gpt4 book ai didi

限流器算法实现(JUC原子类使用实践)

转载 作者:我是一只小鸟 更新时间:2023-02-17 06:31:16 25 4
gpt4 key购买 nike

系列文章目录和关于我 。

一丶限流器存在的意义

在高并发系统中,出于系统保护角度考虑,通常会对流量进行限流.

限流 *的目的是在遇到流量高峰期或者流量突增(流量尖刺)时,通过对流量速率进行限制,当达到限制速率时,可以拒绝服务(定向到错误页或告知资源没有了)、排队或等待(比如秒杀、评论、下单)、降级(返回兜底数据或默认数据,如商品详情页库存默认有货) 。

二丶限流器算法与实现

0. 写在前面

笔者碰到这样的一道题,有下面的接口,需要实现1s秒只可以申请max次资源,需要考虑到 并发性能 .

image-20230216222846111

显然这是一个限流器,网上有许多博主使用 锁 来实现,笔者将使用juc中的原子类,使用 自旋+cas 实现。并不是说自旋+cas 一定优于锁(自旋是cpu操作,在并发很高的时候会浪费cpu资源),但是相对于锁可以减少用户态到内核态的切换(这是由于java线程和操作系统线程是1比1的模型,上锁是需要切换到内核态的,尽管synchronized 具备锁升级,但是如果并发高了,最终还是重量级锁,依旧具备开销)笔者的cas都没有自定义cas次数,实际使用应该是自旋若干次就放弃,或者切换为使用锁的方式。并且这里都是单机的限流,分布式的限流需要使用其他中间件,如redis实现.

而且在并发很高,很极限的情况下,这种cas的方式存在bug,所以成熟的实现如gauva的限流器,是使用synchronized实现的.

1.计数器算法

1.2 概述

当前接口限定1s只可以提供n次服务,对于此需求,我们很直观的可以想到使用属性记录当前是第几秒,并且记录这一秒内请求了多少次.

在指定周期内累加访问次数,当访问次数达到设定的阈值时,触发限流策略,当进入下一个时间周期时会将访问次数清零 。

  • 优点:简单直接 。

  • 缺点:临界问题 。

    如果在0.5 1s内请求max次,从1s 1.5s请求max次,这样可以实现在0.5~1.5这一秒内请求来到2max次.

1.2 实现

首先我们要记录 在x秒 请求了 y次 ,并且这两个值必须是原子的.

这里我们使用 AtomicStampedReference ( JUC源码学习笔记4——原子类,CAS,Volatile内存屏障,缓存伪共享与UnSafe相关方法 中讲到过),此类本意是为了防止cas的ABA问题,其中会记录值和对应的 版本 ,并且其 compareAndSet 方法可以同时更新值和对应的版本,这里我们使用版本表示当前是多少秒,请求多少次使用 AtomicInteger 记录,方便我们在同一秒的时候更新请求数量.

                        
                          public class CountRateLimiter implements RateLimiter {

    /**
     * 一秒可以接受多少个请求
     */
    private final int numAcceptablePerSecond;

    /***
     * 版本号对应秒数
     * 里面的 AtomicInteger 记录这一秒范围内的请求数量
     */
    private final AtomicStampedReference<AtomicInteger> helper;


    public CountRateLimiter(int numAcceptablePerSecond) {
        this.numAcceptablePerSecond = numAcceptablePerSecond;
        this.helper =
                new AtomicStampedReference<>(new AtomicInteger(numAcceptablePerSecond), -1);
    }


    @Override
    public boolean acquire(int n) {
        //不要太过分了
        if (n > numAcceptablePerSecond) {
            return false;
        }
        //上一次请求是多少秒的请求
        int oldSeconds = helper.getStamp();
        //当前多少秒
        int currentSeconds = currentSeconds();

        //不是同一秒的请求
        //如果和当前不是一个版本(意味着不是同一秒) 那么cas 修改版本并重置许可数量
        if (oldSeconds != currentSeconds) {
            //原剩余的许可数量
            AtomicInteger oldPermits = helper.getReference();
            //cas 修改 同时修改版本,并且扣减数量
            if (helper.compareAndSet(oldPermits,
                    //新许可的数量为  numAcceptablePerSecond - n
                    new AtomicInteger(numAcceptablePerSecond - n), oldSeconds, currentSeconds)) {
                //cas 成功 那么说明成功 拿到令牌
                return true;
            }
        }
		
