java

关注公众号 jb51net

关闭
首页 > 软件编程 > java > Java限流方案

Java常见的限流方案及实现方法

作者:SHENKEM

高并发场景中限流是保护系统的重要手段,涵盖计数器、滑动窗口、漏桶、令牌桶等算法,这篇文章主要介绍了Java常见的限流方案及实现的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下

在高并发场景中,限流(Rate Limiting) 是一种重要的保护机制,用于控制系统的请求流量,避免系统过载。以下是常见的限流方案及其 Java 实现。

1. 限流的常见算法

1.1 计数器算法

1.2 滑动窗口算法

1.3 漏桶算法

1.4 令牌桶算法

2. 限流方案的 Java 实现

以下是基于 计数器算法 和 令牌桶算法 的 Java 实现示例。

2.1 计数器算法实现

import java.util.concurrent.atomic.AtomicInteger;

public class CounterRateLimiter {
    private final int limit; // 限流阈值
    private final long interval; // 时间窗口(毫秒)
    private final AtomicInteger counter; // 计数器
    private long lastResetTime; // 上次重置时间

    public CounterRateLimiter(int limit, long interval) {
        this.limit = limit;
        this.interval = interval;
        this.counter = new AtomicInteger(0);
        this.lastResetTime = System.currentTimeMillis();
    }

    public boolean tryAcquire() {
        long now = System.currentTimeMillis();
        if (now - lastResetTime > interval) {
            // 重置计数器
            counter.set(0);
            lastResetTime = now;
        }
        // 判断是否超过阈值
        return counter.incrementAndGet() <= limit;
    }

    public static void main(String[] args) throws InterruptedException {
        CounterRateLimiter limiter = new CounterRateLimiter(10, 1000); // 每秒限流 10 次
        for (int i = 0; i < 20; i++) {
            System.out.println("请求 " + i + ": " + (limiter.tryAcquire() ? "通过" : "被限流"));
            Thread.sleep(100); // 模拟请求间隔
        }
    }
}

2.2 令牌桶算法实现

import java.util.concurrent.atomic.AtomicLong;

public class TokenBucketRateLimiter {
    private final long capacity; // 桶容量
    private final long rate; // 令牌生成速率(令牌/毫秒)
    private final AtomicLong tokens; // 当前令牌数量
    private long lastRefillTime; // 上次补充令牌时间

    public TokenBucketRateLimiter(long capacity, long rate) {
        this.capacity = capacity;
        this.rate = rate;
        this.tokens = new AtomicLong(capacity);
        this.lastRefillTime = System.currentTimeMillis();
    }

    public boolean tryAcquire() {
        refillTokens(); // 补充令牌
        long currentTokens = tokens.get();
        if (currentTokens > 0) {
            return tokens.decrementAndGet() >= 0;
        }
        return false;
    }

    private void refillTokens() {
        long now = System.currentTimeMillis();
        long elapsedTime = now - lastRefillTime;
        long newTokens = elapsedTime * rate; // 计算新增令牌数
        if (newTokens > 0) {
            lastRefillTime = now;
            tokens.updateAndGet(old -> Math.min(capacity, old + newTokens)); // 更新令牌数
        }
    }

    public static void main(String[] args) throws InterruptedException {
        TokenBucketRateLimiter limiter = new TokenBucketRateLimiter(10, 1); // 桶容量 10,每秒生成 1 个令牌
        for (int i = 0; i < 20; i++) {
            System.out.println("请求 " + i + ": " + (limiter.tryAcquire() ? "通过" : "被限流"));
            Thread.sleep(100); // 模拟请求间隔
        }
    }
}

3. 使用 Guava 的 RateLimiter

Google Guava 提供了 RateLimiter 类,基于令牌桶算法实现限流。

3.1 添加依赖

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.0.1-jre</version>
</dependency>

运行 HTML

3.2 使用示例

import com.google.common.util.concurrent.RateLimiter;

public class GuavaRateLimiterExample {
    public static void main(String[] args) throws InterruptedException {
        RateLimiter limiter = RateLimiter.create(1.0); // 每秒限流 1 次
        for (int i = 0; i < 10; i++) {
            System.out.println("请求 " + i + ": " + (limiter.tryAcquire() ? "通过" : "被限流"));
            Thread.sleep(300); // 模拟请求间隔
        }
    }
}

4. 限流方案的选择

算法优点缺点适用场景
计数器实现简单无法应对突发流量简单限流场景
滑动窗口比计数器更平滑实现复杂需要平滑限流的场景
漏桶平滑流量无法应对突发流量需要严格控制流量的场景
令牌桶支持突发流量实现复杂需要支持突发流量的场景
Guava简单易用,功能强大依赖第三方库需要快速实现限流的场景

5. 总结

通过以上内容,可以轻松掌握限流的实现方法!

到此这篇关于Java常见的限流方案及实现的文章就介绍到这了,更多相关Java限流方案内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文