摘要：計數(shù)限流算法無論固定窗口還是滑動窗口核心均是對請求進(jìn)行計數(shù)，區(qū)別僅僅在于對于計數(shù)時間區(qū)間的處理。令牌桶限流實現(xiàn)原理令牌桶限流的實現(xiàn)原理在有詳細(xì)說明。因此由此為入口進(jìn)行分析。目前可返回的實現(xiàn)子類包括及兩種，具體不同下文詳細(xì)分析。

限流一詞常用于計算機(jī)網(wǎng)絡(luò)之中，定義如下：

In computer networks, rate limiting is used to control the rate of traffic sent or received by a network interface controller and is used to prevent DoS attacks.

通過控制數(shù)據(jù)的網(wǎng)絡(luò)數(shù)據(jù)的發(fā)送或接收速率來防止可能出現(xiàn)的DOS攻擊。而實際的軟件服務(wù)過程中，限流也可用于API服務(wù)的保護(hù)。由于提供服務(wù)的計算機(jī)資源(包括CPU、內(nèi)存、磁盤及網(wǎng)絡(luò)帶寬等)是有限的，則其提供的API服務(wù)的QPS也是有限的，限流工具就是通過限流算法對API訪問進(jìn)行限制，保證服務(wù)不會超過其能承受的負(fù)載壓力。
本文主要涉及內(nèi)容包括：

常用限流算法的簡單介紹及比較

Guava包中限流工具的實現(xiàn)分析

援引wiki中關(guān)于限流的Algorithms一小節(jié)的說明，常用的限流算法主要包括：

Token bucket-令牌桶

Leaky bucket-漏桶

Fixed window counter-固定窗口計數(shù)

Sliding window log-滑動窗口日志

Sliding window counter-滑動窗口計數(shù)

以上幾種方式其實可以簡單的分為計數(shù)算法、漏桶算法和令牌桶算法。

無論固定窗口還是滑動窗口核心均是對請求進(jìn)行計數(shù)，區(qū)別僅僅在于對于計數(shù)時間區(qū)間的處理。

固定窗口計數(shù)法思想比較簡單，只需要確定兩個參數(shù)：計數(shù)周期T及周期內(nèi)最大訪問（調(diào)用）數(shù)N。請求到達(dá)時使用以下流程進(jìn)行操作：

固定窗口計數(shù)實現(xiàn)簡單，并且只需要記錄上一個周期起始時間與周期內(nèi)訪問總數(shù)，幾乎不消耗額外的存儲空間。

固定窗口計數(shù)缺點也非常明顯，在進(jìn)行周期切換時，上一個周期的訪問總數(shù)會立即置為0，這可能導(dǎo)致在進(jìn)行周期切換時可能出現(xiàn)流量突發(fā)，如下圖所示

簡化模型，假設(shè)在兩個周期T0中a時刻有n1個訪問同時到達(dá)，周期T1中b時刻有n2個訪問同時到達(dá)，且n1和n2均小于設(shè)定的最高訪問次數(shù)N（否則會觸發(fā)限流）。
根據(jù)以上假設(shè)可以推斷，限流器不會限流，n1+n2次訪問均可以通過?，F(xiàn)假設(shè)a，b兩時刻之間時間差為t，則可以得出以下關(guān)系:

$$ left{ egin{aligned} n1 le N n2 le N (n1+n2) le 2N end{aligned} ight. $$

根據(jù)觀察可發(fā)現(xiàn)，在$t$的時間內(nèi)，出現(xiàn)了$n1+n2$次請求，且$n1+n2$是可能大于$N$的，所以在實際使用過程中，固定窗口計數(shù)器存在突破限額N的可能。
舉例，限制QPS為10，某用戶在周期切換的前后的0.1秒內(nèi)，分兩次發(fā)送10次請求，根據(jù)算法規(guī)則此20次請求可通過限流器，則0.1面秒請求數(shù)20，超過每秒最多10次請求的限制。

為解決固定窗口計數(shù)帶來的周期切換處流量突發(fā)問題，可以使用滑動窗口計數(shù)。滑動窗口計算本質(zhì)上也是固定窗口計數(shù)，區(qū)別在于將計數(shù)周期進(jìn)行細(xì)化。

滑動窗口計數(shù)法與股固定窗口計數(shù)法相比較，除了計數(shù)周期T及周期內(nèi)最大訪問（調(diào)用）數(shù)N兩個參數(shù)，增加一個參數(shù)M，用于設(shè)置周期T內(nèi)的滑動窗口數(shù)。限流流程如下：

