從構建分散式秒殺系統聊聊限流特技

來自專欄我是程序員

前言

俗話說的好，冰凍三尺非一日之寒，滴水穿石非一日之功，羅馬也不是一天就建成的。兩周前秒殺案例初步成型，分享到了中國最大的同性交友網站-碼雲。同時也收到了不少小夥伴的建議和投訴。我從不認為分散式、集群、秒殺這些就應該是大廠的專利，在互聯網的今天無論什麼時候都要時刻武裝自己，只有這樣，也許你的春天就在明天。

在開發秒殺系統案例的過程中，前面主要分享了隊列、緩存、鎖和分散式鎖以及靜態化等等。緩存的目的是為了提升系統訪問速度和增強系統的處理能力；分散式鎖解決了集群下數據的安全一致性問題；靜態化無疑是減輕了緩存以及DB層的壓力。

限流

然而再牛逼的機器，再優化的設計，對於特殊場景我們也是要特殊處理的。就拿秒殺來說，可能會有百萬級別的用戶進行搶購，而商品數量遠遠小於用戶數量。如果這些請求都進入隊列或者查詢緩存，對於最終結果沒有任何意義，徒增後台華麗的數據。對此，為了減少資源浪費，減輕後端壓力，我們還需要對秒殺進行限流，只需保障部分用戶服務正常即可。

就秒殺介面來說，當訪問頻率或者並發請求超過其承受範圍的時候，這時候我們就要考慮限流來保證介面的可用性，以防止非預期的請求對系統壓力過大而引起的系統癱瘓。通常的策略就是拒絕多餘的訪問，或者讓多餘的訪問排隊等待服務。

限流演算法

任何限流都不是漫無目的的，也不是一個開關就可以解決的問題，常用的限流演算法有：令牌桶，漏桶。

令牌桶

令牌桶演算法是網路流量整形（Traffic Shaping）和速率限制（Rate Limiting）中最常使用的一種演算法。典型情況下，令牌桶演算法用來控制發送到網路上的數據的數目，並允許突發數據的發送(百科)。

在秒殺活動中，用戶的請求速率是不固定的，這裡我們假定為10r/s，令牌按照5個每秒的速率放入令牌桶，桶中最多存放20個令牌。仔細想想，是不是總有那麼一部分請求被丟棄。

漏桶

漏桶演算法的主要目的是控制數據注入到網路的速率，平滑網路上的突發流量。漏桶演算法提供了一種機制，通過它，突發流量可以被整形以便為網路提供一個穩定的流量(百科)。

令牌桶是無論你流入速率多大，我都按照既定的速率去處理，如果桶滿則拒絕服務。

應用限流

Tomcat

在Tomcat容器中，我們可以通過自定義線程池，配置最大連接數，請求處理隊列等參數來達到限流的目的。

Tomcat默認使用自帶的連接池，這裡我們也可以自定義實現，打開/conf/server.xml文件，在Connector之前配置一個線程池：

<Executor name="tomcatThreadPool" namePrefix="tomcatThreadPool-" maxThreads="1000" maxIdleTime="300000" minSpareThreads="200"/>

• name：共享線程池的名字。這是Connector為了共享線程池要引用的名字，該名字必須唯一。默認值：None；
• namePrefix:在JVM上，每個運行線程都可以有一個name 字元串。這一屬性為線程池中每個線程的name字元串設置了一個前綴，Tomcat將把線程號追加到這一前綴的後面。默認值：tomcat-exec-；
• maxThreads：該線程池可以容納的最大線程數。默認值：200；
• maxIdleTime：在Tomcat關閉一個空閑線程之前，允許空閑線程持續的時間(以毫秒為單位)。只有當前活躍的線程數大於minSpareThread的值，才會關閉空閑線程。默認值：60000(一分鐘)。
• minSpareThreads：Tomcat應該始終打開的最小不活躍線程數。默認值：25。

配置Connector

<Connector executor="tomcatThreadPool" port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" minProcessors="5" maxProcessors="75" acceptCount="1000"/>

