Java限流方法常見實現(xiàn)方案(單機限流和分布式限流)
在 Java 項目中限制短時間內的頻繁訪問(即接口限流),是保護系統(tǒng)資源、防止惡意攻擊或高頻請求導致過載的重要手段。常見實現(xiàn)方案可分為單機限流和分布式限流,以下是具體實現(xiàn)方式:
一、核心限流算法
無論哪種方案,底層通?;谝韵滤惴ǎ?/p>
- 固定窗口計數(shù)器:將時間劃分為固定窗口(如 1 秒),統(tǒng)計窗口內請求數(shù),超過閾值則拒絕。
- 優(yōu)點:簡單易實現(xiàn);缺點:窗口交界處可能出現(xiàn) “突增流量”(如窗口邊緣允許雙倍閾值請求)。
- 滑動窗口:將固定窗口拆分為多個小窗口,實時滑動計算請求數(shù),解決臨界問題。
- 令牌桶:勻速生成令牌放入桶中,請求需獲取令牌才能處理,支持突發(fā)流量(桶內令牌可累積)。
- 漏桶:請求先進入桶中,系統(tǒng)以固定速率處理,平滑流量波動(不支持突發(fā)流量)。
二、單機限流實現(xiàn)(適用于單實例服務)
1. 基于 Guava 的 RateLimiter(令牌桶算法)
Guava 提供了現(xiàn)成的RateLimiter工具類,適合快速實現(xiàn)單機限流。
依賴引入:
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>31.1-jre</version>
</dependency>代碼示例(結合 Spring 攔截器):
// 1. 定義限流攔截器
public class RateLimitInterceptor implements HandlerInterceptor {
// 每秒允許10個請求(令牌桶算法)
private final RateLimiter rateLimiter = RateLimiter.create(10.0);
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
// 嘗試獲取令牌,無令牌則拒絕
if (!rateLimiter.tryAcquire()) {
response.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
response.getWriter().write("請求過于頻繁,請稍后再試");
return false;
}
return true;
}
}
// 2. 注冊攔截器(Spring配置)
@Configuration
public class WebConfig implements WebMvcConfigurer {
@Override
public void addInterceptors(InterceptorRegistry registry) {
// 對指定路徑生效(如所有接口)
registry.addInterceptor(new RateLimitInterceptor())
.addPathPatterns("/**");
}
}2. 基于滑動窗口的自定義實現(xiàn)
適合需要更精細控制的場景(如按 IP 限流):
public class SlidingWindowLimiter {
// 窗口大?。ê撩耄?
private final long windowSize;
// 窗口內最大請求數(shù)
private final int maxRequests;
// 記錄每個時間片的請求數(shù)(key:時間片起始時間,value:請求數(shù))
private final ConcurrentHashMap<Long, Integer> timeSliceCounts = new ConcurrentHashMap<>();
public SlidingWindowLimiter(long windowSize, int maxRequests) {
this.windowSize = windowSize;
this.maxRequests = maxRequests;
}
public synchronized boolean tryAcquire() {
long now = System.currentTimeMillis();
// 計算當前窗口的起始時間
long windowStart = now - windowSize;
// 移除過期的時間片
timeSliceCounts.keySet().removeIf(timestamp -> timestamp < windowStart);
// 統(tǒng)計當前窗口總請求數(shù)
int totalRequests = timeSliceCounts.values().stream().mapToInt(Integer::intValue).sum();
if (totalRequests < maxRequests) {
// 記錄當前時間片的請求(精確到100ms,可調整精度)
long currentSlice = now - (now % 100);
timeSliceCounts.put(currentSlice, timeSliceCounts.getOrDefault(currentSlice, 0) + 1);
return true;
}
return false;
}
}
// 使用示例(在Controller中)
@RestController
public class TestController {
// 10秒內最多允許5次請求(按IP限流)
private final Map<String, SlidingWindowLimiter> ipLimiters = new ConcurrentHashMap<>();
@GetMapping("/test")
public String test(HttpServletRequest request) {
String ip = request.getRemoteAddr();
// 為每個IP創(chuàng)建獨立的限流器
SlidingWindowLimiter limiter = ipLimiters.computeIfAbsent(ip,
k -> new SlidingWindowLimiter(10000, 5));
if (!limiter.tryAcquire()) {
return "IP:" + ip + " 請求過于頻繁";
}
return "請求成功";
}