滑動窗口計數(shù)在固定窗口計數(shù)記錄數(shù)據(jù)基礎(chǔ)上，需要增加一個長度為M的計數(shù)數(shù)組，用于記錄在窗口滑動過程中各窗口訪問數(shù)據(jù)。其流程示例如下：

滑動窗口針對周期進(jìn)行了細(xì)分，不存在周期到后計數(shù)直接重置為0的情況，故不會出現(xiàn)跨周期的流量限制問題。

漏桶限流算法的實現(xiàn)原理在wiki有詳細(xì)說明，引用其原理圖：
簡單說明為：人為設(shè)定漏桶流出速度及漏桶的總?cè)萘?，在請求到達(dá)時判斷當(dāng)前漏桶容量是否已滿，不滿則可將請求存入桶中，否則拋棄請求。程序以設(shè)定的速率取出請求進(jìn)行處理。
根據(jù)描述，需要確定參數(shù)為漏桶流出速度r及漏桶容量N，流程如下：

漏桶算法主要特點在于可以保證無論收到請求的速率如何，真正抵達(dá)服務(wù)方接口的請求速率最大為r，能夠?qū)斎氲恼埱筮M(jìn)行平滑處理。
漏桶算法的缺點也非常明顯，由于其只能以特定速率處理請求，則如何確定該速率就是核心問題，如果速率設(shè)置太小則會浪費性能資源，設(shè)置太大則會造成資源不足。并且由于速率的設(shè)置，無論輸入速率如何波動，均不會體現(xiàn)在服務(wù)端，即使資源有空余，對于突發(fā)請求也無法及時處理，故對有突發(fā)請求處理需求時，不宜選擇該方法。

令牌桶限流的實現(xiàn)原理在wiki有詳細(xì)說明。簡單總結(jié)為：設(shè)定令牌桶中添加令牌的速率，并且設(shè)置桶中最大可存儲的令牌，當(dāng)請求到達(dá)時，向桶中請求令牌（根據(jù)應(yīng)用需求，可能為1個或多個），若令牌數(shù)量滿足要求，則刪除對應(yīng)數(shù)量的令牌并通過當(dāng)前請求，若桶中令牌數(shù)不足則觸發(fā)限流規(guī)則。
根據(jù)描述需要設(shè)置的參數(shù)為，令牌添加速率r，令牌桶中最大容量N，流程如下：

令牌桶算法通過設(shè)置令牌放入速率可以控制請求通過的平均速度，且由于設(shè)置的容量為N的桶對令牌進(jìn)行緩存，可以容忍一定流量的突發(fā)。

以上提到四種算法，本小節(jié)主要對四種算法做簡單比較算法進(jìn)行對比。

上文簡單介紹了常用的限流算法，在JAVA軟件開發(fā)過程中可使用Guava包中的限流工具進(jìn)行服務(wù)限流。Guava包中限流工具類圖如下所示：
其中RateLimiter類為限流的核心類，其為public的抽象類，RateLimiter有一個實現(xiàn)類SmoothRateLimiter，根據(jù)不同消耗令牌的策略SmoothRateLimiter又有兩個具體實現(xiàn)類SmoothBursty和SmoothWarmingUp。
在實際使用過程中一般直接使用RateLimiter類，其他類對用戶是透明的。RateLimiter類的設(shè)計使用了類似BUILDER模式的小技巧，并做了一定的調(diào)整。
通過RateLimiter類圖可見，RateLimiter類不僅承擔(dān)了具體實現(xiàn)類的創(chuàng)建職責(zé)，同時也確定了被創(chuàng)建出的實際類可提供的方法。標(biāo)準(zhǔn)創(chuàng)建者模式UML圖如下所示（引用自百度百科）
RateLimiter類即承擔(dān)了builder的職責(zé)，也承擔(dān)了Product的職責(zé)。

在實際的代碼編寫過程中，對GUAVA包限流工具的使用參考以下代碼：

final RateLimiter rateLimiter = RateLimiter.create(2.0); // rate is "2 permits per second"
void submitTasks(List tasks, Executor executor) {
  for (Runnable task : tasks) {
    rateLimiter.acquire(); // may wait
    executor.execute(task);
  }
}

