wordpress全站cdn ssl网站首页代码怎么做

当前位置： 首页 > news >正文

wordpress全站cdn ssl,网站首页代码怎么做,福州做网站的公司有哪些,网站建设公司高端目录 前言 限流的作用 4种常见限流算法 固定窗口限流 基本原理 简单实现 优点和缺点 滑动窗口限流 基本原理 简单实现 优点和缺点 漏桶限流 基本原理 简单实现 优点和缺点 令牌桶限流 基本原理 简单实现 优点和缺点 算法比较与选择 前言 在现代分布式系统… 目录 前言 限流的作用 4种常见限流算法 固定窗口限流 基本原理 简单实现 优点和缺点 滑动窗口限流 基本原理 简单实现 优点和缺点 漏桶限流 基本原理 简单实现 优点和缺点 令牌桶限流 基本原理 简单实现 优点和缺点 算法比较与选择 前言 在现代分布式系统和高并发场景下限流已成为保障系统稳定性和可用性的重要手段。随着互联网应用规模的不断扩大系统经常会面对海量请求和突发流量如何有效控制和管理这些请求流量成为一项关键挑战。限流算法作为流量控制的重要工具能够帮助系统平衡资源分配、抵御恶意攻击并在高峰期维持服务的连续性与可靠性。本文将深入探讨几种常见的限流算法及其应用场景帮助读者更好地理解限流机制的工作原理与优化策略。 限流的作用 限流的作用在于防止系统过载、保障服务的可用性、优化资源利用、平滑高峰流量并确保服务质量和用户体验。通过控制请求的频率限流机制能够在高并发或突发流量的情况下保护系统资源提升其整体性能和响应能力从而避免系统崩溃或服务中断。 4种常见限流算法 固定窗口限流 基本原理 计数器算法是在一定的时间间隔里记录请求次数当请求次数超过间隔内的最大次数时触发限流策略。当进入下一个时间窗口时进行访问次数的清零。例如如果设置了1秒钟内最多允许100个请求的上限那么系统会统计当前窗口内的请求数量当请求数量未达到上限时允许请求通过一旦达到上限则拒绝剩余的请求直到进入下一个时间窗口为止在新的时间窗口开始时计数器会被重置重新统计请求数量。如下图所示 简单实现 import org.redisson.api.; import org.springframework.stereotype.Service;import javax.annotation.Resource; import java.util.concurrent.TimeUnit;Service public class RedisLimiterManager {ResourceRedissonClient redissonClient;/** 限流操作** param key 限流键* param limit 请求限制数量* param windowSize 窗口大小/public void doRateLimit(String key, Long limit, Long windowSize) {// 加分布式锁RLock rLock redissonClient.getLock(key);try {// 加锁rLock.lock(100, TimeUnit.MILLISECONDS);// 获取原子计数器RAtomicLong counter redissonClient.getAtomicLong(key);// 计数long count counter.incrementAndGet();// 如果是第一个请求初始化窗口并设置过期时间if (count 1) {// 窗口时长设置为1秒counter.expire(windowSize, TimeUnit.SECONDS);}// 如果请求数量超过限制触发限流if (count limit) {// 触发限流的不记在请求数量中counter.decrementAndGet();// 执行限流逻辑}// 请求通过继续处理业务逻辑} finally {rLock.unlock();}} } 优点和缺点 优点实现简单易于理解。 缺点存在明显的临界问题比如: 假设限流阀值为5个请求单位时间窗口是1s,如果我们在单位时间内的前0.8-1s和1-1.2s分别并发5个请求。虽然都没有超过阀值但是如果算0.8-1.2s,则并发数高达10已经超过单位时间1s不超过5阀值的定义啦。 滑动窗口限流 基本原理 滑动窗口顾名思义就是持续的滑动它的窗口大小是固定的但是起止时间是动态的窗口大小被分割成大小相等的若干子窗口每次滑动都会滑过一个子窗口同时每个子窗口单独计数并且所有子窗口的计数求和不应大于整体窗口的阈值。这样的话当新请求的时间点大于时间窗口右边界时窗口右移一个子窗口最左边的子窗口的计数值舍弃。 例如如果设定的限流策略是“每秒钟最多允许100个请求”那么系统会不断滑动地统计过去1秒内的请求次数。如果请求次数未达到上限允许请求通过否则拒绝请求。如下图所示 简单实现 import org.redisson.api.; import org.springframework.stereotype.Service;import javax.annotation.Resource; import java.util.concurrent.TimeUnit;Service public class RedisLimiterManager {ResourceRedissonClient redissonClient;/*** 限流操作** param key 限流键* param limit 请求限制数量* param windowSize 窗口大小*/public void doRateLimit(String key, Long limit, Long windowSize) {// 获取计数的有序集合RScoredSortedSetLong counter redissonClient.getScoredSortedSet(key);// 使用分布式锁RLock rLock redissonClient.getLock(key);try {// 加锁rLock.lock(200, TimeUnit.MILLISECONDS);// 当前时间戳long currentTimestamp System.currentTimeMillis();// 窗口起始时间戳long windowStartTimestamp currentTimestamp - windowSize * 1000;// 移除窗口外的请求即移除时间小于窗口起始时间的请求counter.removeRangeByScore(0, true, windowStartTimestamp, false);// 将当前时间戳作为score和member存入有序集合中counter.add(currentTimestamp, currentTimestamp);// 获取当前窗口内的请求数量long count counter.size();// 判断是否超过限流阈值if (count limit) {// 执行限流逻辑}// 请求通过继续处理业务逻辑} finally {rLock.unlock();}} } 优点和缺点 优点 简单易懂精度较高也解决了固定窗口的临界时间处理问题。 