}三、分布式限流(適用于多實例集群)
單機限流無法跨服務實例共享狀態(tài),分布式場景需借助中間件(如 Redis)實現(xiàn)全局計數(shù)。
基于 Redis + Lua 腳本(滑動窗口算法)
利用 Redis 的原子性和 Lua 腳本保證限流邏輯的一致性:
Lua 腳本(限流邏輯):
-- 限流key(如:接口名:IP)
local key = KEYS[1]
-- 窗口大小(毫秒)
local windowSize = tonumber(ARGV[1])
-- 最大請求數(shù)
local maxRequests = tonumber(ARGV[2])
-- 當前時間
local now = tonumber(ARGV[3])
-- 窗口起始時間
local windowStart = now - windowSize
-- 移除窗口外的請求記錄
redis.call('ZREMRANGEBYSCORE', key, 0, windowStart)
-- 統(tǒng)計當前窗口內的請求數(shù)
local currentCount = redis.call('ZCARD', key)
if currentCount < maxRequests then
-- 記錄當前請求時間戳
redis.call('ZADD', key, now, now .. ':' .. math.random())
-- 設置key過期時間(避免內存泄漏)
redis.call('EXPIRE', key, windowSize / 1000 + 1)
return 1 -- 允許請求
end
return 0 -- 拒絕請求Java 代碼調用:
@Component
public class RedisRateLimiter {
@Autowired
private StringRedisTemplate redisTemplate;
// 加載Lua腳本
private final DefaultRedisScript<Long> limitScript;
public RedisRateLimiter() {
limitScript = new DefaultRedisScript<>();
limitScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("limit.lua")));
limitScript.setResultType(Long.class);
}
/**
* 嘗試獲取請求權限
* @param key 限流標識(如:"api:test:192.168.1.1")
* @param windowSize 窗口大?。ê撩耄?
* @param maxRequests 最大請求數(shù)
* @return 是否允許
*/
public boolean tryAcquire(String key, long windowSize, int maxRequests) {
Long result = redisTemplate.execute(
limitScript,
Collections.singletonList(key),
String.valueOf(windowSize),
String.valueOf(maxRequests),
String.valueOf(System.currentTimeMillis())
);
return result != null && result == 1;
}
}
// 在Controller中使用
@RestController
public class TestController {
@Autowired
private RedisRateLimiter redisRateLimiter;
@GetMapping("/test")
public String test(HttpServletRequest request) {
String ip = request.getRemoteAddr();
String key = "api:test:" + ip;
// 10秒內最多5次請求
boolean allowed = redisRateLimiter.tryAcquire(key, 10000, 5);
if (!allowed) {
return "請求過于頻繁,請稍后再試";
}
return "請求成功";
}
}四、成熟框架推薦
生產(chǎn)環(huán)境中,推薦使用現(xiàn)成的限流框架簡化開發(fā):
- Sentinel:阿里開源的流量控制框架,支持限流、熔斷、降級,可通過注解或配置中心動態(tài)調整規(guī)則。
- Resilience4j:輕量級熔斷限流框架,支持令牌桶、滑動窗口等多種算法,適合 Spring Boot 項目。
- Spring Cloud Gateway:網(wǎng)關層限流(如基于 Redis 的
RequestRateLimiter過濾器),適合在入口層統(tǒng)一限流。
總結
- 單機服務:優(yōu)先使用 Guava 的
RateLimiter或自定義滑動窗口(簡單場景)。 - 分布式服務:必須基于 Redis 等中間件實現(xiàn)全局限流,配合 Lua 腳本保證原子性。
- 復雜場景:直接集成 Sentinel 等成熟框架,減少重復開發(fā)并支持動態(tài)配置。
根據(jù)業(yè)務需求(如限流粒度:IP / 用戶 / 接口、是否允許突發(fā)流量)選擇合適的方案即可。
到此這篇關于JAVA限流方法的文章就介紹到這了,更多相關java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!
相關文章
SpringBoot2整合JTA組件實現(xiàn)多數(shù)據(jù)源事務管理
這篇文章主要介紹了SpringBoot2整合JTA組件實現(xiàn)多數(shù)據(jù)源事務管理,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
LogBack+MybatisPlus實現(xiàn)打印sql日志
本文主要介紹了LogBack+MybatisPlus實現(xiàn)打印sql日志,設置異步appender實現(xiàn)按天滾動切割日志,保留3天歷史并自動清理,替代P6Spy避免日志過大,同時需配置MybatisPlus日志輸出路徑,并區(qū)分MyBatis與MyBatisPlus日志輸出2025-09-09

