石頭自清潔掃拖機器人G10S評測：多年黑科技集大成之作 懶人終極福音
科技圈經常能看到一個詞叫“縫合怪”，用來形容那些把好多功能或者外觀結合在一起的產品，通常這樣的詞是貶義詞，但如果真的是產品縫合的好、縫合的實用的話，那它就成了中性詞，今
上一篇文章 go-zero 是如何做路由管理的？ 介紹了路由管理，這篇文章來說說限流，主要介紹計數器限流算法，具體的代碼實現，我們還是來分析微服務框架 go-zero 的源碼。
在微服務架構中，一個服務可能需要頻繁地與其他服務交互，而過多的請求可能導致性能下降或系統崩潰。為了確保系統的穩定性和高可用性，限流算法應運而生。
限流算法允許在給定時間段內，對服務的請求流量進行控制和調整，以防止資源耗盡和服務過載。
計數器限流算法主要有兩種實現方式，分別是：
下面分別來介紹。
算法概念如下：
圖片
固定窗口計數器是最為簡單的算法，但這個算法有時會讓通過請求量允許為限制的兩倍。
圖片
考慮如下情況：限制 1 秒內最多通過 5 個請求，在第一個窗口的最后半秒內通過了 5 個請求，第二個窗口的前半秒內又通過了 5 個請求。這樣看來就是在 1 秒內通過了 10 個請求。
算法概念如下：
圖片
滑動窗口計數器是通過將窗口再細分，并且按照時間滑動，這種算法避免了固定窗口計數器帶來的雙倍突發請求，但時間區間的精度越高，算法所需的空間容量就越大。
go-zero 實現的是固定窗口的方式，計算一段時間內對同一個資源的訪問次數，如果超過指定的 limit，則拒絕訪問。當然如果在一段時間內訪問不同的資源，每一個資源訪問量都不超過 limit，此種情況是不會拒絕的。
而在一個分布式系統中，存在多個微服務提供服務。所以當瞬間的流量同時訪問同一個資源，如何讓計數器在分布式系統中正常計數？
這里要解決的一個主要問題就是計算的原子性，保證多個計算都能得到正確結果。
通過以下兩個方面來解決：
接下來先看一下 lua script 的源碼：
// core/limit/periodlimit.goconst periodScript = `local limit = tonumber(ARGV[1])local window = tonumber(ARGV[2])local current = redis.call("INCRBY", KEYS[1], 1)if current == 1 then redis.call("expire", KEYS[1], window)endif current < limit then return 1elseif current == limit then return 2else return 0end`主要就是使用 INCRBY 命令來實現，第一次請求需要給 key 加上一個過期時間，到達過期時間之后，key 過期被清楚，重新計數。
限流器初始化：
type ( // PeriodOption defines the method to customize a PeriodLimit. PeriodOption func(l *PeriodLimit) // A PeriodLimit is used to limit requests during a period of time. PeriodLimit struct { period int // 窗口大小，單位 s quota int // 請求上限 limitStore *redis.Redis keyPrefix string // key 前綴 align bool })// NewPeriodLimit returns a PeriodLimit with given parameters.func NewPeriodLimit(period, quota int, limitStore *redis.Redis, keyPrefix string, opts ...PeriodOption) *PeriodLimit { limiter := &PeriodLimit{ period: period, quota: quota, limitStore: limitStore, keyPrefix: keyPrefix, } for _, opt := range opts { opt(limiter) } return limiter}調用限流：
// key 就是需要被限制的資源標識func (h *PeriodLimit) Take(key string) (int, error) { return h.TakeCtx(context.Background(), key)}// TakeCtx requests a permit with context, it returns the permit state.func (h *PeriodLimit) TakeCtx(ctx context.Context, key string) (int, error) { resp, err := h.limitStore.EvalCtx(ctx, periodScript, []string{h.keyPrefix + key}, []string{ strconv.Itoa(h.quota), strconv.Itoa(h.calcExpireSeconds()), }) if err != nil { return Unknown, err } code, ok := resp.(int64) if !ok { return Unknown, ErrUnknownCode } switch code { case internalOverQuota: // 超過上限 return OverQuota, nil case internalAllowed: // 未超過，允許訪問 return Allowed, nil case internalHitQuota: // 正好達到限流上限 return HitQuota, nil default: return Unknown, ErrUnknownCode }}上文已經介紹了，固定時間窗口會有臨界突發問題，并不是那么嚴謹，下篇文章我們來介紹令牌桶限流。
以上就是本文的全部內容，如果覺得還不錯的話歡迎點贊，轉發和關注，感謝支持。
參考文章：
本文鏈接：http://m.rrqrq.com/showinfo-26-5165-0.html如何實現計數器限流？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
下一篇： 如何使用Kafka構建事件驅動的架構?
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號