本文共 3055 字，大约阅读时间需要 10 分钟。

RateLimiter：基于令牌桶算法的限流解决方案

RateLimiter 是 Guava 库中基于令牌桶算法实现的限流工具，简单易用，适合根据系统需求调整令牌生成速率。它在抢购限流、网速限制等场景中表现出色。

1. 多任务处理：按秒限流

假设系统每秒最多允许处理 X 个任务，RateLimiter 可以帮助实现这个目标。通过创建一个 RateLimiter 实例，并在每个任务启动前调用 acquire 方法，可以确保每秒不超过指定数量的任务执行。

import com.google.common.util.concurrent.RateLimiter;import java.util.ArrayList;import java.util.List;import java.util.concurrent.ExecutorService;import java.util.concurrent.Executors;public class Demo1 {    public static void main(String[] args) {        RateLimiter rateLimiter = RateLimiter.create(0.5); // 每秒最多 0.5 个令牌        List
   
     tasks = new ArrayList<>();        for (int i = 0; i < 10; i++) {            tasks.add(new UserRequest(i));        }        ExecutorService threadPool = Executors.newCachedThreadPool();        for (Runnable runnable : tasks) {            System.out.println("等待时间：" + rateLimiter.acquire());            threadPool.execute(runnable);        }    }    private static class UserRequest implements Runnable {        private int id;        public UserRequest(int id) {            this.id = id;        }        public void run() {            System.out.println(id);        }    }}
   

运行结果表明，每 2 秒最多执行 1 个任务。通过 acquire 方法可以获取等待时间，确保无过度负载。

2. 抢购场景限流

在抢购场景中，RateLimiter 可以防止系统被过度负载。例如，数据库每秒可处理 10 个请求，超过限制会导致故障。

package com.tianyalei.controller;import com.google.common.util.concurrent.RateLimiter;import com.tianyalei.model.GoodInfo;import com.tianyalei.service.GoodInfoService;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import javax.annotation.Resource;@RestControllerpublic class IndexController {    @Resource(name = "db")    private GoodInfoService goodInfoService;    RateLimiter rateLimiter = RateLimiter.create(10);    @RequestMapping("/miaosha")    public Object miaosha(int count, String code) {        System.out.println("等待时间" + rateLimiter.acquire());        if (goodInfoService.update(code, count) > 0) {            return "购买成功";        }        return "购买失败";    }    @RequestMapping("/add")    public Object add() {        for (int i = 0; i < 100; i++) {            GoodInfo goodInfo = new GoodInfo();            goodInfo.setCode("iphone" + i);            goodInfo.setAmount(100);            goodInfoService.add(goodInfo);        }        return "添加成功";    }}

测试显示，每秒前 10 个请求无需等待，后续请求每 0.1 秒一个，符合预期效果。

3. 抢购场景降级

直接使用 RateLimiter 可能导致用户等待，影响体验。通过 tryAcquire 方法设置超时，确保在指定时间内无法获取令牌时立即返回失败。

@RequestMapping("/buy")public Object miao(int count, String code) {    // 非阻塞获取令牌    if (!rateLimiter.tryAcquire(1000, TimeUnit.MILLISECONDS)) {        System.out.println("短期无法获取令牌，真不幸，排队也瞎排");        return "失败";    }    if (goodInfoService.update(code, count) > 0) {        System.out.println("购买成功");        return "成功";    }    System.out.println("数据不足，失败");    return "失败";}

在实际测试中，每秒大约有 22 个成功请求，78 个失败。通过降级策略，用户体验得到了显著提升。

补充：实际应用测试

部署到线上服务器后，测试结果如下：

通过 RateLimiter 的非阻塞方式，可以更好地控制流量，提升系统性能。

转载地址：http://hhcuz.baihongyu.com/