以上代碼摘自GUAVA包RateLimiter類的說明文檔，首先使用create函數(shù)創(chuàng)建限流器，指定每秒生成2個令牌，在需要調(diào)用服務(wù)時使用acquire函數(shù)或取令牌。

根據(jù)代碼示例，抽象類RateLimiter由于承擔(dān)了Product的職責(zé)，其已經(jīng)確定了暴露給編程人員使用的API函數(shù)，其中主要實現(xiàn)的核心函數(shù)為create及acquire。因此由此為入口進(jìn)行分析。

create函數(shù)具有兩個個重載，根據(jù)不同的重載可能創(chuàng)建不同的RateLimiter具體實現(xiàn)子類。目前可返回的實現(xiàn)子類包括SmoothBursty及SmoothWarmingUp兩種，具體不同下文詳細(xì)分析。

acquire函數(shù)也具有兩個重載類，但分析過程僅僅需要關(guān)系具有整形參數(shù)的函數(shù)重載即可，無參數(shù)的函數(shù)僅僅是acquire(1)的簡便寫法。
在acquire(int permits)函數(shù)中主要完成三件事：

預(yù)分配授權(quán)數(shù)量，此函數(shù)返回需要等待的時間，可能為0；

根據(jù)等待時間進(jìn)行休眠；

以秒為單位，返回獲取授權(quán)消耗的時間。

完成以上工作的過程中，RateLimiter類確定了獲取授權(quán)的過程骨架并且實現(xiàn)了一些通用的方法，這些通用方法中會調(diào)用為實現(xiàn)的抽象方法，開發(fā)人員根據(jù)不同的算法需求可實現(xiàn)特定子類對抽象方法進(jìn)行覆蓋。其調(diào)用流程如下圖：
其中橙色塊中reserveEarliestAvailable方法即為需要子類進(jìn)行實現(xiàn)的，下文以該函數(shù)為核心，分析RateLimiter類的子類是如何實現(xiàn)該方法的。

根據(jù)上文的類圖可見，RateLimiter類在GUAVA包中的直接子類僅有SmoothRateLimiter，故以reserveEarliestAvailable函數(shù)為入口研究其具體實現(xiàn)，而在代碼實現(xiàn)的過程中需要使用SmoothRateLimiter類中的屬性，現(xiàn)將類中各屬性羅列出來：

reserveEarliestAvailable源碼如下：

@Override
final long reserveEarliestAvailable(int requiredPermits, long nowMicros) {
  resync(nowMicros);
  long returnValue = nextFreeTicketMicros;
  double storedPermitsToSpend = min(requiredPermits, this.storedPermits);
  double freshPermits = requiredPermits - storedPermitsToSpend;
  long waitMicros =
      storedPermitsToWaitTime(this.storedPermits, storedPermitsToSpend)
          + (long) (freshPermits * stableIntervalMicros);

  this.nextFreeTicketMicros = LongMath.saturatedAdd(nextFreeTicketMicros, waitMicros);
  this.storedPermits -= storedPermitsToSpend;
  return returnValue;
}

通過reserveEarliestAvailable的函數(shù)名稱可以知道，該函數(shù)能夠返回令牌可用的最早時間。函數(shù)需要的輸入?yún)?shù)有需求的令牌數(shù)requiredPermits，當(dāng)前時刻nowMicros。進(jìn)入函數(shù)后，首先調(diào)用名為resync的函數(shù)：

void resync(long nowMicros) {
  // if nextFreeTicket is in the past, resync to now
  if (nowMicros > nextFreeTicketMicros) {
    double newPermits = (nowMicros - nextFreeTicketMicros) / coolDownIntervalMicros();
    storedPermits = min(maxPermits, storedPermits + newPermits);
    nextFreeTicketMicros = nowMicros;
  }
}

函數(shù)邏輯比較簡單，首先獲取nextFreeTicketMicros，該值在上表中已經(jīng)說明，表示下一次有空閑令牌產(chǎn)生的時刻，如果當(dāng)前時刻小于等于nextFreeTicketMicros，說明在當(dāng)前時刻不可能有新的令牌產(chǎn)生，則直接返回。若當(dāng)前時刻大于nextFreeTicketMicros，則完成以下工作：

計算到當(dāng)前時刻新產(chǎn)生的令牌數(shù)，其中涉及一個名為coolDownIntervalMicros 的函數(shù)，該函數(shù)返回創(chuàng)建一個新令牌需要的冷卻時間（注：該函數(shù)在當(dāng)前類中并未實現(xiàn)，具體實現(xiàn)下文說明）；

