算法与数据结构系列「限流算法专项」带你认识常用的限流算法的技术指南（分析篇）

Posted 2021-09-23 李浩宇Alex

限流

限流一词常用于计算机网络之中，定义如下：

• 通过控制数据的网络数据的发送或接收速率来防止可能出现的DOS攻击。而实际的软件服务过程中，限流也可用于API服务的保护。
• 由于提供服务的计算机资源(包括CPU、内存、磁盘及网络带宽等)是有限的，则其提供的API服务的QPS也是有限的，限流工具就是通过限流算法对API访问进行限制，保证服务不会超过其能承受的负载压力。

主要内容：

常用限流算法

常用的限流算法主要包括：

• Token bucket-令牌桶
• Leaky bucket-漏桶
• Fixed window counter-固定窗口计数
• Sliding window log-滑动窗口日志
• Sliding window counter-滑动窗口计数
• 以上几种方式其实可以简单的分为计数算法、漏桶算法和令牌桶算法。

计数限流算法

固定窗口计数

实现原理

• 固定窗口计数法思想比较简单，只需要确定两个参数：计数周期T及周期内最大访问（调用）数N。请求到达时使用以下流程进行操作：

算法优点

• 固定窗口计数实现简单，并且只需要记录上一个周期起始时间与周期内访问总数，几乎不消耗额外的存储空间。

算法缺陷

如图所示

简化模型

• 两个周期T0中a时刻有n1个访问同时到达;
• 周期T1中b时刻有n2个访问同时到达;
• n1和n2均小于设定的最高访问次数N（否则会触发限流）。

在发生时间间隔切换的时候，在切换的过程中发生并发突变，所以在实际使用过程中，固定窗口计数器存在突破限额N的可能。

• 举例，限制QPS为10，某用户在周期切换的前后的0.1秒内，分两次发送10次请求，根据算法规则此20次请求可通过限流器，则0.1面秒请求数20，超过每秒最多10次请求的限制。

滑动窗口计数

实现原理

滑动窗口计数法与固定窗口计数法相比较，除了计数周期T及周期内最大访问（调用）数N两个参数，增加一个参数M，用于设置周期T内的滑动窗口数。

限流流程如下：

周期切换问题

非计数限流法

常用的限流算法有两种：漏桶算法和令牌桶算法

• 漏桶算法思路很简单，水（请求）先进入到漏桶里，漏桶以一定的速度出水，当水流入速度过大会直接溢出，可以看出漏桶算法能强行限制数据的传输速率。

漏桶限流

实现原理

漏桶限流算法的实现原理图：

• 设定漏桶流出速度及漏桶的总容量，在请求到达时判断当前漏桶容量是否已满，不满则可将请求存入桶中，否则抛弃请求。
• 采用一个线程以设定的速率取出请求进行处理。
• 需要确定参数为漏桶流出速度r及漏桶容量N

流程如下：

算法特点

• 漏桶算法主要特点在于可以保证无论收到请求的速率如何，真正抵达服务方接口的请求速率最大为r，能够对输入的请求进行平滑处理。
• 漏桶算法的缺点也非常明显，由于其只能以特定速率处理请求，则如何确定该速率就是核心问题，如果速率设置太小则会浪费性能资源，设置太大则会造成资源不足。
• 并且由于速率的设置，无论输入速率如何波动，均不会体现在服务端，即使资源有空余，对于突发请求也无法及时处理，故对有突发请求处理需求时，不宜选择该方法。

令牌桶限流

• 对于很多应用场景来说，除了要求能够限制数据的平均传输速率外，还要求允许某种程度的突发传输。这时候漏桶算法可能就不合适了，令牌桶算法更为适合。

• 令牌桶算法的原理是系统会以一个恒定的速度往桶里放入令牌，而如果请求需要被处理，则需要先从桶里获取一个令牌，当桶里没有令牌可取时，则拒绝服务。

实现原理

设定令牌桶中添加令牌的速率，并且设置桶中最大可存储的令牌，当请求到达时，向桶中请求令牌（根据应用需求，可能为1个或多个），若令牌数量满足要求，则删除对应数量的令牌并通过当前请求，若桶中令牌数不足则触发限流规则。

根据描述需要设置的参数为，令牌添加速率r，令牌桶中最大容量N，流程如下：

算法特点

限流算法比较