        //到这里说明 是同一秒(oldSeconds == currentSeconds)
        //或者上面的if存在多线程竞争当前线程竞争失败 其他线程重置了计数器 ==> 那么cas 减少许可数量
        
   		//这里判断了一下 当前秒还是相等的,避免由于gc在第一个if中停留太久,比如第一秒线程A和B进入到第一个if,线程B成功了,但是线程A失败了,并且暂停了2s,出来的时候时间已经是3s了,我们不能让1s的请求占用3s时候的令牌数
        return currentSeconds() == currentSeconds &&
            
                //最后这里存在问题 如果在0.99999s的请求来到这里,但是时间来到1s,这个cas才成功,那么0.99999s的请求将打过来。导致1s的qps大于max
                helper.getReference().addAndGet(-n) >= 0;
    }



    private static int currentSeconds() {
        return (int) ((System.currentTimeMillis() / 1000) % Integer.MAX_VALUE);
    }


}

                        
                      

2.滑动窗口

2.1 概述

为了避免计数器中的临界问题,让 限制更加平滑 ,将固定窗口中分割出多个小时间窗口,分别在每个小的时间窗口中记录访问次数,然后根据时间将窗口往前滑动并删除过期的小时间窗口.

计数器算法,可以看做只有两个窗口,因此在两个窗口边界的时候会出现临界问题。而滑动窗口统计当前时间处于的1s内产生了多少次请求,避免了临界问题 。

  • 优点:实现相对简单,且没有计数器算法的临界问题
  • 缺点:无法应对短时间高并发(突刺现象),比如我在间歇性高流量请求,每一批次的请求,处于不同的窗口(图中的虚线窗口)(如10.1s,20.1s分别产生max次请求,其实的系统qps还是大于max的)

image-20230216223141292

2.2 实现

                        
                          /**
 * 滑动窗口限流器
 * <p>
 * 假设指定窗口总时长 为 1s 可以接受 10个请求,窗口分为5格
 * 说明单格时间长度为200毫秒
 * |_____|_____|_____|_____|_____|
 * 0    200   400  600    800   1000
 * <p>
 * 当前时间为 500毫秒 那么落在 (500/200)%5 也就是第二格
 * 那么500 毫秒是否可以接受请求 需要统计所有格子中的数量
 * <p>
 * 当时间来到 1500 毫秒,落在 (1500/200)%5 也是第二格
 * |_____|_____|_____|_____|_____|_____|_____|_____|
 * 0    200   400  600    800  1000   1200  1400  1600
 * 从500到1500才是我们需要记录的,窗口数组大小是不变的
 *
 * 500的窗口版本是 500/1000 = 0
 * 1500的窗口版本是 1500/1000 = 1
 *
 * 根据窗口版本来统计 哪些格子我们是要统计的,如果旧窗口版本小于当前窗口版本 不要计数
 * (这里的版本 可以理解为没过 1000秒 版本加1,版本不同意味着是一秒前的数据)
 *
 * @author cuzz
 * @version 1.0
 **/
public class SlidingWindowRateLimiter implements RateLimiter {

    //滑动窗口中的一个元素
    private static class WindowElement {
        /***
         * 版本
         */
        private volatile long version;
        /**
         * 计数
         */
        private final AtomicInteger counter;

        private WindowElement(long version, AtomicInteger counter) {
            this.version = version;
            this.counter = counter;
        }

        private void changeVersion(long newVersion) {
            this.version = newVersion;
        }

        private void reset(int n) {
            counter.set(n);
        }

        void add(int n) {
            counter.addAndGet(n);
        }
    }

    /**
     * 整个窗口的大小,比如一秒 只能接受100个请求 那么此值设置为1000(毫秒)
     */
    private final long windowTimeMillions = 1000;
    /***
     * 窗口的长度,窗口的长度,窗口越长,越能防止临界问题
     */
    private final int windowLength;
    /***
     * 窗口数组
     */
    private final AtomicReferenceArray<WindowElement> slidWindow;
    /***
     * 一秒接受 100个请求 那么此值设置为 100
     */
    private final int canAcceptRequestTimes;
    /**
     * 记录 窗口每一个元素  对应的时间跨度
     * 1秒接受100个请求 那么此处为 1000(毫秒)/100 = 10毫秒
     */
    private final int millionsEachOne;

