗口限流
為了解決固定窗口限流的臨界問(wèn)題,便有了滑動(dòng)窗口限流算法。
滑動(dòng)窗口將單位時(shí)間劃分n個(gè)小周期,通過(guò)計(jì)數(shù)器記錄每個(gè)小周期內(nèi)的請(qǐng)求次數(shù),每過(guò)0.2s后時(shí)間窗口就往后推移1小格即一個(gè)小周期(0.2s),那么最初的小周期就會(huì)被刪除,并且隨著時(shí)間的推移刪除已過(guò)期的小周期。
比如,將單位時(shí)間1s劃分5個(gè)小周期,每個(gè)小周期為0.2s。每個(gè)小周期內(nèi)的請(qǐng)求次數(shù)由各自且獨(dú)立的計(jì)數(shù)器記錄,統(tǒng)計(jì)5個(gè)小周期的計(jì)數(shù)器總和是否超過(guò)請(qǐng)求閾值,沒(méi)有就請(qǐng)求允許,否則請(qǐng)求被拒絕。起初滑動(dòng)窗口是0~1s;當(dāng)過(guò)了0.2s后,0~0.2s這個(gè)小周期就會(huì)被刪除,同時(shí)滑動(dòng)窗口后移0.2s(一個(gè)小周期),那么新的滑動(dòng)窗口變?yōu)榱?.2~1.2s。
用上述固定窗口的臨界例子應(yīng)用到滑動(dòng)窗口:0.8~0.9來(lái)了三個(gè)請(qǐng)求,這三個(gè)請(qǐng)求被允許了(此時(shí)滑動(dòng)窗口是0~1.0s)。過(guò)了0.2s后,新的滑動(dòng)窗口變?yōu)榱?.2~1.2s,當(dāng)1.1~1.2s來(lái)了三個(gè)請(qǐng)求,這三個(gè)請(qǐng)求就會(huì)被拒絕。因?yàn)榇藭r(shí)新的5個(gè)小周期的計(jì)數(shù)器總和為3達(dá)到了請(qǐng)求閾值,所以.1~1.2s來(lái)的三個(gè)請(qǐng)求會(huì)被拒絕。
優(yōu)點(diǎn):解決了固定限流算法的臨界(流量突刺)問(wèn)題
缺點(diǎn):
- 相比固定限流難理解和實(shí)現(xiàn)
- 不適用分布式系統(tǒng)
- 超過(guò)請(qǐng)求閾值的請(qǐng)求直接被拒絕了,而不是丟棄,給用戶的體驗(yàn)不好
- 限流效果與劃分的小周期的數(shù)量有關(guān),但往往很難選取
Java實(shí)現(xiàn)
public class SlidingWindowRateLimiter {
private final int windowSize; // 時(shí)間窗口大小,單位為秒
private final int requestLimit; // 在時(shí)間窗口內(nèi)允許的最大請(qǐng)求數(shù)
private final LinkedList<Long> timestamps; // 存儲(chǔ)請(qǐng)求的時(shí)間戳
public SlidingWindowRateLimiter(int windowSize, int requestLimit) {
this.windowSize = windowSize;
this.requestLimit = requestLimit;
this.timestamps = new LinkedList<>();
}
public synchronized boolean allowRequest() {
long currentTime = System.currentTimeMillis() / 1000; // 獲取當(dāng)前時(shí)間戳(秒)
// 移除時(shí)間窗口之外的時(shí)間戳
while (!timestamps.isEmpty() && timestamps.getFirst() <= currentTime - windowSize) {
timestamps.removeFirst();
}
// 檢查當(dāng)前請(qǐng)求數(shù)是否超過(guò)限制
if (timestamps.size() < requestLimit) {
timestamps.addLast(currentTime);
return true; // 允許請(qǐng)求
} else {
return false; // 請(qǐng)求超過(guò)限制
}
}
public static void main(String[] args) {
SlidingWindowRateLimiter rateLimiter = new SlidingWindowRateLimiter(10, 2);
// 模擬請(qǐng)求
for (int i = 0; i < 10; i++) {
boolean allowed = rateLimiter.allowRequest();
System.out.println("請(qǐng)求 " + (i + 1) + ": " + (allowed ? "被允許" : "被拒絕"));
}
}
}結(jié)果:

漏桶限流
漏桶限流算法又算是解決了固定窗口限流和滑動(dòng)窗口限流出現(xiàn)的請(qǐng)求被拒絕的問(wèn)題,其對(duì)于超出請(qǐng)求閾值的請(qǐng)求會(huì)直接丟棄。