更新storedPermits屬性，取產(chǎn)生的令牌和最大可存儲令牌之間的最小值；

將nextFreeTicketMicros屬性置為當(dāng)前時刻。

可見，resync函數(shù)主要功能在于計算新產(chǎn)生的令牌數(shù)，并更新nextFreeTicketMicros屬性，nextFreeTicketMicros屬性取值是當(dāng)前時刻和nextFreeTicketMicros屬性的原始值中最大的一個。
完成resync函數(shù)的調(diào)用后，使用returnValue變量記錄更新令牌后的最近可用時間（即上文更新后的nextFreeTicketMicros屬性）。
使用storedPermitsToSpend變量記錄需要消耗以存儲的令牌數(shù)，其取值為請求令牌數(shù)和當(dāng)前存儲令牌數(shù)之間的最小值。
使用freshPermits變量記錄需要刷新的令牌數(shù)，其實現(xiàn)是用需求的令牌數(shù)減去之前計算的storedPermitsToSpend變量，可見freshPermits變量取值為需求令牌數(shù)與已存儲令牌數(shù)之間的差值，當(dāng)需求令牌數(shù)小于已存儲令牌數(shù)是則為0。
后續(xù)為該函數(shù)核心，計算需要等待的時間，計算等待時間主要分為兩個部分：消耗已經(jīng)存儲的令牌需要的時間及生成新令牌的時間，其中storedPermitsToWaitTime函數(shù)用于計算消耗已經(jīng)存儲的令牌需要的時間，該函數(shù)也是抽象函數(shù)，后文具體分析子類實現(xiàn)。
完成等待時間的計算后，程序更新nextFreeTicketMicros屬性，將最近可用時間與需要等待的時間相加。
最后在更新存儲的令牌數(shù)，將需要消耗額令牌數(shù)減去。

根據(jù)以上的代碼分析可以發(fā)現(xiàn)，GUAVA對于令牌桶的實現(xiàn)跟理論有一點點小的區(qū)別。其當(dāng)前一次的請求消耗的令牌數(shù)并不會影響本次請求的等待時間，而是會影響下一次請求的等待時間。
根據(jù)以上分析，當(dāng)一次請求到達(dá)，最近可用時間返回當(dāng)前時間和上一次請求計算的最近可用時間的最大值，而本次請求需要的令牌數(shù)會更新下一次的最近可用時間。在這樣的設(shè)計下，如果每秒產(chǎn)生一個令牌，第一請求需求10個令牌，則當(dāng)?shù)谝淮握埱笳{(diào)用acquire方法時能夠立即返回，而下一次請求（無論需要多少令牌）均需要等待到第一個請求之后的10秒以后，第三次請求等待時間則取決于第二次需求了多少令牌。這也是函數(shù)名稱中“reserve”的含義。

在以上文代碼分析中出現(xiàn)了兩個抽象函數(shù)coolDownIntervalMicros及storedPermitsToWaitTime，現(xiàn)分析這兩個抽象函數(shù)。

coolDownIntervalMicros函數(shù)在代碼中已經(jīng)有說明：

Returns the number of microseconds during cool down that we have to wait to get a new permit.

主要含義為生成一個令牌需要消耗的時間，該函數(shù)主要應(yīng)用于計算當(dāng)前時間可產(chǎn)生的令牌數(shù)。根據(jù)上文的UML圖SmoothRateLimiter類有兩個子類SmoothBursty及SmoothWarmingUp。
SmoothBursty類中對于coolDownIntervalMicros函數(shù)的實現(xiàn)如下：

@Override
double coolDownIntervalMicros() {
  return stableIntervalMicros;
}

可見實現(xiàn)非常簡單，僅僅只是返回stableIntervalMicros屬性，即產(chǎn)生兩個令牌需要的時間間隔。
SmoothWarmingUp類中對于coolDownIntervalMicros函數(shù)的實現(xiàn)如下：

@Override
double coolDownIntervalMicros() {
  return warmupPeriodMicros / maxPermits;
}

