高并发，不怕不怕「限流算法第一把法器：计数器法」 - 第300篇

写着写着突破 300 篇文章了

 

SpringBoot学习交流

 

▲长按图片识别优惠券

 

 

 

 

（1）缓存：缓存简单理解就是把从数据库查询出来的数据，存放到缓存系统上，比如Memcached或者redis，然后下次再来获取的时候，直接从缓存中进行获取。缓存的目的是提升系统访问速度和增大系统处理容量。（2）降级：降级是当服务出现问题或者影响到核心流程时，需要暂时屏蔽掉，待高峰或者问题解决后再打开。（3）限流：限流的目的是通过对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理。简单理解就是在1秒之内有1000个请求（流量）来了，而系统只能处理100个/秒，那么这时候明显是无法处理过来的，很显然就会导致系统瘫痪了，那么对于这个请求流量，我们可以做一个限制，配置最多可接受的请求是100个/秒，多出来的请求，怎么办呢，那就限制住，直接返回一个提示，当前请求人数过多，请稍后再试，这就是限流（限制在某个时间窗口的最大流量）。

 

师傅：那你知道常用的限流算法嘛？

悟纤：师傅，我就知道一个计算器算法。

师傅：那这一节，你把你知道的给大家介绍介绍。要好好介绍，说的不好，不准吃饭。

悟纤：师傅，必须认真对待。

 

一、计数器算法原理

计数器法是限流算法里最简单也是最容易实现的一种算法，一般我们会限制一秒钟能够通过的请求数。比如我们规定，对于A接口来说，我们1分钟的访问次数不能超过100个。那么我们可以这么做：在一开始的时候，我们可以设置一个计数器counter，每当一个请求过来的时候， counter就加1，如果counter的值大于100并且该请求与第一个请求的间隔时间还在1分钟之内，那么说明请求数过多; 如果该请求与第一个请求的间隔时间大于1分钟，且counter的值还在限流范围内，那么就重置 counter。

 

二、计数器算法小实现

         对于技术，再多的理论，都不如实践来的好理解，来，我看下要怎么实现。

看下具体的一个代码：

•  

public class Counter {  public long timeStamp = System.currentTimeMillis(); // 当前时间  public int reqCount = 0; // 初始化计数器  public final int limit = 100; // 时间窗口内最大请求数  public final long interval = 1000 * 60; // 时间窗口ms
  public boolean limit() {    long now = System.currentTimeMillis();    if (now < timeStamp + interval) {      // 在时间窗口内      reqCount++;      // 判断当前时间窗口内是否超过最大请求控制数      return reqCount <= limit;    } else {      timeStamp = now;      // 超时后重置      reqCount = 1;      return true;    }  }}

说明：上面代码逻辑很简单，就是在1秒之内进行统计请求的总个数，然后校验请求的个数是否超过了限制的请求数，如果在1秒之外，那么就重置请求数。

 

师傅：差不多，是这么个意思，那徒儿知道，这种算法有什么弊端呐？

悟纤：师傅，徒儿愚钝，请师傅指点一二。

师傅：对于秒级以上的时间周期来说，会存在一个非常严重的问题，那就是临界问题。

从上图中我们可以看到，假设有一个恶意用户，他在0:59时，瞬间发送了100个请求，并且1:00又瞬间发送了100个请求，那么其实这个用户在 1秒里面，瞬间发送了200个请求。我们刚才规定的是1分钟最多100个请求，也就是每秒钟最多1.7个请求，用户通过在时间窗口的重置节点处突发请求， 可以瞬间超过我们的速率限制。用户有可能通过算法的这个漏洞，瞬间压垮我们的应用。

悟纤：师傅，那有什么方案可以解决这个问题呐？

师傅：今天师傅累了，下节给你揭晓。

 

三、小思考

（1）计算器算法存在的问题，可以怎么解决呢？

（2）应用限流的常用算法你都知道哪些？你理解了嘛？