大家好，我是Java烘焙師。為了避免突增流量引起服務雪崩，需要對接口、存儲資源做限流保護，根據系統負載情況設置合適的限流值。下面結合筆者的經驗和思考，對主要限流方案的選型做一下總結，本篇先看如何使用，下一篇再看背后的原理。

下面介紹幾種常見限流方案的使用方法、優缺點：

• 單機限流：Guava RateLimiter
• 同時支持單機限流、集群限流：Sentinel
• 分布式限流：Redisson RateLimiter

1. 單機限流：Guava RateLimiter

使用

官網API文檔：https://guava.dev/releases/snapshot-jre/api/docs/com/google/common/util/concurrent/RateLimiter.html

Guava是Google開源的Java類庫，提供了很多實用的工具，包括集合、本地緩存、并發編程工具等。Guava RateLimiter就是其中的單機限流工具，核心概念如下：

• 每秒允許通過的最大permits：
  • 當請求獲取1個permit時，就相當于是qps限流
  • 當請求獲取多個permits時，代表該請求需要消耗多少資源，比如想限定更新DB的SQL qps為1000，則需獲取1000 permits
• 支持預熱：在預熱期內逐步支持到最大permits，適用于需要預熱緩存資源的場景
• 允許突發流量：每次請求是否被限流，不取決于該次請求permits的多少，而是取決于前一次請求，前一次請求的permits越多，則后續請求需等待的時間越長
  • 比如有一個空閑的RateLimiter，第一次請求無論是獲取1 permit、還是10000 permits，都能立刻成功，但是會計算出下一次permits可用的時間。那么第一次請求是10000 permits時，第二次請求即使只需10 permits也可能要長時間等待

如下分別是阻塞、非阻塞方式，使用Guava RateLimiter的示例。

    // 創建一個每秒允許10個permits的限流器
    RateLimiter rateLimiter = RateLimiter.create(10.0);

    // 1. 阻塞的方式
    long startTime = System.currentTimeMillis();
    // 獲取5 permits；如果充足，則獲取成功，否則阻塞等待
    rateLimiter.aquire(5);
    long endTime = System.currentTimeMillis();
    // 打印阻塞等待的時間
    System.out.println("Processing business logic. Waiting time ms: " + (endTime - startTime));

    // 2. 非阻塞的方式
    // 嘗試獲取1 permit
    if (rateLimiter.tryAcquire()) {
        // 如果能獲取到令牌，則繼續處理業務邏輯
        System.out.println("Processing business logic...");
    } else {
        // 否則快速失敗，返回友好提示或執行降級邏輯
        System.out.println("Too many requests.");
    }

優點

• 性能極高：純計算，無網絡開銷
• 實現簡單

缺點

• 無法跨實例協同，從整體層面控制限流

2. 同時支持單機限流、集群限流：Sentinel

使用

官網文檔：https://sentinelguard.io/zh-cn/docs/introduction.html

Sentinel是阿里開源的流量治理組件，在國內使用較廣泛。核心概念如下：

• 資源：可以是接口（調入、調出均可），也可以是任何一段代碼邏輯。可通過sentinel注解、或者sentinel API包裝成受保護的資源
• 規則：圍繞資源的實時狀態設定的規則，包括流量控制規則、熔斷降級規則以及系統保護規則，所有規則都可以動態實時調整。
  • 常見的流量控制規則：
    • 限流閾值類型：支持QPS、線程數模式，默認是按QPS來限流
    • 流控效果：即超過限流閾值時的行為，支持直接拒絕、排隊等待、慢啟動模式，默認是直接拒絕
  • 常見的熔斷降級規則：
    • 熔斷策略：即在什么情況下熔斷降級，支持慢調用比例、異常比例、異常數策略，默認是慢調用比例
    • 熔斷閾值：慢調用比例模式下為慢調用的RT平均響應時間，異常比例/異常數模式下為對應的閾值
• 集群限流：是為了解決流量在集群內各實例之間不均勻、導致觸發單機限流，而達不到總QPS預期的問題。集群限流有2種模式：單機均攤、全局閾值，為了避免token server成為瓶頸，比較典型的是單機均攤。
  • 單機均攤：先設置一個集群限流閾值，然后再根據機器實例數均攤到單機上，即單機限流值=集群限流值/機器實例數
  • 全局閾值：集群流控中共有兩種身份
    • Token Client：集群流控客戶端，用于向所屬 Token Server 通信請求 token。集群限流服務端會返回給客戶端結果，決定是否限流
    • Token Server：即集群流控服務端，處理來自 Token Client 的請求，根據配置的集群規則判斷是否應該發放 token（是否允許通過）

