Spring Boot 整合Redisson实现限流

您所在的位置：网站首页 › springcloud整合redisson › Spring Boot 整合Redisson实现限流

Spring Boot 整合Redisson实现限流

2024-06-24 05:32| 来源: 网络整理| 查看: 265

目录一、简介二、maven依赖三、编码实现3.1、配置文件3.2、配置类3.3、注解类3.4、切面类3.5、自定义异常和全局异常3.6、控制层四、验证4.1、单用户请求4.2、多用户请求结语

一、简介

本篇文章主要来讲Spring Boot 整合 Redisson 实现限流，之前我们讲过使用Redis的Lua脚本方式，我们今天主要讲使用 Redisson 提供的方法实现限流。本文中主要用到 org.redisson.api.RRateLimiter ，它的方法比较多，比如：

trySetRate(RateType mode, long rate, long rateInterval, RateIntervalUnit rateIntervalUnit) setRate(RateType mode, long rate, long rateInterval, RateIntervalUnit rateIntervalUnit) tryAcquire() tryAcquire(long permits) acquire() acquire(long permits) tryAcquire(long timeout, TimeUnit unit) tryAcquire(long permits, long timeout, TimeUnit unit) RateLimiterConfig getConfig() availablePermits() 二、maven依赖

pom.xml

4.0.0 org.springframework.boot spring-boot-starter-parent 2.6.0 com.alian redis-limit-java 0.0.1-SNAPSHOT redisCache redis-limit-java UTF-8 UTF-8 target 1.8 2.9.10 1.16.14 1.2.68 4.12 org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-starter-aop org.springframework.boot spring-boot-starter-data-redis org.redisson redisson-spring-boot-starter 3.17.0 org.springframework.boot spring-boot-starter-actuator com.fasterxml.jackson.core jackson-databind ${jackson.version} com.fasterxml.jackson.datatype jackson-datatype-jsr310 ${jackson.version} com.alibaba fastjson ${fastjson.version} org.apache.commons commons-lang3 3.12.0 org.projectlombok lombok ${lombok.version} org.springframework.boot spring-boot-maven-plugin

因为我平常一直是使用 SpringBoot2.6.0 这个版本，它整合 redisson-spring-boot-starter 时会有点问题，本文的关键限流使用，不去深究这个问题，直接排除了健康检查就好了

org.redisson redisson-spring-boot-starter 3.17.0 org.springframework.boot spring-boot-starter-actuator 三、编码实现 3.1、配置文件

application.properties

# 端口 server.port=8090 # 上下文路径 server.servlet.context-path=/rateLimit # Redis数据库索引（默认为0） spring.redis.database=0 # Redis服务器地址 #spring.redis.host=192.168.0.193 spring.redis.host=127.0.0.1 # Redis服务器连接端口 spring.redis.port=6379 # Redis服务器连接密码（默认为空） spring.redis.password=123456 # 连接池最大连接数（使用负值表示没有限制） spring.redis.jedis.pool.max-active=20 # 连接池中的最小空闲连接 spring.redis.jedis.pool.min-idle=10 # 连接池中的最大空闲连接 spring.redis.jedis.pool.max-idle=20 # 连接池最大阻塞等待时间（使用负值表示没有限制） spring.redis.jedis.pool.max-wait=20000 # 读时间（毫秒） spring.redis.timeout=10000 # 连接超时时间（毫秒） spring.redis.connect-timeout=10000 # redisson配置文件位置 spring.redis.redisson.file=classpath:redisson-single.yml

redisson-single.yml

# 单节点设置 singleServerConfig: # redis数据库索引 database: 0 # redis地址 address: redis://127.0.0.1:6379 # redis密码 password: 123456 # 连接超时 connectTimeout: 10000 # 读超时 timeout: 3000 # 命令失败重试次数 retryAttempts: 3 # 命令重试发送时间间隔 retryInterval: 1500 # 最小空闲连接数默认24 connectionMinimumIdleSize: 10 # 连接池大小，默认64 connectionPoolSize: 20

因为我本机redis是单节点的，所以是单节点配置相关的，还有很多配置，大家参照下面这两个类进行配置

org.redisson.config.BaseConfigorg.redisson.config.SingleServerConfig

如果你是集群模式，则参照下面这三个类进行配置

org.redisson.config.BaseConfigorg.redisson.config.BaseMasterSlaveServersConfigorg.redisson.config.ClusterServersConfig 3.2、配置类

