那基于用户id、ip、apikey请求速率的限流(更贴近生产的需求)， 阁下又该如何应对？
那这个问题就从全局速率变成了按照用户维度（group by userid）来做限流，那么
-
早先的全局的rateLimiter就要变成 userid:rateLimiter的键值对， select count( * ) from table ---> select userid, count(*) from table group by userid
-
使用缓存组件来存储维度键值对: 缓存的剔除机制来清理不再访问的键值对 （30min过期，10min周期清理内存）。
|---|------------------------------------------------------------------------------------------|
| | var userLimiters = cache.New(time.Minute*30, 10) // 10 items per minute |
| | func limiterForUser(userID string) *rate.Limiter { |
| | if v, found := userLimiters.Get(userID); found { |
| | return v.(*rate.Limiter) |
| | } |
| | |
| | l := rate.NewLimiter(rate.Every(time.Minute/60), 10) |
| | userLimiters.Set(userID, l, cache.DefaultExpiration) |
| | return l |
| | } |
| | |
| | // 更细化的限流： 针对同一用户的请求次数限速， 增加了细粒度的用户维度，需要维护 用户与对应限速器的映射关系 |
| | func userRatelimitMiddleware(c *gin.Context) { |
| | userID := c.GetString("userID") // 从每个请求context的key中取得信息， 这个key对于req context是排他性的 |
| | if userID == "" { |
| | c.AbortWithStatusJSON(http.StatusUnauthorized, gin.H{"error": "Unauthorized"}) |
| | return |
| | } |
| | if userID == "" { |
| | userID = c.GetString("x-api-key") |
| | } |
| | |
| | if userID == "" { |
| | userID = c.ClientIP() |
| | } |
| | limiter := limiterForUser(userID) // 通过userid维度找到对应的限速器 |
| | if !limiter.Allow() { |
| | c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{"error": "Too many requests"}) |
| | return |
| | } |
| | c.Next() |
| | } |
2. redis 作为限流器第三方存储
这个思路也是极其常见的行为： redis可以成为用户令牌桶的全局中心存储： 当多个负载层需要读写用户限流器时，与redis交互。
本次通过golang的实战，深入理解基于redis的令牌桶限流器的算法实现。
① 请求到达负载层，被负载层识别为userid=junio
② 负载层请求redis获取该用户的token bucket的当前状态:
hget userbucket:junio tokens last_time
③ 基于当前时间now和last_time，计算流逝的时间，再根据rate计算这一阶段下发了多少tokens:delta=(now-last_time) * r/1000，加上redis原始记录的token,就是本次请求时bucket中能用的tokens， 注意：令牌数量最多不能超过cap
④ 如果tokens>=1, 表示桶中有令牌，可放行请求，tokens数量减1
⑤ 最后将本次处理完后的 tokens和last_time=now写入原用户令牌桶
hset userbucket:junio tokens 20 last_time 990
使用redis 中的hashmap存储用户的tokenbucket状态，应用存在读取redis- 计算- 回写redis过程，使用redis lua的脚本执行三个动作，以保证线程安全。
为什么lua脚本能保证线程安全呢？
主要得益于 Redis 的单线程架构和原子性执行机制： 加载并执行lua脚本时所有的redis操作作为一个整体完成； 整个脚本执行期间没有其他命令可以插入。
|---|---------------------------------------------------------------------------------------|
| | // 读取- 计算 - 重新赋值都在一个 lua 脚本里面 |
| | ``var redisScript = ``` |
| | local key = KEYS[1] |
| | local capacity = tonumber(ARGV[1]) |
| | local rate = tonumber(ARGV[2]) |
| | local now = tonumber(ARGV[3]) |
| | local tokens = tonumber(redis.call('hget', key, 'tokens') or '-1') |
| | local last_time = tonumber(redis.call('hget', key, 'last_time') or '-1') |
| | |
| | if tokens == -1 or last_time == -1 then |
| | tokens = capacity |
| | last_time = now |
| | else |
| | local elapsed = now - last_time |
| | if elapsed < 0 |
| | then elapsed = 0 |
| | end |
| | local delta = elapsed * rate / 1000 |
| | tokens = tokens + delta |
| | if tokens > capacity then |
| | tokens = capacity |
| | end |
| | last_time = now |
| | end |
| | local allow = 0 |
| | if tokens >= 1 then |
| | allow = 1 |
| | tokens= tokens - 1 |
| | else |
| | allow = 0 |
| | end |
| | |
| | redis.call('hset', key, 'tokens', tokens) |
| | redis.call('hset', key, 'last_time', last_time) |
| | redis.call('PEXPIRE', key, math.max(1000, 2 * math.ceil((capacity / rate) * 5000))) |
| | return allow |
| | ````` |
注意
- 上面还使用的redis expire机制： redis expire不是滑动过期，但是每次被请求触发执行的时候就重新设置TTL， 表现为"滑动过期"。
- 除了hset/hget ,还有hmget可用，另外这些操作还有配套的TTL指令，eg：
hset key EXAT 1740470400 FIELDS 2 field1 "Hello" field2 "World"。
golang应用层的写法如下：
|---|------------------------------------------------------------------------|
| | func (r *RedisLimiter) Allow(c *gin.Context, userid string) bool { |
| | key := r.keyprefix + userid // 定位这个用户的token bucket |
| | now := time.Now().UnixMilli() |
| | // Check if the key exists in Redis |
| | rCmd := r.redis.Eval(redisScript, []string{key}, r.cap, r.rate, now) |
| | res, err := rCmd.Result() |
| | if err != nil { |
| | log.Printf("get from redis failure. ", err) |
| | return false |
| | } |
| | if allow, ok := res.(int64); ok { // 注意：lua返回的0,1 值对应golang的int64 |
| | log.Printf("%v %v \n", allow, res) |
| | return allow == 1 |
| | } else { |
| | log.Printf("get from redis failure. ", err) |
| | return false |
| | } |
| | } |
至此限流第二弹结束步讲述了
① 实现根据特定业务维度的限流： 从全局限流器转换成针对业务维度的键值对限流器；
② redis作为限流计数器的外置存储，令牌桶算法在redis上实现原理：核心是使用hashmap存储当前请求用户的令牌桶状态（current_tokens, last_time）, 落地时注意使用lua脚本避免竞态条件。