• executor：表示使用該參數值對應的線程池；
• minProcessors：伺服器啟動時創建的處理請求的線程數；
• maxProcessors：最大可以創建的處理請求的線程數；
• acceptCount：指定當所有可以使用的處理請求的線程數都被使用時，可以放到處理隊列中的請求數，超過這個數的請求將不予處理。

API限流

秒殺活動中，介面的請求量會是平時的數百倍甚至數千倍，從而有可能導致介面不可用，並引發連鎖反應導致整個系統崩潰，甚至有可能會影響到其它服務。

那麼如何應對這種突然事件呢？這裡我們採用開源工具包guava提供的限流工具類RateLimiter進行API限流，該類基於"令牌桶演算法"，開箱即用。

自定義定義註解

/** * 自定義註解 限流 */@Target({ElementType.PARAMETER, ElementType.METHOD})@Retention(RetentionPolicy.RUNTIME)@Documentedpublic @interface ServiceLimit { String description() default "";}

自定義切面

/** * 限流 AOP */@Component@Scope@Aspectpublic class LimitAspect { //每秒只發出100個令牌，此處是單進程服務的限流，內部採用令牌捅演算法實現 private static RateLimiter rateLimiter = RateLimiter.create(100.0); //Service層切點 限流 @Pointcut("@annotation(com.itstyle.seckill.common.aop.ServiceLimit)") public void ServiceAspect() { } @Around("ServiceAspect()") public Object around(ProceedingJoinPoint joinPoint) { Boolean flag = rateLimiter.tryAcquire(); Object obj = null; try { if(flag){ obj = joinPoint.proceed(); } } catch (Throwable e) { e.printStackTrace(); } return obj; }}

業務實現：

@Override@ServiceLimit@Transactionalpublic Result startSeckil(long seckillId, long userId) { //省略部分業務代碼，詳見秒殺源碼}

分散式限流

Nginx

如何使用Nginx實現基本的限流，比如單個IP限制每秒訪問50次。通過Nginx限流模塊，我們可以設置一旦並發連接數超過我們的設置，將返回503錯誤給客戶端。

配置nginx.conf

#統一在http域中進行配置#限制請求limit_req_zone $binary_remote_addr $uri zone=api_read:20m rate=50r/s;#按ip配置一個連接 zonelimit_conn_zone $binary_remote_addr zone=perip_conn:10m;#按server配置一個連接 zonelimit_conn_zone $server_name zone=perserver_conn:100m;server { listen 80; server_name seckill.52itstyle.com; index index.jsp; location / { #請求限流排隊通過 burst默認是0 limit_req zone=api_read burst=5; #連接數限制,每個IP並發請求為2 limit_conn perip_conn 2; #服務所限制的連接數(即限制了該server並發連接數量) limit_conn perserver_conn 1000; #連接限速 limit_rate 100k; proxy_pass http://seckill; }}upstream seckill { fair; server 172.16.1.120:8080 weight=1 max_fails=2 fail_timeout=30s; server 172.16.1.130:8080 weight=1 max_fails=2 fail_timeout=30s;}

配置說明

imit_conn_zone

是針對每個IP定義一個存儲session狀態的容器。這個示例中定義了一個100m的容器，按照32bytes/session，可以處理3200000個session。

limit_rate 300k;

對每個連接限速300k. 注意，這裡是對連接限速，而不是對IP限速。如果一個IP允許兩個並發連接，那麼這個IP就是限速limit_rate×2。

burst=5；

這相當於桶的大小，如果某個請求超過了系統處理速度，會被放入桶中，等待被處理。如果桶滿了，那麼抱歉，請求直接返回503，客戶端得到一個伺服器忙的響應。如果系統處理請求的速度比較慢，桶里的請求也不能一直待在裡面，如果超過一定時間，也是會被直接退回，返回伺服器忙的響應。

OpenResty

背影有沒有很熟悉，對這就是那個直呼理解萬歲老羅，2015年老羅在鎚子科技T2發布會上將門票收入捐贈給了 OpenResty，也相信老羅是個有情懷的胖子。

這裡我們使用 OpenResty 開源的限流方案，測試案例使用OpenResty1.13.6.1最新版本，自帶lua-resty-limit-traffic模塊以及案例 ，實現起來更為方便。