RedisConfiguration.java

package com.alian.redissonLimit.config; import com.fasterxml.jackson.annotation.JsonAutoDetect; import com.fasterxml.jackson.annotation.PropertyAccessor; import com.fasterxml.jackson.databind.ObjectMapper; import com.fasterxml.jackson.databind.SerializationFeature; import com.fasterxml.jackson.datatype.jsr310.JavaTimeModule; import com.fasterxml.jackson.datatype.jsr310.deser.LocalDateDeserializer; import com.fasterxml.jackson.datatype.jsr310.deser.LocalDateTimeDeserializer; import com.fasterxml.jackson.datatype.jsr310.deser.LocalTimeDeserializer; import com.fasterxml.jackson.datatype.jsr310.ser.LocalDateSerializer; import com.fasterxml.jackson.datatype.jsr310.ser.LocalDateTimeSerializer; import com.fasterxml.jackson.datatype.jsr310.ser.LocalTimeSerializer; import lombok.extern.slf4j.Slf4j; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.data.redis.connection.RedisConnectionFactory; import org.springframework.data.redis.core.RedisTemplate; import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer; import org.springframework.data.redis.serializer.RedisSerializer; import org.springframework.data.redis.serializer.StringRedisSerializer; import java.time.LocalDate; import java.time.LocalDateTime; import java.time.LocalTime; import java.time.format.DateTimeFormatter; @Slf4j @Configuration public class RedisConfiguration { /** * redis配置 * * @param redisConnectionFactory * @return */ @Bean public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory) { // 实例化redisTemplate RedisTemplate redisTemplate = new RedisTemplate(); //设置连接工厂 redisTemplate.setConnectionFactory(redisConnectionFactory); // key采用String的序列化 redisTemplate.setKeySerializer(keySerializer()); // value采用jackson序列化 redisTemplate.setValueSerializer(valueSerializer()); // Hash key采用String的序列化 redisTemplate.setHashKeySerializer(keySerializer()); // Hash value采用jackson序列化 redisTemplate.setHashValueSerializer(valueSerializer()); //执行函数，初始化RedisTemplate redisTemplate.afterPropertiesSet(); return redisTemplate; } /** * key类型采用String序列化 * * @return */ private RedisSerializer keySerializer() { return new StringRedisSerializer(); } /** * value采用JSON序列化 * * @return */ private RedisSerializer valueSerializer() { //设置jackson序列化 Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); //设置序列化对象 jackson2JsonRedisSerializer.setObjectMapper(getMapper()); return jackson2JsonRedisSerializer; } /** * 使用com.fasterxml.jackson.databind.ObjectMapper * 对数据进行处理包括java8里的时间 * * @return */ private ObjectMapper getMapper() { ObjectMapper mapper = new ObjectMapper(); //设置可见性 mapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); //默认键入对象 mapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); //设置Java 8 时间序列化 JavaTimeModule timeModule = new JavaTimeModule(); timeModule.addSerializer(LocalDateTime.class, new LocalDateTimeSerializer(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"))); timeModule.addSerializer(LocalDate.class, new LocalDateSerializer(DateTimeFormatter.ofPattern("yyyy-MM-dd"))); timeModule.addSerializer(LocalTime.class, new LocalTimeSerializer(DateTimeFormatter.ofPattern("HH:mm:ss"))); timeModule.addDeserializer(LocalDateTime.class, new LocalDateTimeDeserializer(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"))); timeModule.addDeserializer(LocalDate.class, new LocalDateDeserializer(DateTimeFormatter.ofPattern("yyyy-MM-dd"))); timeModule.addDeserializer(LocalTime.class, new LocalTimeDeserializer(DateTimeFormatter.ofPattern("HH:mm:ss"))); //禁用把时间转为时间戳 mapper.configure(SerializationFeature.WRITE_DATES_AS_TIMESTAMPS, false); mapper.registerModule(timeModule); return mapper; } }

提过很多次了，就是Redis的整合。

3.3、注解类

RateLimiter.java

package com.alian.redissonLimit.annotate; import org.redisson.api.RateType; import java.lang.annotation.*; @Documented @Target({ElementType.METHOD}) @Retention(RetentionPolicy.RUNTIME) public @interface RedissonRateLimiter { /** * RRateLimiter 限流模式 * OVERALL 所有客户端加总限流 * PER_CLIENT 每个客户端单独计算流量 */ RateType mode() default RateType.PER_CLIENT; /** * Spel表达式 */ String[] keys() default {}; /** * 单位时间产生的令牌数，默认100 */ long rate() default 100; /** * 时间间隔，默认1秒 */ long rateInterval() default 1; /** * 拒绝请求时的提示信息 */ String showPromptMsg() default "服务器繁忙，请稍候再试"; }