    /**
     * @param windowLength          指定窗口数量
     * @param canAcceptRequestTimes 在 1s 内可以接受多少个请求
     */
    public SlidingWindowRateLimiter(int windowLength,
                                    int canAcceptRequestTimes) {
        this.windowLength = windowLength;
        this.canAcceptRequestTimes = canAcceptRequestTimes;
        slidWindow = new AtomicReferenceArray<>(new WindowElement[windowLength]);
        millionsEachOne = (int) (windowTimeMillions / windowLength);
    }

    @Override
    public boolean acquire(int n) {
        //1s分为5格 那么 一格200ms
        //当前时间为 500毫秒 那么落在 (500/200)%5 也就是第二格
        long currentTimeMillis = System.currentTimeMillis();
        //这次请求 落在 哪个桶
        int index = (int) ((currentTimeMillis / millionsEachOne) % windowLength);
        //当前这次请求的 version 即当前是多少秒
        long version = (currentTimeMillis - currentTimeMillis % windowTimeMillions);
        //1. 拿到当前当前的计数
        //1.1 如果计数为空 说明从来没有其他请求设置元素,这时,我们需要cas初始化结束计数
        //1.2 如果计数不为空
        // 1.2.1 是相同的版本 那么自增计数
        // 1.2.3 如果不是相同的版本(之前版本小于当前版本),那么更新版本
        // 1.2.4 如果不是相同的版本(之前版本大于当前版本),基本上不可能,因为时间是不会倒流的

        //操作这次请求落下的桶
        WindowElement currentIndex = slidWindow.accumulateAndGet(index,
                new WindowElement(version, new AtomicInteger(n)), (old, now) -> {
                    //计数为空 说明从来没有其他请求设置元素,这时,我们需要cas初始化结束计数
                    if (old == null) {
                        return now;
                    }

                    //当前请求的次数
                    int currentRequest = now.counter.get();

                    //是同一秒 那么自增
                    if (old.version == now.version) {
                        old.add(now.counter.get());
                    } else {
                        //如果不是相同的版本(之前版本小于当前版本),那么更新版本 更新技术
                        old.reset(currentRequest);
                        old.changeVersion(now.version);
                    }
                    return old;
                });

        //大于最大数量返回false 这一瞬间对应的元素 就已经超出了我们的预期 那么返回false
        if (currentIndex.counter.get() > canAcceptRequestTimes) {
            return false;
        }
        
        //统计窗口内所有请求数
        long sum = 0;
        //下面这一段 不具备瞬时一致性
        for (int i = 0; i < windowLength; i++) {
            WindowElement e = slidWindow.get(i);
            if (e != null && e.version == version) {
                sum += e.counter.get();
                if (sum > canAcceptRequestTimes) {
                    return false;
                }
            }
        }
        //小于等于才可以
        return sum <= canAcceptRequestTimes;
    }


}

                        
                      

感觉滑动窗口,不使用锁,是比较难实现的,因为上面的增加次数 和下面的 统计总数,不具备原子性.

3. 漏桶算法

漏桶限流算法的核心就是, 不管上面的水流速度有多块, 漏桶水滴的流出 速度始终保持不变 .

这里的水流就是我们的请求,漏水的速度始终不变,是指我们业务线程处理的速度不变,每隔一段时间从任务队列中拿一个请求进行处理 。

image-20230216223159914

漏桶算法,我觉得可以用于网关层,每次请求来了放在阻塞队列,然后网关线程,每隔一段线程拿出一个请求去转发执行,但是转发请求,拿到返回进行响应的时间是不固定,所以网关线程需要使用其他的线程去异步处理,网关线程只负责定时拿请求分配给其他线程异步处理。(本题目中接口要求立马返回false 或者true,不太契合就没写了) 。

大体的思路就是请求来了塞到任务队列,定时线程每隔一段时间取一个请求,交给另外的线程异步处理。如果请求太多,那么阻塞队列塞不进去,直接返回false.