其中maxPermits屬性上文已經(jīng)出現(xiàn)過，表示當(dāng)前令牌桶的最大容量。warmupPeriodMicros屬性屬于SmoothWarmingUp類的特有屬性，表示令牌桶中令牌從0到maxPermits需要經(jīng)過的時間，故warmupPeriodMicros / maxPermits表示在令牌數(shù)量達(dá)到maxPermits之前的令牌產(chǎn)生時間間隔。

storedPermitsToWaitTime函數(shù)在代碼中已經(jīng)有說明：

Translates a specified portion of our currently stored permits which we want to spend/acquire,
into a throttling time. Conceptually, this evaluates the integral of the underlying function we
use, for the range of [(storedPermits - permitsToTake), storedPermits]

主要表示消耗存儲在令牌桶中的令牌需要的時間。
SmoothBursty類中對于storedPermitsToWaitTime函數(shù)的實現(xiàn)如下：

@Override
long storedPermitsToWaitTime(double storedPermits, double permitsToTake) {
  return 0L;
}

直接返回0，表示消耗令牌不需要時間。
SmoothBursty類中對于storedPermitsToWaitTime函數(shù)的實現(xiàn)如下：

@Override
long storedPermitsToWaitTime(double storedPermits, double permitsToTake) {
  double availablePermitsAboveThreshold = storedPermits - thresholdPermits;
  long micros = 0;
  // measuring the integral on the right part of the function (the climbing line)
  if (availablePermitsAboveThreshold > 0.0) {
    double permitsAboveThresholdToTake = min(availablePermitsAboveThreshold, permitsToTake);
    // TODO(cpovirk): Figure out a good name for this variable.
    double length =
        permitsToTime(availablePermitsAboveThreshold)
            + permitsToTime(availablePermitsAboveThreshold - permitsAboveThresholdToTake);
    micros = (long) (permitsAboveThresholdToTake * length / 2.0);
    permitsToTake -= permitsAboveThresholdToTake;
  }
  // measuring the integral on the left part of the function (the horizontal line)
  micros += (long) (stableIntervalMicros * permitsToTake);
  return micros;
}

實現(xiàn)較為復(fù)雜，其核心思想在于計算消耗當(dāng)前存儲令牌時需要根據(jù)預(yù)熱設(shè)置區(qū)別對待。其中涉及到新變量thresholdPermits，該變量為令牌閾值，當(dāng)當(dāng)前存儲的令牌數(shù)大于該值時，消耗(storedPermits-thresholdPermits)范圍的令牌需要有預(yù)熱的過程（即消耗每個令牌的間隔時間慢慢減?。?，而消耗0~thresholdPermits個數(shù)的以存儲令牌，每個令牌消耗時間為固定值，即stableIntervalMicros。
而thresholdPermits取值需要考慮預(yù)熱時間及令牌產(chǎn)生速度兩個屬性，即thresholdPermits = 0.5 * warmupPeriodMicros / stableIntervalMicros;。可見閾值為預(yù)熱時間中能夠產(chǎn)生的令牌數(shù)的一半，并且根據(jù)注釋計算消耗閾值以上的令牌的時間可以轉(zhuǎn)換為計算預(yù)熱圖的梯形面積（實際為積分），本處不詳細(xì)展開。
使用此種設(shè)計可以保證在上次請求間隔時間較長時，令牌桶中存儲了較多的令牌，當(dāng)消耗這些令牌時，最開始的令牌消耗時間較長，后續(xù)時間慢慢縮短直到達(dá)到stableIntervalMicros的狀態(tài)，產(chǎn)生預(yù)熱的效果。

以上分析GUAVA限流器實現(xiàn)，其使用了兩個抽象類及兩個具體子類完成了限流器實現(xiàn)，其中使用頂層抽象類承擔(dān)了創(chuàng)建者角色，將所有子類進(jìn)行了透明化，減少了程序員在使用工具過程中需要了解的類的數(shù)量。
在實現(xiàn)限流器的過程中，基于令牌桶的思想，并且增加了帶有預(yù)熱器的令牌桶限流器實現(xiàn)。被限流的線程使用其自帶的SleepingStopwatch工具類，最終使用的是Thread.sleep(ms, ns);方法，而線程使用sleep休眠時其持有的鎖并不會釋放，在多線程編程時此處需要注意。
最后，GUAVA的限流器觸發(fā)算法采用的是預(yù)定令牌的方式，即當(dāng)前請求需要的令牌數(shù)不會對當(dāng)前請求的等待時間造成影響，而是會影響下一次請求的等待時間。

本文主要總結(jié)了當(dāng)前常用的服務(wù)限流算法，對比個各算法特點，最后分析GUAVA包中對于限流器的實現(xiàn)的核心方法。