redis中限流的應用示例

小編給大家分享一下redis中限流的應用示例，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

為什么要做限流

首先讓我們先看一看系統架構設計中，為什么要做“限流”。

旅游景點通常都會有最大的接待量，不可能無限制的放游客進入，比如故宮每天只賣八萬張票，超過八萬的游客，無法買票進入，因為如果超過八萬人，景點的工作人員可能就忙不過來，過于擁擠的景點也會影響游客的體驗和心情，并且還會有安全隱患；「只賣N張票，這就是一種限流的手段」。

軟件架構中的服務限流也是類似，也是當系統資源不夠的時候，已經不足以應對大量的請求，為了保證服務還能夠正常運行，那么按照規則，「系統會把多余的請求直接拒絕掉，以達到限流的效果」；

不知道大家注意過沒有，比如雙11，剛過12點有些顧客的網頁或APP會顯示下單失敗的提示，有些就是被限流掉了。

常見的限流算法

計數法

顧名思義就是來一個，記錄一個，比如我1分鐘只能處理1000個請求，那么我們就可以設置一個計數器，來一個請求就incr+1，當1分鐘之內的數量大于等于1000之后不處理了即可，偽代碼如下

$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$rate_limit = 1000;  //限制個數
$rate_seconds = 60;  //限制時間
$redis_key = "redis_limit";
$count = $redis->get($redis_key);
if ($count >= $rate_limit){  //判斷60秒內請求個數是否已經達到上限
    //直接返回，不處理請求
    return
}
$redis->incr($redis_key, 1);//請求計數
$redis->expire($redis, $rate_seconds); //設置過期時間 60s
//to do  業務邏輯處理.......

這種計數方式比較簡單快捷，但是有很大的缺點，因為請求的訪問不一定是很平穩的，如果0:59過來了1000個請求，1:01已經是下一個窗口，又過來了1000個請求，但實際上三秒內來了2000個請求，已經超過我們的限流上限了。所以這種方法是不推薦的。

滑動窗口算法

還拿上面的例子，一分鐘分6份，每份10秒；每過10秒鐘，我們的時間窗口就會往右滑動一格，每個格子都有獨立的計數器，我們每次都計算時間窗口內的數量，可以解決計數器法中的問題，而且當滑動窗口的格子越多，那么限流的統計就會越精確。具體可以參考下圖，看圖比較清晰

偽代碼實現如下

function api_limit($scene,  $period, $maxCount){
    $redis = new Redis();
    $redis->connect('127.0.0.1', 6379);
    $key = sprintf('hist:%s', $scene); //限流場景唯一標識
    $now = msectime();   // 毫秒時間戳,這樣更精確
    $pipe=$redis->multi(Redis::PIPELINE); //使用管道提升性能
    $pipe->zadd($key, $now, $now); //value 和 score 都使用毫秒時間戳
    $pipe->zremrangebyscore($key, 0, $now - $period); //移除時間窗口之前的行為記錄，剩下的都是時間窗口內的
    $pipe->zcard($key);  //獲取窗口內的行為數量
    $pipe->expire($key, $period/1000 + 1);  //多加一秒過期時間
    $replies = $pipe->exec();
    return $replies[2] <= $maxCount;  //$replies[2]為zcard返回的個數  如果zcard結果大于maxCount，則不處理結果
}

for ($i=0; $i<20; $i++){  //測試限流是否實現代碼
    var_dump(isActionAllowed("uniq_scene", 60*1000, 5)); //執行可以發現只有前5次是通過的
}

//返回當前的毫秒時間戳
function msectime() {
    list($msec, $sec) = explode(' ', microtime());
    $msectime = (float)sprintf('%.0f', (floatval($msec) + floatval($sec)) * 1000);
    return $msectime;
 }

這段代碼還是略顯復雜，需要讀者花一定的時間好好啃。它的整體思路就是：每一個行為到來時，都維護一次時間窗口。將時間窗口外的記錄全部清理掉，只保留窗口內的記錄。

因為這幾個連續的 Redis 操作都是針對同一個 key 的，使用 pipeline 可以顯著提升Redis 存取效率。「但這種方案也有缺點，因為它要記錄時間窗口內所有的行為記錄，如果這個量很大，比如限定 60s 內操作不得超過 100w 次這樣的參數，它是不適合做這樣的限流的，因為會消耗大量的存儲空間」。

后面還有漏桶算法和令牌桶算法，由于各自的實現比較復雜，所以準備各自新開一篇文章單獨描述

以上是“redis中限流的應用示例”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！