水(請(qǐng)求)以任意的速率流入桶內(nèi),以固定的速率從桶底流出(處理請(qǐng)求),如果水的流入速度大于流出速度(系統(tǒng)請(qǐng)求速度大于處理請(qǐng)求的速度),水就會(huì)溢出(即請(qǐng)求直接被丟棄)。
優(yōu)點(diǎn):
- 解決了請(qǐng)求被直接拒絕的問(wèn)題
- 一定程度上解決了臨界問(wèn)題(流量突刺)
缺點(diǎn):不能迅速處理一批請(qǐng)求(并發(fā)處理請(qǐng)求),因?yàn)樗牧鞒鏊俾适枪潭ǖ模ㄕ?qǐng)求的處理速率是固定的,只能處理一個(gè)請(qǐng)求后再去處理下一個(gè))
Java實(shí)現(xiàn):
package DataStructure.RateLimtAlgorithm;
import java.time.Instant;
import java.util.concurrent.atomic.AtomicLong;
public class LeakyBucketRateLimiter {
private final int capacity; // 桶的容量
private final int rate; // 漏水速率,單位:請(qǐng)求/秒
private AtomicLong water; // 當(dāng)前桶中的水量
private Instant lastLeakTime; // 上一次漏水的時(shí)間點(diǎn)
public LeakyBucketRateLimiter(int capacity, int rate) {
this.capacity = capacity;
this.rate = rate;
this.water = new AtomicLong(0);
this.lastLeakTime = Instant.now();
}
public synchronized boolean allowed() {
leak(); // 漏水
if (water.get() < capacity) {
water.incrementAndGet();
return true; // 桶未滿,允許請(qǐng)求通過(guò)
} else {
return false; // 桶已滿,拒絕請(qǐng)求
}
}
private synchronized void leak() {
Instant now = Instant.now();
long interval = now.getEpochSecond() - lastLeakTime.getEpochSecond();
long leakedWater = interval * rate; // 計(jì)算漏水的數(shù)量
if (leakedWater > 0) {
water.set(Math.max(0, water.get() - leakedWater)); // 更新桶中的水量
lastLeakTime = now; // 更新上一次漏水的時(shí)間點(diǎn)
}
}
public static void main(String[] args) {
LeakyBucketRateLimiter leakyBucketRateLimiter = new LeakyBucketRateLimiter(5, 2); // 創(chuàng)建一個(gè)容量為10,速率為1個(gè)請(qǐng)求/秒的漏桶
for (int i = 0; i < 10; i++) {
boolean allowed = leakyBucketRateLimiter.allowed();
System.out.println("請(qǐng)求 " + (i + 1) + ": " + (allowed ? "被允許" : "被拒絕"));
try {
Thread.sleep(100); // 模擬請(qǐng)求間隔
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
}結(jié)果:

令牌桶限流
根據(jù)請(qǐng)求的數(shù)量多少,管理員勻速生成一批令牌。只有擁有令牌的請(qǐng)求才會(huì)被允許,否則就會(huì)被丟棄,不予通過(guò)。比如管理員生成了5個(gè)令牌,此時(shí)來(lái)了10個(gè)請(qǐng)求,那么拿到令牌的5個(gè)請(qǐng)求會(huì)被同時(shí)處理,另外5個(gè)請(qǐng)求就會(huì)被丟棄。
一般令牌桶限流可以通過(guò)Redisson限流器實(shí)現(xiàn),因此其適用于分布式系統(tǒng),當(dāng)然前面三種限流算也可用于分布式系統(tǒng)但是需要手動(dòng)實(shí)現(xiàn)。既然令牌桶限流算法這么好,Redisson還幫我們實(shí)現(xiàn)了,所以一般我們都會(huì)選擇它,因?yàn)閷I(yè) [doge]。
優(yōu)點(diǎn):以上三種算法的所有優(yōu)點(diǎn),并且支持并發(fā)處理請(qǐng)求。
缺點(diǎn):
- 不適合長(zhǎng)時(shí)間限流
- 對(duì)資源消耗高,依賴Redis實(shí)現(xiàn)
- 不適用于突發(fā)性任務(wù)
Java實(shí)現(xiàn):
@Service
