漏桶算法 java实现-a*算法实现java

在高并发场景下有三把利器保护系统：缓存、降级、和限流。缓存的目的是提升系统的访问你速度和增大系统能处理的容量；降级是当服务出问题或影响到核心流程的性能则需要暂时屏蔽掉。而有些场景则需要限制并发请求量，如秒杀、抢购、发帖、评论、恶意爬虫等。

限流算法 常见的限流算法有：计数器，漏桶、令牌桶。

计数器

顾名思义就是来一个记一个，然后判断在有限时间窗口内的数量是否超过限制即可

function isActionAllowed($userId, $action, $period, $maxCount) 
{
 $redis = new Redis();
 $redis->connect('127.0.0.1', 6379);
 $key = sprintf('hist:%s:%s', $userId, $action);
 $now = msectime(); # 毫秒时间戳
 $pipe=$redis->multi(Redis::PIPELINE); //使用管道提升性能
 $pipe->zadd($key, $now, $now); //value 和 score 都使用毫秒时间戳
 $pipe->zremrangebyscore($key, 0, $now - $period); //移除时间窗口之前的行为记录，剩下的都是时间窗口内的
 $pipe->zcard($key); //获取窗口内的行为数量
 $pipe->expire($key, $period + 1); //多加一秒过期时间
 $replies = $pipe->exec();
 return $replies[2] <= $maxCount;
}
for ($i=0; $i<20; $i++){
 var_dump(isActionAllowed("110", "reply", 60*1000, 5)); //执行可以发现只有前5次是通过的
}
//返回当前的毫秒时间戳
function msectime() {
 list($msec, $sec) = explode(' ', microtime());
 $msectime = (float)sprintf('%.0f', (floatval($msec) + floatval($sec)) * 1000);
 return $msectime;
 }

漏桶

漏桶(Leaky Bucket)算法思路很简单,水(请求)先进入到漏桶里,漏桶以一定的速度出水(接口有响应速率),当水流入速度过大会直接溢出(访问频率超过接口响应速率),然后就拒绝请求,可以看出漏桶算法能强行限制数据的传输速率.示意图如下:

具体代码实现如下

capacity = $capacity; //漏斗容量
 $this->leakingRate = $leakingRate;//漏斗流水速率
 $this->leftQuote = $capacity; //漏斗剩余空间
 $this->leakingTs = time(); //上一次漏水时间
 }
 public function makeSpace()
 {
 $now = time();
 $deltaTs = $now-$this->leakingTs; //距离上一次漏水过去了多久
 $deltaQuota = $deltaTs * $this->leakingRate; //可腾出的空间
 if($deltaQuota < 1) { 
 return;
 }
 $this->leftQuote += $deltaQuota; //增加剩余空间
 $this->leakingTs = time(); //记录漏水时间
 if($this->leftQuota > $this->capacaty){
 $this->leftQuote - $this->capacity;
 }
 }
 public function watering($quota)
 {
 $this->makeSpace(); //漏水操作
 if($this->leftQuote >= $quota) {
 $this->leftQuote -= $quota;
 return true;
 }
 return false;
 }
}
$funnels = [];
global $funnel;
function isActionAllowed($userId, $action, $capacity, $leakingRate)
{
 $key = sprintf("%s:%s", $userId, $action);
 $funnel = $GLOBALS['funnel'][$key] ?? '';
 if (!$funnel) {
 $funnel = new Funnel($capacity, $leakingRate);
 $GLOBALS['funnel'][$key] = $funnel;
 }
 return $funnel->watering(1);
}
for ($i=0; $i<20; $i++){
 var_dump(isActionAllowed("110", "reply", 15, 0.5)); //执行可以发现只有前15次是通过的
}

核心逻辑就是makeSpace，在每次灌水前调用以触发漏水，给漏斗腾出空间。 funnels我们可以利用Redis中的hash结构来存储对应字段漏桶算法 java实现，灌水时将字段取出进行逻辑运算后再存入hash结构中即可完成一次行为频度的检测。但这有个问题就是整个过程的原子性无法保证，意味着要用锁来控制，但如果加锁失败，就要重试或者放弃漏桶算法 java实现，这回导致性能下降和影响用户体验，同时代码复杂度也升高了，此时Redis提供了一个插件，Redis-Cell出现了。