缺点 突发流量无法处理一旦到达限流后请求都会直接暴力被拒绝影响用户的体验。 漏桶限流 基本原理 漏桶算法可以形象地理解为一个固定容量的水桶水以不规则的速度流入桶中但以固定的速率从桶底漏出。假设水桶的容量是固定的如果水流入的速度超过了漏出的速度且水桶已满多余的水请求将被丢弃。如下图所示 简单实现 import org.redisson.api.; import org.springframework.stereotype.Service;import javax.annotation.Resource; import java.util.concurrent.TimeUnit;Service public class RedisLimiterManager {private static final String KEY_PREFIX leakyBucketRateLimiter:;ResourceRedissonClient redissonClient;/** 限流操作** param key 限流键* param leakRate 漏出速率* param bucketSize 桶的容量/public void doRateLimit(String key, Long leakRate, Long bucketSize) {// 获取当前请求的水位桶RBucketLong bucket redissonClient.getBucket(KEY_PREFIX key);// 获取最后一次漏出请求的时间RBucketLong lastLeakTimeBucket redissonClient.getBucket(KEY_PREFIX key :lastLeakTime);// 创建分布式锁RLock lock redissonClient.getLock(KEY_PREFIX LOCK: key);try {// 尝试获取锁lock.lock(100, TimeUnit.MILLISECONDS);// 当前时间戳long currentTime System.currentTimeMillis();// 当前水位Long currentWaterLevel bucket.get();// 上次漏出时间Long lastLeakTime lastLeakTimeBucket.get();// 初始化水位和漏出时间if (currentWaterLevel null) {currentWaterLevel 0L;}if (lastLeakTime null) {lastLeakTime currentTime;}// 计算自上次漏出以来经过的时间long timeElapsed currentTime - lastLeakTime;// 计算漏出的请求数量long leakedAmount timeElapsed / leakRate;// 更新水位if (leakedAmount 0) {// 更新水位确保不为负currentWaterLevel Math.max(0, currentWaterLevel - leakedAmount);// 更新最后漏出时间lastLeakTimeBucket.set(currentTime);}// 检查是否可以接受新的请求if (currentWaterLevel bucketSize) {// 接受请求水位加一bucket.set(currentWaterLevel 1);// 请求通过继续处理业务逻辑} // 触发限流逻辑} finally {lock.unlock();}} } 优点和缺点 优点 既能够限流还能够平滑控制处理速度。 缺点 需要对请求进行缓存会增加服务器的内存消耗。无法应对突然激增的流量因为只能以固定的速率处理请求对系统资源利用不够友好。桶流入水发请求的速率如果一直大于桶流出水处理请求的速率的话那么桶会一直是满的一部分新的请求会被丢弃导致服务质量下降。 令牌桶限流 基本原理 令牌桶算法以恒定的速率生成令牌并放入桶中令牌数不会超过桶容量当有请求到来时会尝试申请一块令牌如果没有令牌则会拒绝请求有足够的令牌则会处理请求并且减少桶内令牌数。如下图所示 简单实现 import org.redisson.api.; import org.springframework.stereotype.Service;import javax.annotation.Resource;Service public class RedisLimiterManager {ResourceRedissonClient redissonClient;/*** 限流操作** param key 限流键*/public void doRateLimit(String key) {RRateLimiter rRateLimiter redissonClient.getRateLimiter(key);// 设置令牌桶限流器的限流效果如限流的类型、每个限流时间窗口内生成的令牌数量、速率的时间间隔和时间间隔的单位。rRateLimiter.trySetRate(RateType.OVERALL, 2, 1, RateIntervalUnit.SECONDS);// 尝试获取 1 个令牌boolean canOp rRateLimiter.tryAcquire(1);if (!canOp) {// 获取令牌失败// 执行失败后的操作….}// 请求通过继续处理业务逻辑} } 优点和缺点 优点 面对突发流量可以在短时间内提供更多的处理能力以处理突发流量。与漏桶算法相比令牌桶算法提供了更大的灵活性可以动态调整生成令牌的速率。 缺点 如果令牌产生速率和桶的容量设置不合理可能会出现问题比如大量的请求被丢弃、系统过载。 算法比较与选择 固定窗口算法业务简单对突发流量要求不高的场景。 滑动窗口算法需要精确控制请求速率平滑限流时使用。 漏桶算法适合对流量有严格平稳要求的场景尤其是在处理突发请求能力有限、系统必须稳定输出流量的情况下。 令牌桶算法对突发流量有要求对稳定性和精度要求较高的场景。