自定义注解也没有什么好说的，主要是定义了：@RateLimiter

限流模式 mode （全局限流和单机限流）key的名称 keys ，用于Redis锁的键单位时间产生的令牌数 rate ，默认100时间间隔 rateInterval ，默认1秒限流时返回给前端的提示信息 showPromptMsg

RateLimiters.java

package com.alian.redisLimit.annotate; import java.lang.annotation.ElementType; import java.lang.annotation.Retention; import java.lang.annotation.RetentionPolicy; import java.lang.annotation.Target; @Target({ElementType.METHOD}) @Retention(RetentionPolicy.RUNTIME) public @interface RateLimiters { RateLimiter[] value(); }

这个就不多说了

3.4、切面类

RateLimiterAspectHandler.java

package com.alian.redissonLimit.aop; import com.alian.redissonLimit.annotate.RedissonRateLimiter; import com.alian.redissonLimit.annotate.RedissonRateLimiters; import com.alian.redissonLimit.exception.RateLimiterException; import lombok.extern.slf4j.Slf4j; import org.apache.commons.lang3.StringUtils; import org.aspectj.lang.ProceedingJoinPoint; import org.aspectj.lang.annotation.Around; import org.aspectj.lang.annotation.Aspect; import org.aspectj.lang.reflect.MethodSignature; import org.redisson.api.RRateLimiter; import org.redisson.api.RateIntervalUnit; import org.redisson.api.RedissonClient; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Component; import org.springframework.util.DigestUtils; import java.nio.charset.StandardCharsets; import java.util.concurrent.TimeUnit; @Slf4j @Component @Aspect public class RateLimiterAspectHandler { @Autowired private RateLimiterKeyProvider keyProvider; @Autowired private RedissonClient redissonClient; @Around(value = "@annotation(redissonRateLimiter)", argNames = "point,redissonRateLimiter") public Object around(ProceedingJoinPoint point, RedissonRateLimiter redissonRateLimiter) throws Throwable { isAllow(point, redissonRateLimiter); return point.proceed(); } @Around(value = " @annotation(redissonRateLimiters)", argNames = "point,redissonRateLimiters") public Object around(ProceedingJoinPoint point, RedissonRateLimiters redissonRateLimiters) throws Throwable { RedissonRateLimiter[] limiters = redissonRateLimiters.value(); for (RedissonRateLimiter rateLimiter : limiters) { isAllow(point, rateLimiter); } return point.proceed(); } private void isAllow(ProceedingJoinPoint point, RedissonRateLimiter redissonRateLimiter) { // 获取key String key = keyProvider.getKey(point, redissonRateLimiter); // 此处是为了日志输出 boolean flag = StringUtils.isNotBlank(key); // 类路径+方法，然后计算md5 String uniqueKey = getUniqueKey((MethodSignature) point.getSignature()); // key名称 key = StringUtils.isNotBlank(key) ? uniqueKey + "." + key : uniqueKey; // 获取RRateLimiter实例 RRateLimiter limiter = redissonClient.getRateLimiter(key); // 创建令牌桶数据模型，单位时间内产生多少令牌 limiter.trySetRate(redissonRateLimiter.mode(), redissonRateLimiter.rate(), redissonRateLimiter.rateInterval(), RateIntervalUnit.SECONDS); // 尝试访问数据，timeout 时间内，允许获得的数量permits(如果获取失败，返回false) // 单位时间内不能获取到1个令牌，则返回，不阻塞 boolean tryAcquire = limiter.tryAcquire(1, redissonRateLimiter.rateInterval(), TimeUnit.SECONDS); log.info("【{}】请求，线程：【{}】，获取令牌的结果：{}", flag ? "单用户" : "多用户", Thread.currentThread().getName(), tryAcquire); if (!tryAcquire) { log.error("限流模式：{}; 限流数量：{}; 限流时间间隔：{}", redissonRateLimiter.mode().toString(), redissonRateLimiter.rate(), redissonRateLimiter.rateInterval()); throw new RateLimiterException(redissonRateLimiter.showPromptMsg()); } } private String getUniqueKey(MethodSignature signature) { String format = String.format("%s.%s", signature.getDeclaringTypeName(), signature.getMethod().getName()); return DigestUtils.md5DigestAsHex(format.getBytes(StandardCharsets.UTF_8)); } } 切面是针对所有使用了@RateLimiter 注解的方法首先是获取定义的key的值，这里通过 RateLimiterKeyProvider 获取到获取一个方法的唯一值作为Redis中key的一部分（md5(类路径+方法名)），和key一起确定最后的key通过 RedissonClient 获取RRateLimiter 实例创建令牌桶数据模型，单位时间内生成多少令牌 timeout 秒内不能获取到 permits 个令牌，获取到则返回 true ，否则返回 false如果未获取到则抛出异常（限流了），做一个全局异常捕获，统一返回处理

