Java 实现令牌桶限流算法 原生极简实现 包括单机和多线程版本

令牌桶算法简介

令牌桶是指一个限流容器,容器有最大容量,每秒或每100ms产生一个令牌(具体取决于机器每秒处理的请求数),当容量中令牌数量达到最大容量时,令牌数量也不会改变了,只有当有请求过来时,使得令牌数量减少(只有获取到令牌的请求才会执行业务逻辑),才会不断生成令牌,所以令牌桶算法是一种弹性的限流算法

限流完下一步我们可以做什么呢,限流完后所有请求都是获取令牌的,都是我们要执行的,但是如果还有很多请求,这时我们要有一个方式决定怎样执行这些请求,这个方式称为调度,可以看我这篇文章 调度算法

令牌桶算法限流范围:

假设令牌桶最大容量为n,每秒产生r个令牌

  1. 平均速率:则随着时间推延,处理请求的平均速率越来越趋近于每秒处理r个请求,说明令牌桶算法可以控制平均速率
  2. 瞬时速率:如果在一瞬间有很多请求进来,此时来不及产生令牌,则在一瞬间最多只有n个请求能获取到令牌执行业务逻辑,所以令牌桶算法也可以控制瞬时速率

在这里提下漏桶,漏桶由于出水量固定,所以无法应对突然的流量爆发访问,也就是没有保证瞬时速率的功能,但是可以保证平均速率

单机版实现

  1. capacity为当前令牌桶的中令牌数量,timeStamp为上一次请求获取令牌的时间,我们没必要真的实现计时器每秒产生多少令牌放入容器中,只要记住上一次请求到来的时间,和这次请求的差值就知道在这段时间内产生了多少令牌
  2. 下面假设100ms产生1个令牌,且令牌桶最大容量为10
  3. Thread.sleep是模拟不同请求到来的间隔,改变间隔可以看到不同现象
public class LeakyBucketAlgorithm {
    
    
    private int capacity = 10;
    private long timeStamp = System.currentTimeMillis();

    public boolean getToken() {
    
    
        if (capacity > 0) {
    
    
            capacity--;
            return true;
        }
        long current = System.currentTimeMillis();
        if (current - timeStamp >= 100) {
    
    
            if ((current - timeStamp) / 100 >= 2) {
    
    
            	// 假设100ms产生一个令牌
                capacity += (int)((current - timeStamp) / 100) - 1;
            }
            timeStamp = current;
            if (capacity > 10) capacity = 10;
            return true;
        }
        return false;
    }

    public static void main(String[] args) throws InterruptedException {
    
    
        LeakyBucketAlgorithm leakyBucketAlgorithm = new LeakyBucketAlgorithm();
        while (true) {
    
    
//            Thread.sleep(10);
            Thread.sleep(100);
            if (leakyBucketAlgorithm.getToken()) {
    
    
                System.out.println("获取令牌成功,可以执行业务逻辑了");
            } else {
    
    
                System.out.println("获取令牌失败,请稍后重试");
            }
        }
    }
}

多线程版实现

  1. 多线程实现也非常简单,只要在方法加一个同步锁,保证同时只有一个请求能尝试获取令牌就可以了
  2. Thread.sleep(1000)是因为有10个线程在抢令牌,而每100ms才产生一个令牌,所以每隔1秒抢一次,可以改变这个值看现象
public class LeakyBucketAlgoritmThread {
    
    
    private int capacity = 10;
    private long timeStamp = System.currentTimeMillis();


    public synchronized boolean getToken() {
    
    
        if (capacity > 0) {
    
    
            capacity--;
            return true;
        }
        long current = System.currentTimeMillis();
        if (current - timeStamp >= 100) {
    
    
            if ((current - timeStamp) / 100 >= 2) {
    
    
                capacity += (int)((current - timeStamp) / 100) - 1;
            }
            timeStamp = current;
            if (capacity > 10) capacity = 10;
            return true;
        }
        return false;
    }

    public static void main(String[] args) throws InterruptedException {
    
    
        LeakyBucketAlgoritmThread leakyBucketAlgorithmThread = new LeakyBucketAlgoritmThread();
        for (int i = 0; i < 10; i++) {
    
    
            new Thread(new Runnable() {
    
    
                @Override
                public void run() {
    
    
                    while (true) {
    
    
                        try {
    
    
//                            Thread.sleep(900);
                            Thread.sleep(1000);
                            if (leakyBucketAlgorithmThread.getToken()) {
    
    
                                System.out.println(Thread.currentThread().getName()+" 获取令牌成功,可以执行业务逻辑了");
                            } else {
    
    
                                System.out.println(Thread.currentThread().getName()+" 获取令牌失败,请稍后重试");
                            }
                        } catch (Exception e) {
    
    
                            e.printStackTrace();
                        }
                    }
                }
            }).start();
        }
    }
}

猜你喜欢

转载自blog.csdn.net/weixin_45754452/article/details/120931773