深入浅出限流算法(三):追求极致精确的滑动日志

在限流的世界里,精度往往是关键。我们已经讨论过固定窗口(简单但有突刺)和滑动窗口(更平滑但仍有格子边界)。如果我们需要更精确的控制,滑动日志 (Sliding Log) 算法便登场了。

核心思想:记录每一笔"交易"

想象一下,你不再关心"格子",而是为每一个到达的请求都记下精确的时间戳,就像一本详细的日志。

当新请求到来时:

  1. 回顾日志:查看过去固定时间窗口(例如 1 秒)内的所有时间戳记录。

  2. 清理旧账:忽略(或删除)所有超出这个时间窗口的旧记录。

  3. 计数:统计窗口内剩余记录的数量。

  4. 决策:

    • 如果数量小于限制,接受请求,并将新请求的时间戳加入日志。
    • 如果数量达到或超过限制,拒绝请求。

这种方式理论上能提供最精确的限流,因为它关注的是每个单独的请求事件。

Java 实现:用 TreeMap​ 优化内存

直接存储每个请求的时间戳在高并发下可能导致内存爆炸。一个常见的优化是按时间单位(如毫秒)分组,记录每个单位时间内到达的请求数。Java 的 TreeMap<Long, Long>​ 非常适合这个任务:

  • Key (Long): 时间戳(毫秒)。TreeMap 自动保持时间排序。

  • Value (Long): 该毫秒到达的请求数量。

    // 简化版核心逻辑示意
    public synchronized boolean tryAcquire() {
    long now = System.currentTimeMillis();
    long windowStart = now - 1000; // 1秒窗口起点

    复制代码
      // 1. (可选) 清理非常旧的数据,防止 Map 无限增长
      // treeMap.headMap(now - cleanupInterval).clear();
    
      // 2. 高效计算窗口内总数 (利用 TreeMap 的 subMap)
      long sum = treeMap.subMap(windowStart, true, now, true)
                        .values().stream().mapToLong(Long::longValue).sum();
    
      // 3. 检查限制
      if (sum >= QPS) {
          return false; // 超限,拒绝
      }
    
      // 4. 记录当前请求 (对当前毫秒的计数 +1)
      treeMap.compute(now, (k, v) -> (v == null) ? 1L : v + 1L);
      return true; // 允许

    }

​TreeMap​ 的 subMap​ 操作能高效地提取出所需时间窗口内的数据进行求和。

优点

  • 极高精度:几乎完全消除了窗口边界效应,限流非常精确。
  • 概念清晰简单。

缺点

  • 内存消耗大:即使按毫秒分组,存储时间戳和计数的 TreeMap 仍然比简单的计数器或固定数组占用更多内存,尤其是在高 QPS 下。
  • 并发性能:简单的 synchronized 实现可能在高并发下成为瓶颈。

总结

滑动日志算法提供了无与伦比的限流精度,是追求严格控制流量速率场景下的有力武器。然而,这种精度是以更高的内存消耗为代价的。在选择它时,需要仔细权衡精度需求与系统资源限制。


相关推荐
Leon_vibs1 分钟前
当 think 遇上 tool:深入解析 Agent 的规划之道
算法
惜.己8 分钟前
pytest中使用ordering控制函数的执行顺序
开发语言·python·pytest
旧时光巷8 分钟前
【机器学习-2】 | 决策树算法基础/信息熵
算法·决策树·机器学习·id3算法·信息熵·c4.5算法
落羽的落羽10 分钟前
【C++】论如何封装红黑树模拟实现set和map
数据结构·c++·学习
guojl21 分钟前
MyBatis应用案例
后端·mybatis
中东大鹅32 分钟前
Mybatis Plus 多数据源
java·数据库·spring boot·后端·mybatis
落了一地秋36 分钟前
4.5 优化器中常见的梯度下降算法
人工智能·算法·机器学习
前端伪大叔43 分钟前
第 5 篇:策略参数怎么调优?Freqtrade hyperopt 快速入门
算法·代码规范
Code季风43 分钟前
深入理解令牌桶算法:实现分布式系统高效限流的秘籍
java·算法·微服务