我们这里的两个方法：

trySetRate() ：初始化RateLimit的状态并将配置存储到Redis服务器 tryAcquire() ：仅当所有许可证在给定等待时间内可用时，才获取给定数量的许可证。如果有许可证，则获取许可证，返回true，并将可用许可证的数量减少一个。如果没有可用的许可，则此方法将立即返回值false。

RateLimiterKeyProvider.java

package com.alian.redissonLimit.aop; import com.alian.redissonLimit.annotate.RedissonRateLimiter; import lombok.extern.slf4j.Slf4j; import org.aspectj.lang.JoinPoint; import org.aspectj.lang.reflect.MethodSignature; import org.springframework.context.expression.MethodBasedEvaluationContext; import org.springframework.core.DefaultParameterNameDiscoverer; import org.springframework.core.ParameterNameDiscoverer; import org.springframework.expression.EvaluationContext; import org.springframework.expression.ExpressionParser; import org.springframework.expression.spel.standard.SpelExpressionParser; import org.springframework.stereotype.Component; import org.springframework.util.StringUtils; import java.lang.reflect.Method; import java.util.ArrayList; import java.util.List; @Slf4j @Component public class RateLimiterKeyProvider { private ParameterNameDiscoverer discoverer = new DefaultParameterNameDiscoverer(); private ExpressionParser parser = new SpelExpressionParser(); public String getKey(JoinPoint joinPoint, RedissonRateLimiter redissonRateLimiter) { List keyList = new ArrayList(); Method method = getMethod(joinPoint); List definitionKeys = getSpelDefinitionKey(redissonRateLimiter.keys(), method, joinPoint.getArgs()); keyList.addAll(definitionKeys); return StringUtils.collectionToDelimitedString(keyList,".","",""); } private Method getMethod(JoinPoint joinPoint) { MethodSignature signature = (MethodSignature) joinPoint.getSignature(); Method method = signature.getMethod(); if (method.getDeclaringClass().isInterface()) { try { method = joinPoint.getTarget().getClass().getDeclaredMethod(signature.getName(), method.getParameterTypes()); } catch (Exception e) { log.error(null,e); } } return method; } private List getSpelDefinitionKey(String[] definitionKeys, Method method, Object[] parameterValues) { List definitionKeyList = new ArrayList(); for (String definitionKey : definitionKeys) { if (definitionKey != null && !definitionKey.isEmpty()) { EvaluationContext context = new MethodBasedEvaluationContext(null, method, parameterValues, discoverer); String key = parser.parseExpression(definitionKey).getValue(context).toString(); definitionKeyList.add(key); } } return definitionKeyList; } } 3.5、自定义异常和全局异常

RateLimiterException.java

package com.alian.redissonLimit.exception; public class RateLimiterException extends RuntimeException { public RateLimiterException(String message) { super(message); } }

自定义异常类，也没啥好说的，下面就是全局异常，为了省篇幅没有把所有的异常都列出来，小伙伴可以自行添加，主要是对我们RateLimiterException 进行处理。

