基于redis实现的四种常见的限流策略

引言

• 在web开发中功能是基石，除了功能以外运维和防护就是重头菜了。因为在网站运行期间可能会因为突然的访问量导致业务异常、也有可能遭受别人恶意攻击
• 所以我们的接口需要对流量进行限制。俗称的QPS也是对流量的一种描述
• 针对限流现在大多应该是令牌桶算法，因为它能保证更多的吞吐量。除了令牌桶算法还有他的前身漏桶算法和简单的计数算法
• 下面我们来看看这四种算法

固定时间窗口算法

• 固定时间窗口算法也可以叫做简单计数算法。网上有很多都将计数算法单独抽离出来。但是笔者认为计数算法是一种思想，而固定时间窗口算法是他的一种实现
• 包括下面滑动时间窗口算法也是计数算法的一种实现。因为计数如果不和时间进行绑定的话那么失去了限流的本质了。就变成了拒绝了

优点

• 在固定的时间内出现流量溢出可以立即做出限流。每个时间窗口不会相互影响
• 在时间单元内保障系统的稳定。保障的时间单元内系统的吞吐量上限

缺点

• 正如图示一样，他的最大问题就是临界状态。在临界状态最坏情况会受到两倍流量请求
• 除了临界的情况，还有一种是在一个单元时间窗内前期如果很快的消耗完请求阈值。那么剩下的时间将会无法请求。这样就会因为一瞬间的流量导致一段时间内系统不可用。这在互联网高可用的系统中是不能接受的。

实现

• 好了，关于原理介绍及优缺点我们已经了解了。下面我们动手实现它
• 首先我们在实现这种计数时，采用redis是非常好的选择。这里我们通过redis实现

controller

	@RequestMapping(value = "/start",method = RequestMethod.GET)
    public Map<string,object> start(@RequestParam Map<string, object=""> paramMap) {
        return testService.startQps(paramMap);
    }

service

@Override
public Map<string, object=""> startQps(Map<string, object=""> paramMap) {
    //根据前端传递的qps上线
    Integer times = 100;
    if (paramMap.containsKey("times")) {
        times = Integer.valueOf(paramMap.get("times").toString());
    }
    String redisKey = "redisQps";
    RedisAtomicInteger redisAtomicInteger = new RedisAtomicInteger(redisKey, redisTemplate.getConnectionFactory());
    int