今天小编给大家分享的是复述,实现限流的三种方法,相信很多人都不太了解,为了让大家更加了解,所以给大家总结了以下内容,一起往下看吧。一定会有所收获的哦。
<强>第一种:基于复述的setnx的操作强>
我们在使用复述的分布式锁的时候,大家都知道是依靠了setnx的指令,在中科院(比较和交换)的操作的时候,同时给指定的关键设置了过期实践(到期),我们在限流的主要目的就是为了在单位时间内,有且仅有N数量的请求能够访问我的代码程序,所以依靠setnx可以很轻松的做到这方面的功能。
比如我们需要在10秒内限定20个请求,那么我们在setnx的时候可以设置过期时10间,当请求的setnx数量达到20时候即达到了限流效果。代码比较简单就不做展示了。
当然这种做法的弊端是很多的,比如当统计1 - 10秒的时候,无法统计2 - 11秒之内,如果需要统计N秒内的M个请求,那么我们的复述中需要保持N个关键等等问题
<强>第二种:基于复述的数据结构zset 强>
其实限流涉及的最主要的就是滑动窗口,上面也提到1 - 10怎么变成2 - 11,其实也就是起始值和末端值都各+ 1即可。
而我们如果用复述的列表数据结构可以轻而易举的实现该功能
我们可以将请求打造成一个zset数组,当每一次请求进来的时候,价值保持唯一,可以用UUID生成,而分数可以用当前时间戳表示,因为分数我们可以用来计算当前时间戳之内有多少的请求数量。而zset数据结构也提供了范围方法让我们可以很轻易的获取到2个时间戳内有多少请求
代码如下
公开回应limitFlow () { .getTime长currentTime=new日期()(); System.out.println (currentTime); 如果(redisTemplate.hasKey (“limit")) { 整型数=redisTemplate.opsForZSet () .rangeByScore (“limit", currentTime——intervalTime currentTime) .size ();//intervalTime是限流的时间 System.out.println(数); 如果(计数!=零,,数比;5){ 返回Response.ok(“每分钟最多只能访问5次“); } } redisTemplate.opsForZSet阀门()(“limit" UUID.randomUUID () .toString (), currentTime); 返回Response.ok(“访问成功“); }
通过上述代码可以做到滑动窗口的效果,并且能保证每N秒内至多M个请求,缺点就是zset的数据结构会越来越大。实现方式相对也是比较简单的。
<强>第三种:基于复述的令牌桶算法强>
提到限流就不得不提到令牌桶算法了。令牌桶算法又称之为水桶算法,具体可以参照度娘的解释令牌桶算法
令牌桶算法提及到输入速率和输出速率,当输出速率大于输入速率,那么就是超出流量限制了。
也就是说我们每访问一次请求的时候,可以从复述中获取一个令牌,如果拿到令牌了,那就说明没超出限制,而如果拿不到,则结果相反。
依靠上述的思想,我们可以结合复述的列表数据结构很轻易的做到这样的代码
依靠列表的leftPop来获取令牌
//输出令牌 公开回应limitFlow2 (id) { 对象=redisTemplate.opsForList结果().leftPop (“limit_list"); 如果(结果==null) { 返回Response.ok(“当前令牌桶中无令牌“); } 返回Response.ok (articleDescription2); }
再依靠Java的定时任务,定时往列表中rightPush令牌,当然令牌也需要唯一性,所以我这里还是用UUID进行了生成
关于复述,实现限流的三种方法就分享到这里了,希望以上内容可以对大家有一定的参考价值,可以学以致用。如果喜欢本篇文章,不妨把它分享出去让更多的人看的到。复述,实现限流的三种方法