用redis的zset实现简单的限流

Posted 梅沙技术团队

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用redis的zset实现简单的限流相关的知识,希望对你有一定的参考价值。

当系统处理能力有限时,限制计划外的请求对系统造成的压力显得特别重要,接口限流有点断尾求生的意思,牺牲一部分异常的请求,保证大部分的请求正常。除了控制流量,限流还有一个应用就是控制用户的行为,避免垃圾请求,比如限制用户在一定时间内的发帖、回复、点赞等数量,现在给某个手机号发送验证码的频率,超过一定频率就可以判断为非法请求。

常见的限流手段

  1. 漏桶是指由一个固定容量的桶,以固定的速率流出水滴。当然也需要流入水桶里才有水。如果桶是空的,则流不出水滴。如果流入的水滴超过了桶的容量,水就溢出了。

  2. 令牌桶则是匀速往桶里添加令牌,如果有请求要处理,则向桶里取出一个令牌,当桶里的令牌被取完了继续等待或者拒绝服务。

这两种方法看起来很像,都有一个桶,都是往桶里流入和取出,但还是有区别的。漏桶流出的速率固定,而令牌桶只有桶里有令牌就可以拿,可以看出漏桶不支持瞬间并发,处理的服务会匀速进行;而令牌桶则支持一定程度的并发。例如同一时刻,有100个请求,只要令牌桶有100个令牌,那这100个请求就能被全部处理。令牌桶在没有令牌的时候也可以成为漏桶。

实际应用中令牌桶应用较为广泛,有许多流行的限流器都是基于令牌桶思想实现的。

从功能上看,令牌桶模型实际上就是对一个全局的计数器做加减法操作的过程,使用计数器需要加读写锁。用GO语言可以使用带有缓冲通道来实现简单的加令牌、取令牌的操作。

 
   
   
 
  1. func main() {

  2. fillInterval := 10 * time.Microsecond //添加令牌的时间间隔

  3. capacity := 100 //令牌桶的容量

  4. tokenBucket := make(chan struct{}, capacity) //初始化一个令牌桶


  5. //每隔一秒钟往令牌桶里添加令牌,如果桶已经满了,则直接放弃

  6. fillToken := func() {

  7. ticker := time.NewTicker(fillInterval)

  8. for {

  9. select {

  10. case <-ticker.C:

  11. select {

  12. case tokenBucket <- struct{}{}:

  13. default:

  14. }


  15. }

  16. }

  17. }


  18. go fillToken()

  19. select {}

  20. }

用Redis的zset限流

假设现在我们需要实现一个简单的限流功能:

系统要在限定用户的某个行为在指定的时间里只允许发送N次,比如1分钟内只能给某个手机号发送3次短信,用redis如何实现?

答案是可以用redis的有序集合实现,在实现之前我们先了解一下有序集合。

zset(有序集合)一方面它是一个set(集合),保证了内部value的唯一性,另一方面它可以给每个value赋予一个score,从而对value的排序。它的内部实现是用跳跃列表的数据结构。

跳跃列表是一种层级的结构,最下面一层所有的元素都会串起来,然后每个几个元素挑选出一个代表,再将这个几个代表使用另一级指针串起来,再在里边挑出二级代表。

这个限流需求中存在一个滑动的时间窗口(定宽,1分钟),zset的score用来记录每次行为的时间戳,然后每次我们判断的时候就圈出一个时间窗口(这题是最近1分钟),窗口之外的数据都可以丢弃了。那value存什么值呢,value在zset内,就要求是唯一的,我们可以给一次行为一个value,但要这个value也唯一可以也用时间戳吧。这样value、score都用时间戳,时间戳的精度可以定为毫秒。

伪代码如下,当然也有需要优化的地方,比如可以用redis的管道去执行。

 
   
   
 
  1. func IsActionAllow(userId, actionKey string, period, maxCount int) bool {

  2. //用userId和actionKey拼接成zset的key

  3. key := "limiter:" + userId + ":" + actionKey

  4. //现在毫秒时间戳

  5. nowTime := time.Now().UnixNano() / 1e6

  6. //设置一个值,score和value都为毫秒时间戳

  7. redis.zadd(key, nowTime, nowTime)

  8. //移除时间窗口之前的值,剩下的就是当前的时间窗口

  9. redis.zremrangeByScore(key, 0, nowTime-period*1000)

  10. //获取时间窗口内的数量

  11. count := redis.zcard(key)

  12. return count <= maxCount

  13. }

整体的一个思路是,每次一个行为过来都会调用这个函数去判断,每次执行这个函数都维护一个时间窗口,将时间窗口外的记录都清理掉,只保留窗口内的记录。zset中的score值非常重要,value值没有特别的意义,只需要保证唯一就可以了。

这个方案也有缺点,因为它要记录时间窗口内的所有行为记录,如果这个量很大,就会消耗比较多的内存,比如“限定1小时内100万次”之类的。这只是一个简单的方案,使用的场景也比较有限,本文只是拿来扩展思路,加深对zset的理解。

以上是关于用redis的zset实现简单的限流的主要内容,如果未能解决你的问题,请参考以下文章

Redis(07)-ZSET实现简单限流

使用Redis作为简单的限流计数器几种实现策略

基于redis实现的四种常见的限流策略

基于redis实现的四种常见的限流策略

基于redis实现的四种常见的限流策略

Redis之zset实现滑动窗口限流