public class RedisLimiterManager {
@Resource
private RedissonClient redissonClient;
/**
* 限流操作
*
* @param key 區(qū)分不同的限流器,比如不同的用戶 id 應(yīng)該分別統(tǒng)計(jì)
*/
public void doRateLimit(String key) {
// 創(chuàng)建一個(gè)名稱為user_limiter的限流器,每秒最多訪問(wèn)2次
RRateLimiter rateLimiter = redissonClient.getRateLimiter(key);
rateLimiter.trySetRate(RateType.OVERALL, 2, 1, RateIntervalUnit.SECONDS); // OVERALL類型:不管有多少臺(tái)服務(wù)器都是放在一起統(tǒng)計(jì)的,請(qǐng)求閾值,生成令牌的頻率
// 每當(dāng)一個(gè)操作來(lái)了后,請(qǐng)求一個(gè)令牌
boolean canOp = rateLimiter.tryAcquire(1);// 令牌請(qǐng)求數(shù),處理請(qǐng)求需消耗的令牌
if (!canOp) {
throw new BusinessException(ErrorCode.TOO_MANY_REQUEST);
}
}
}
@SpringBootTest
class RedisLimiterManagerTest {
@Resource
private RedisLimiterManager redisLimiterManager;
@Test
void doRateLimit() throws InterruptedException {
String userId = "1";
for (int i=0;i<10;i++) {
redisLimiterManager.doRateLimit(userId);
System.out.println("success");
}
}
}結(jié)果:

參考來(lái)源:面試必備:4種經(jīng)典限流算法講解 - 掘金
到此這篇關(guān)于Java代碼實(shí)現(xiàn)四種限流算法詳細(xì)介紹的文章就介紹到這了,更多相關(guān)Java 限流算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
SpringBoot使用Prometheus采集自定義指標(biāo)數(shù)據(jù)的方法詳解
隨著微服務(wù)在生產(chǎn)環(huán)境大規(guī)模部署和應(yīng)用,隨之而來(lái)也帶來(lái)了新的問(wèn)題,其中比較關(guān)鍵的就是關(guān)于微服務(wù)的運(yùn)維和監(jiān)控,本文將結(jié)合微服務(wù)運(yùn)維監(jiān)控中的指標(biāo)監(jiān)控進(jìn)行詳細(xì)的說(shuō)明,需要的朋友可以參考下2024-07-07
Spring WebFlux使用函數(shù)式編程模型構(gòu)建異步非阻塞服務(wù)
這篇文章主要介紹了Spring WebFlux使用函數(shù)式編程模型構(gòu)建異步非阻塞服務(wù),重點(diǎn)介紹如何使用函數(shù)式編程模型創(chuàng)建響應(yīng)式 RESTful 服務(wù),這種編程模型與傳統(tǒng)的基于 Spring MVC 構(gòu)建 RESTful 服務(wù)的方法有較大差別,感興趣的朋友跟隨小編一起看看吧2023-08-08
代理角色java設(shè)計(jì)模式之靜態(tài)代理詳細(xì)介紹
查了好多資料,發(fā)現(xiàn)還是不全,干脆自己整理吧,至少保證在我的做法正確的,以免誤導(dǎo)讀者,也是給自己做個(gè)記錄吧!2013-05-05
Java使用Jasypt進(jìn)行加密和解密的技術(shù)指南
Jasypt (Java Simplified Encryption) 是一個(gè)簡(jiǎn)化 Java 應(yīng)用中加密工作的庫(kù),它支持加密和解密操作,易于與 Spring Boot 集成,通過(guò) Jasypt,可以安全地管理敏感信息,比如數(shù)據(jù)庫(kù)密碼、API 密鑰等,本文介紹了Java使用Jasypt進(jìn)行加密和解密的技術(shù)指南,需要的朋友可以參考下2025-03-03
SpringBoot-JPA刪除不成功,只執(zhí)行了查詢語(yǔ)句問(wèn)題
這篇文章主要介紹了SpringBoot-JPA刪除不成功,只執(zhí)行了查詢語(yǔ)句問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-12-12
springboot+quartz以持久化的方式實(shí)現(xiàn)定時(shí)任務(wù)的代碼
這篇文章主要介紹了springboot+quartz以持久化的方式實(shí)現(xiàn)定時(shí)任務(wù)的相關(guān)知識(shí),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-07-07