如下分別是通過sentinel注解、sentinel API方式的示例。

• sentinel注解一般加在受保護的接口、訪問存儲資源的方法上
• sentinel API更加靈活，可包住受保護的業務代碼片段；更進一步，結合業務入參，可實現熱點參數限流

    // 1. sentinel注解：在sentinel控制臺上可針對定義的資源名配置限流規則
    @Service
    @SentinelResource(value = "protectedMethod")
    public String protectedMethod(Request request) {
    }

    // 2. sentinel API
    // 2.1 拋異常方式定義資源
    try (Entry entry = SphU.entry("protectedResource1")) {
        // 被保護的邏輯
        System.out.println("protected resource 1");
    } catch (BlockException ex) {
        // 處理被流控的邏輯
        System.out.println("blocked!");
    }

    // 2.2 返回布爾值方式定義資源
    if (SphO.entry("protectedResource2")) {
        // 務必保證finally會被執行
        try {
            // 被保護的業務邏輯
        } finally {
            SphO.exit();
        }
    } else {
        // 資源訪問阻止，被限流或被降級
        // 進行相應的處理操作
    }

    // 2.3 熱點參數限流
    try (Entry entry = SphU.entry("hotspotResource", EntryType.IN, 1, paramA, paramB)) {
        // 易出現熱點參數的業務邏輯
    } catch (BlockException ex) {
        // 熱點參數限流
    } finally {
        if (entry != null) {
            entry.exit(1, paramA, paramB);
        }
    }

優點

• 易于與Java框架集成，提高應用開發效率：如Spring Cloud、Dubbo等
• 功能強大：在控制臺頁面，可動態配置限流規則、熔斷降級規則

缺點

• sentinel的集群限流，在單機均攤模式下最終會換算為單機限流，當集群限流值較低、機器實例數較多時，計算出的單機限流值可能不準，無法精準控制總的集群限流
  • 例如：有100臺機器，按30 qps來限流；則計算出的單機均攤qps不足1、按1處理，這樣總的集群限流就變成了100 qps，大于預期的30 qps

3. 分布式限流：Redisson RateLimiter

使用

官網API文檔：https://redisson.pro/docs/data-and-services/objects/#ratelimiter

Redisson是一個高性能的Redis客戶端框架，提供了基于redis實現的分布式工具，如分布式集合、分布式鎖、布隆過濾器等，借助Redisson RateLimiter可以實現分布式限流。核心概念如下：

• 允許在一段時間間隔內，最多有n個permits通過
• 通過redis lua腳本實現限流邏輯、以及原子操作

如下是使用Redisson RateLimiter的示例。

    // 使用Redisson的分布式限流器
    RRateLimiter limiter = redisson.getRateLimiter("myLimiter");

    // 限定每60秒100個permits
    limiter.trySetRate(RateType.OVERALL, 100, 60, RateIntervalUnit.SECONDS);
    // 阻塞式獲取5 permits
    limiter.acquire(5);
    // 非阻塞式獲取1 permit
    if (limiter.tryAcquire(1)) {
        // 獲取到permit，執行業務邏輯
    } else {
        // 被限流
    }

優點

• 基于redis實現了分布式限流，能較精準地控制低qps場景的限流
• 與特定框架/限流組件無關

缺點

• 引入了外部依賴，有網絡開銷，系統穩定性易受影響

其它分布式限流方案

筆者還了解到有一個redis模塊 redis-cell 可做分布式限流。不過有以下問題，不是很建議使用：

• 需要額外運維部署，成本較高
• 項目由個人維護，目前已基本停滯

結論

• Java應用開發，一般情況下，可引入Sentinel做接口、存儲資源的限流控制
• 單機任務，如手動執行或定期執行的task，可引入Guava RateLimiter做簡易的限流控制
• 低qps場景的限流、或不想接入特定框架/限流組件的服務，可引入Redisson RateLimiter來實現較精準的分布式限流控制