Redis-Cell

Redis 4.0提供了一个限流Redis模块，名称为redis-cell，该模块提供漏斗算法，并提供原子的限流指令。

该模块只有一条指令cl.throttle，其参数和返回值比较复杂。

> cl.throttle tom:reply 14 30 60 1
1) (integer) 0 # 0表示允许，1表示拒绝
2) (integer) 15 # 漏斗容量capacity
3) (integer) 14 # 漏斗剩余空间left_quota
4) (integer) -1 # 如果拒绝了，需要多长时间后再重试，单位秒
5) (integer) 2 # 多长时间后，漏斗完全空出来，单位秒

该指令意思为，允许用户tom的reply行为的频率为每60s最多30次，漏斗初始容量为15（因为是从0开始计数，到14为15个），默认每个行为占据的空间为1（可选参数）。 如果被拒绝，取返回数组的第四个值进行sleep即可作为重试时间，也可以异步定时任务来重试。

令牌桶

令牌桶算法(Token Bucket)和 Leaky Bucket 效果一样但方向相反的算法,更加容易理解.随着时间流逝,系统会按恒定1/QPS时间间隔(如果QPS=100,则间隔是10ms)往桶里加入Token(想象和漏洞漏水相反,有个水龙头在不断的加水),如果桶已经满了就不再加了.新请求来临时,会各自拿走一个Token,如果没有Token可拿了就阻塞或者拒绝服务.

令牌桶的另外一个好处是可以方便的改变速度. 一旦需要提高速率,则按需提高放入桶中的令牌的速率. 一般会定时(比如100毫秒)往桶中增加一定数量的令牌, 有些变种算法则实时的计算应该增加的令牌的数量.

_config = $config;
 $this->_queue = $queue;
 $this->_max = $max;
 $this->_redis = $this->connect();
 }
 /**
 * 加入令牌
 * @param Int $num 加入的令牌数量
 * @return Int 加入的数量
 */
 public function add($num = 0)
 {
 // 当前剩余令牌数
 $curnum = intval($this->_redis->lSize($this->_queue));
 // 最大令牌数
 $maxnum = intval($this->_max);
 // 计算最大可加入的令牌数量，不能超过最大令牌数
 $num = $maxnum >= $curnum + $num ? $num : $maxnum - $curnum;
 // 加入令牌
 if ($num > 0) {
 $token = array_fill(0, $num, 1);
 $this->_redis->lPush($this->_queue, ...$token);
 return $num;
 }
 return 0;
 }
 /**
 * 获取令牌
 * @return Boolean
 */
 public function get()
 {
 return $this->_redis->rPop($this->_queue) ? true : false;
 }
 /**
 * 重设令牌桶，填满令牌
 */
 public function reset()
 {
 $this->_redis->delete($this->_queue);
 $this->add($this->_max);
 }
 private function connect()
 {
 try {
 $redis = new Redis();
 $redis->connect($this->_config['host'], $this->_config['port'], $this->_config['timeout'], $this->_config['reserved'], $this->_config['retry_interval']);
 if (empty($this->_config['auth'])) {
 $redis->auth($this->_config['auth']);
 }
 $redis->select($this->_config['index']);
 } catch (\RedisException $e) {
 throw new Exception($e->getMessage());
 return false;
 }
 return $redis;
 }
} 
$config = array(
 'host' => 'localhost',
 'port' => 6379,
 'index' => 0,
 'auth' => '',
 'timeout' => 1,
 'reserved' => NULL,
 'retry_interval' => 100,
);
// 令牌桶容器
$queue = 'mycontainer';
 // 最大令牌数
$max = 5;
// 创建TrafficShaper对象
$oTrafficShaper = new TrafficShaper($config, $queue, $max);
// 重设令牌桶，填满令牌
$oTrafficShaper->reset();
// 循环获取令牌，令牌桶内只有5个令牌，因此最后3次获取失败
for ($i = 0; $i < 8; $i++) {
 var_dump($oTrafficShaper->get());
}
// 加入10个令牌，最大令牌为5，因此只能加入5个
$add_num = $oTrafficShaper->add(10);
var_dump($add_num);
// 循环获取令牌，令牌桶内只有5个令牌，因此最后1次获取失败
for ($i = 0; $i < 6; $i++) {
 var_dump($oTrafficShaper->get());
}
?>