限制介面總並發數/請求數

秒殺活動中，由於突發流量暴增，有可能會影響整個系統的穩定性從而造成崩潰，這時候我們就要限制秒殺介面的總並發數/請求數。

這裡我們採用 lua-resty-limit-traffic中的resty.limit.count模塊實現，由於文章篇幅具體代碼參見源碼openresty/lua/limit_count.lua。

限制介面時間窗請求數

秒殺場景下，有時候並都是人肉滑鼠，比如12306的搶票軟體，軟體刷票可比人肉滑鼠快多了。此時我們就要對客戶端單位時間內的請求數進行限制，以至於刷票不是那麼猖獗。當然了道高一尺魔高一丈，搶票軟體總是會有辦法繞開你的防線，從另一方面講也促進了技術的進步。

這裡我們採用 lua-resty-limit-traffic中的resty.limit.conn模塊實現，具體代碼參見源碼openresty/lua/limit_conn.lua。

平滑限制介面請求數

之前的限流方式允許突發流量，也就是說瞬時流量都會被允許。突然流量如果不加以限制會影響整個系統的穩定性，因此在秒殺場景中需要對請求整形為平均速率處理，即20r/s。

這裡我們採用 lua-resty-limit-traffic 中的resty.limit.req 模塊實現漏桶限流和令牌桶限流。

其實漏桶和令牌桶根本的區別就是，如何處理超過請求速率的請求。漏桶會把請求放入隊列中去等待均速處理，隊列滿則拒絕服務；令牌桶在桶容量允許的情況下直接處理這些突發請求。

漏桶

桶容量大於零，並且是延遲模式。如果桶沒滿，則進入請求隊列以固定速率等待處理，否則請求被拒絕。

令牌桶

桶容量大於零，並且是非延遲模式。如果桶中存在令牌，則允許突發流量，否則請求被拒絕。

壓測

為了測試以上配置效果，我們採用AB壓測，Linux下執行以下命令即可：

# 安裝yum -y install httpd-tools# 查看ab版本ab -v# 查看幫助ab --help

測試命令：

ab -n 1000 -c 100 http://127.0.0.1/

測試結果：

Server Software: openresty/1.13.6.1 #伺服器軟體Server Hostname: 127.0.0.1 #IPServer Port: 80 #請求埠號Document Path: / #文件路徑Document Length: 12 bytes #頁面位元組數Concurrency Level: 100 #請求的並發數Time taken for tests: 4.999 seconds #總訪問時間Complete requests: 1000 #總請求樹Failed requests: 0 #請求失敗數量Write errors: 0Total transferred: 140000 bytes #請求總數據大小HTML transferred: 12000 bytes #html頁面實際總位元組數Requests per second: 200.06 [#/sec](mean) #每秒多少請求，這個是非常重要的參數數值，伺服器的吞吐量Time per request: 499.857 [ms](mean) #用戶平均請求等待時間 Time per request: 4.999 [ms](mean, across all concurrent requests) # 伺服器平均處理時間，也就是伺服器吞吐量的倒數 Transfer rate: 27.35 [Kbytes/sec] received #每秒獲取的數據長度Connection Times (ms) min mean[+/-sd] median maxConnect: 0 0 0.8 0 4Processing: 5 474 89.1 500 501Waiting: 2 474 89.2 500 501Total: 9 475 88.4 500 501Percentage of the requests served within a certain time (ms) 50% 500 66% 500 75% 500 80% 500 90% 501 95% 501 98% 501 99% 501 100% 501 (longest request)

源碼：從0到1構建分散式秒殺系統

總結

以上限流方案，只是針對此次秒殺案例做一個簡單的小結，大家也不要刻意區分那種方案的好壞，只要適合業務場景就是最好的。

參考

https://github.com/openresty/lua-resty-limit-traffic

https://blog.52itstyle.com/archives/775/

作者：小柒2012

原文鏈接

本文為雲棲社區博主原創內容，未經允許不得轉載。