高并发场景下的限流策略

正文

在高并发的场景下，我们的优化和保护系统的方式通常有：多级缓存、资源隔离、熔断降级、限流等等。

今天我们来聊聊限流。

引子

我们为什么需要限流？

举个比较简单的例子，正常来说，一个员工A他每天能够处理的工作是10个，突然某一天来了100个工作量，这时候，如果员工A还处理100个，只有一种可能，这个员工被压垮。

如果我们能预先知道会有100个任务回来，我们可以做加员工数或定义消息队列等等。但是我们很多时候无法预料这些意外的。根据 墨菲定律 ，坏事往往会接踵而来，有可能某个点挂了会引起全局的挂掉（雪崩）。因此我们不得不对我们的系统做一些保护措施。限流是其中之一。

针对秒杀这类场景，我们也可以做一些限流措施，而不影响到系统全局。

限流方式之计数器(滑动窗口协议)

思路 ：限速，我们可能第一个想到的应该是，我通过一个计数器，进行技术，如果超过了计数器阀值，表示速度太快了。一秒一个计数器。

计数器.png

为了便于阅读，我只截图了主要的代码片段。

代码片段

这样有个问题就是：粒度太大了，不均匀，针对1秒一下的，没法辨析。

我们能不能把粒度拆细了，1秒拆成10个100毫秒。每一个100毫秒有一个计数器。了解TCP/IP的应该知道，TCP/IP为了增加传输速度和控制传输速度，有个叫“滑动窗口协议”。

就算拆得再细，也无法解决匀速限制速度的问题。

而且还有个临界点问题，比如假如，一秒限制10个请求，在第1秒钟，第2秒 之间，第1秒后半段时间10个请求，第2秒前半段10个请求，那第1秒后半段+第2秒前半段时间组成的一秒钟里就有20个请求，没有起到限速的作用。

有没有更好的办法呢？

限速方式之漏桶算法

在生活中，如果一桶有一个细眼，我们往里面装水，可以看到水是一滴一滴匀速的下落的，哪我们能不能通过程序来实现这种方式呢。

思路 ：桶为容器，一滴水为一请求。如果桶满了就拒绝请求，没满处理请求。

漏桶算法.png

代码片段

漏桶算法

请到「今天看啥」查看全文