解决ASP.NET Core中使用漏桶算法限流的问题

程序员文章站 2022-07-01 10:34:08

目录算法原理算法实现进程内即内存漏桶算法基于redis的漏桶算法应用算法1、安装nuget包2、使用中间件漏桶算法是限流的四大主流算法之一，其应用场景各种资料中介绍的不多，一般都是说应用在网络流量控制...

1、目前家庭上网都会限制一个固定的带宽，比如100m、200m等，一栋楼有很多的用户，那么运营商怎么保证某些用户没有使用过多的带宽，从而影响到别人呢？这时就可以使用漏桶算法，限制每个用户访问网络的最大带宽，当然实际会比这复杂很多。

2、有一个祖传接口，当时写的时候没有任何保护措施，现在访问量稍微大点就会崩溃，但是代码谁也改不动。这时候也可以用漏桶算法，把这个接口封装一下，将外部请求通过漏桶算法进行整流，再转发给这个接口，此时访问频率不会超过阈值，接口就不会崩溃了。

算法原理

说了这么多，那漏桶算法到底是怎么解决问题的呢？请看下图。

解决ASP.NET Core中使用漏桶算法限流的问题

接收到请求后，先把请求放到一个漏桶中，漏桶以恒定的速率漏出请求，然后漏出的请求被处理；如果接收请求的速度过快，导致漏桶满了，则丢弃新的请求。

可以看出，漏桶算法主要是通过恒速的方式输出，给后续数据处理一个稳定的输入。这样它就能应对一定的突发流量，使系统不会因为请求量突增而导致崩溃，只不过是通过增加延迟的方式，会有那么一点浪费资源，这和令牌桶的处理方式不同，关于令牌桶算法可以看这篇文章：asp.net core中使用令牌桶限流。

还有一个不常提及的好处，恒速的输出有时候也可以提升效率，比如一次允许漏出两个请求，则可以将两次处理合并为一次处理，如果每次处理都涉及到网络io，则合并处理就有机会减少网络io的开销。

算法实现

这里讲两种实现方法：进程内即内存漏桶算法、基于redis的漏桶算法。

进程内即内存漏桶算法

这里在请求时计算漏出数量，没有单独的漏出处理，描述的算法稍显复杂，不过只需要增加一点耐心，也很容易理解。

先来定义几个变量：

对于漏出速率，用 [每x时间周期y个] 来表示。x时间周期一般是若干秒、分钟、小时等时间跨度。
对于当前时间周期的开始时间用ts表示，当前时间周期的结束时间用te表示，当前时间用ti表示。
对于漏桶容量，用z来表示。
对于x时间内的所有请求数量，用n来表示。

当请求到达时，则可以按以下次序处理：

如果ti-ts<=x，说明还在当前时间周期内，先增加n的值：

比较n和y，如果n<=y，则请求无需等待，直接漏出，进入处理阶段；

如果n>y，则比较n与y+z：

如果n<=y+z，则请求进入漏桶等待，等待时间为：(math.ceiling((n-y)/y)-1)*x+(te - ti)，等待结束后漏出，进入处理阶段；

如果n>y+z，则请求无法进入漏桶，只能丢弃掉，实现上就是拒绝请求；

如果ti-ts>x，则需要创建新的时间周期：

计算过去了几个时间周期：pn=math.ceiling((ti-te)/x)；

重设ts和te的值：ts=上次的ts+pn*x，te=ts+x；
计算这段时间最大可以漏出的数量：yo=pn*y；
计算n的值：n= n-yo<=0 ? 0: n-yo；
此时符合ti-ts<=x，又在当前时间周期内了，再回到上边的步骤依次处理。

基于redis的漏桶算法

基于redis也可以实现上述的算法，只不过变量的表示方式换成了redis kv，算法逻辑还是一样的。

这些操作逻辑可以封装在一个lua script中，因为lua script在redis中执行时也是原子操作，所以redis的限流计数在分布式部署时天然就是准确的。

应用算法

虽然业务服务中不怎么常用，这里还是以限流组件 fireflysoft.ratelimit 为例，实现asp.net core中的漏桶算法限流。

1、安装nuget包

有多种安装方式，选择自己喜欢的就行了。

包管理器命令：

install-package fireflysoft.ratelimit.aspnetcore

或者.net命令:

dotnet add package fireflysoft.ratelimit.aspnetcore

或者项目文件直接添加：

<itemgroup>
<packagereference include="fireflysoft.ratelimit.aspnetcore" version="2.*" />
</itemgroup>

2、使用中间件

在startup中使用中间件，演示代码如下（下边会有详细说明）：

public void configureservices(iservicecollection services)
        {
           ...
           app.addratelimit(new inprocessleakybucketalgorithm(
                new[] {
                		// 三个参数：漏桶的容量、单位时间漏出的数量、漏出的单位时间
                    new leakybucketrule(20,10, timespan.fromseconds(1))
                    {
                        extracttarget = context =>
                        {
                        		// 提取限流目标
                            return (context as httpcontext).request.path.value;
                        },
                        checkrulematching = context =>
                        {
                        		// 判断当前请求是否需要限流处理
                            return true;
                        },
                        name="leaky bucket limit rule",
                    }
                })
            );
            ...
        }

public void configure(iapplicationbuilder app, iwebhostenvironment env)
        {
            ...
            app.useratelimit();
            ...
        }

如上需要先注册服务，然后使用中间件。

注册服务的时候需要提供限流算法和对应的规则：

这里使用进程内漏桶算法inprocessleakybucketalgorithm，还可以使用redisleakybucketalgorithm，需要传入一个redis连接。两种算法都支持同步和异步方法。
漏桶的容量是20，单位时间漏出的数量10，漏出的单位时间是1秒。也就是说1秒漏出10个，1秒内超出10个请求就会被延迟处理，加上漏桶的容量，1秒内超出30个请求就会被限流。
extracttarget用于提取限流目标，这里是每个不同的请求path，可以根据需求从当前请求中提取关键数据，然后设定各种限流目标。如果有io请求，这里还支持对应的异步方法extracttargetasync。
checkrulematching用于验证当前请求是否限流，传入的对象也是当前请求，方便提取关键数据进行验证。如果有io请求，这里还支持对应的异步方法checkrulematchingasync。
默认被限流时会返回httpstatuscode 429，可以在addratelimit时使用可选参数error自定义这个值，以及http header和body中的内容。

基本的使用就是上边例子中的这些了。

如果还是基于传统的.net framework，则需要在application_start中注册一个消息处理器ratelimithandler，算法和规则部分都是共用的，具体可以看github上的使用说明：https://github.com/bosima/fireflysoft.ratelimit

fireflysoft.ratelimit 是一个基于 .net standard 的限流类库，其内核简单轻巧，能够灵活应对各种需求的限流场景。

其主要特点包括：