4.令牌桶算法

4.1 概述

令牌桶算法:请求执行作为消费者,每个请求都需要去桶中拿取一个令牌,取到令牌则继续执行;如果桶中无令牌可取,就触发拒绝策略,可以是超时等待,也可以是直接拒绝本次请求,由此达到限流目的。当桶中令牌数大于最大数量的时候,将不再添加。它可以适应流量突发,N 个请求到来只需要从桶中获取 N 个令牌就可以继续处理.

image-20230216223329049

4.2 实现

                        
                          Guava中的RateLimiter 使用此算法,且提供了预热模式,推荐使用

                        
                      

4.2.1 定时任务定时生成

我们可以使用一个定时任务每隔一段时间想桶中生成令牌,记录令牌的数量使用原子类.

这样实现非常简单,但是每一个限流器需要一个线程去生成,如果我们存在100个接口单独限流,那么需要100个线程 。

4.2.2 延迟计算令牌数量

我们需要记录上一次请求的时间,和桶中剩余的令牌数,并且桶中的数量最好为double类型,因为此次请求和上一次请求的间隔时间,生成的令牌数可以为小数。所以我实现一个Helper内部类,实现这两个值的原子更新 。

                        
                          static class Helper {
    //同时记录上一次请求时间 和 剩余数量
    private static class Pair {
        
        public Pair(long time, double count) {
            this.time = time;
            this.count = count;
        }

        final long time;
        final double count;
    }

    private double count() {
        return pair.count;
    }

    private long time() {
        return pair.time;
    }
	
    //同时记录上一次请求时间 和 剩余数量
    private volatile Pair pair;
    //反射获取unsafe进行cas操作
    private static final Unsafe UNSAFE = getUnsafe();


    Helper(double count) {
        pair = new Pair(-1, count);
    }
	
    //pair 字段的偏移,cas需要当期更改对象的地址
    private final static long OFFSET_OF_PAIR;

    static {
        try {
            OFFSET_OF_PAIR = UNSAFE.objectFieldOffset(Helper.class.getDeclaredField("pair"));
        } catch (NoSuchFieldException e) {
            throw new RuntimeException(e);
        }
    }
	
    //cas修改,一次是,上一次的时间 和上一次剩余数量,和当前时间,当前数量
    boolean cas(long oldTime, double oldCount, long newTime, double newCount) {
        final Pair current = pair;
        return oldTime == current.time &&
            			//小于0.00001视为 数量相同,这里需要根据并发度进行设定
                        Math.abs(oldCount - current.count) < 0.00001 &&
                        casPair(current, new Pair(newTime, newCount));
    }

    //cas修改 调用unsafe 实现
    boolean casPair(Pair old, Pair newPair) {
        return UNSAFE.compareAndSwapObject(this, OFFSET_OF_PAIR, old, newPair);
    }

    private static Unsafe getUnsafe() {
        try {
            Constructor<Unsafe> constructor = Unsafe.class.getDeclaredConstructor();
            constructor.setAccessible(true);
            return constructor.newInstance();
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    }
}

                        
                      
                        
                          public class TokenRateLimiter3 implements RateLimiter {

	//一秒可以接受多少请求
    private final int tokenPerSeconds;
	//记录token数量和上次请求时间
    private final Helper tokenCount;

    public TokenRateLimiter3(int tokenPerSeconds) {
        this.tokenPerSeconds = tokenPerSeconds;
        tokenCount = new Helper(0);
    }

    @Override
    public boolean acquire(int n) {
        if (n > tokenPerSeconds) {
            return false;
        }
        //当前请求时间
        long currentTimeMillis = System.currentTimeMillis();
        while (true) {

            //当前token 有多少个 
            double token = tokenCount.count();
            //上一期请求时间
            long preRequestTime = tokenCount.time();
            //这段时间可以生成多少令牌
            double canGenerate = (((double) (currentTimeMillis - preRequestTime) / 1000.0)
                    * tokenPerSeconds);

            //桶中可以存储的令牌的数量,最大不过 tokenPerSeconds
            double canStore = Math.min(token + canGenerate, tokenPerSeconds);

            //小于请求的令牌数
            if (canStore < (double) n) {
                return false;
            }
            //剩余多少令牌
            double release = canStore - n;
			
            //cas修改
            if (tokenCount.cas(preRequestTime,
                    token, currentTimeMillis, release)) {
                return true;
            }
        }
    }
}

                        
                      

最后此篇关于限流器算法实现(JUC原子类使用实践)的文章就讲到这里了,如果你想了解更多关于限流器算法实现(JUC原子类使用实践)的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com