GlobalExceptionHandler.java

package com.alian.redissonLimit.exception; import com.alian.redissonLimit.dto.ApiResponseDto; import lombok.extern.slf4j.Slf4j; import org.springframework.http.HttpStatus; import org.springframework.stereotype.Component; import org.springframework.web.HttpRequestMethodNotSupportedException; import org.springframework.web.bind.MissingServletRequestParameterException; import org.springframework.web.bind.annotation.ControllerAdvice; import org.springframework.web.bind.annotation.ExceptionHandler; import org.springframework.web.bind.annotation.ResponseBody; import org.springframework.web.bind.annotation.ResponseStatus; import javax.servlet.http.HttpServletRequest; @Slf4j @Component @ControllerAdvice public class GlobalExceptionHandler { @ExceptionHandler @ResponseBody @ResponseStatus(HttpStatus.OK) public ApiResponseDto handle(HttpRequestMethodNotSupportedException exception, HttpServletRequest request) { return logWarn(request.getRequestURI() + " " + exception.getMessage(), null, ApiResponseDto.errRequestMethod("请求方法错误")); } @ExceptionHandler @ResponseBody @ResponseStatus(HttpStatus.OK) public ApiResponseDto handle(MissingServletRequestParameterException exception) { return logWarn(exception.getMessage(), null, ApiResponseDto.errParam("参数错误")); } @ExceptionHandler @ResponseBody @ResponseStatus(HttpStatus.OK) public ApiResponseDto handle(RateLimiterException exception) { return ApiResponseDto.fail(exception.getMessage()); } @ExceptionHandler @ResponseBody @ResponseStatus(HttpStatus.OK) public ApiResponseDto handle(Exception exception) { log.info("异常类:{}", exception.getClass().getCanonicalName()); return logError(null, exception, ApiResponseDto.exception("系统异常")); } private static ApiResponseDto logWarn(String msg, Exception e, ApiResponseDto responseDto) { long timestamp = responseDto.getTimestamp(); String m = "timestamp is " + timestamp; if (msg != null) { m += ", " + msg; } if (e == null) { log.warn(m); } else { log.warn(m, e); } return responseDto; } private static ApiResponseDto logError(String msg, Exception e, ApiResponseDto responseDto) { long timestamp = responseDto.getTimestamp(); String m = "timestamp is " + timestamp; if (msg != null) { m += ", " + msg; } log.error(m, e); return responseDto; } }

对应的统一返回封装如下：

ApiResponseDto.java

package com.alian.redissonLimit.dto; import lombok.*; import lombok.experimental.Accessors; @Setter @Getter @Accessors(chain = true) @NoArgsConstructor @AllArgsConstructor @ToString(exclude = "content") public class ApiResponseDto { /** 成功 */ public static String CODE_SUCCESS="0000"; /** 失败 */ public static String CODE_FAIL="1000"; /** 系统异常 */ public static String CODE_EXCEPTION="1001"; /** 签名错误 */ public static String CODE_ERR_SIGN="1002"; /** 参数错误 */ public static String CODE_ERR_PARAM="1003"; /** 业务异常 */ public static String CODE_BIZ_ERR="1004"; /** 查询无数据，使用明确的参数(如id)进行查询时未找到记录时返回此错误码 */ public static String CODE_NO_DATA="1005"; /** 错误的请求方法 */ public static String CODE_ERR_REQUEST_METHOD="1006"; /** 错误的请求内容类型 */ public static String CODE_ERR_CONTENT_TYPE="1007"; /** 系统繁忙 */ public static String CODE_SYS_BUSY="1008"; /** 显示提示 */ public static String CODE_SHOW_TIP="1009"; /** 根据bizCode进行处理 */ public static String CODE_DEAL_BIZ_CODE="1012"; /** 未找到请求 */ public static String CODE_NOT_FOUND_CODE="1013"; public final static ApiResponseDto SUCCESS=new ApiResponseDto(); private String code =CODE_SUCCESS; /** 状态说明 */ private String msg ="success"; /** 请求是否成功 */ public boolean isSuccess(){ return CODE_SUCCESS.equals(code); } /** 结果内容 */ private T content; /** 时间戳 */ private long timestamp=System.currentTimeMillis(); /** 业务状态码，由业务接口定义 */ private String bizCode; /** 业务状态说明 */ private String bizMsg; public ApiResponseDto(T content) { this.content=content; } public static ApiResponseDto success(){ return SUCCESS; } public static ApiResponseDto success(T content){ return new ApiResponseDto(content); } public static ApiResponseDto fail(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_FAIL); response.setMsg(msg); return response; } public static ApiResponseDto exception(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_EXCEPTION); response.setMsg(msg); return response; } public static ApiResponseDto errSign(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_ERR_SIGN); response.setMsg(msg); return response; } public static ApiResponseDto errParam(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_ERR_PARAM); response.setMsg(msg); return response; } public static ApiResponseDto bizErr(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_BIZ_ERR); response.setMsg(msg); return response; } public static ApiResponseDto notFound(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_NOT_FOUND_CODE); response.setMsg(msg); return response; } public static ApiResponseDto noData(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_NO_DATA); response.setMsg(msg); return response; } public static ApiResponseDto errRequestMethod(String msg){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_ERR_REQUEST_METHOD); response.setMsg(msg); return response; } public static ApiResponseDto errContentType(){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_ERR_CONTENT_TYPE); response.setMsg("错误的请求内容类型"); return response; } public static ApiResponseDto sysBusy(){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_SYS_BUSY); response.setMsg("系统繁忙"); return response; } public static ApiResponseDto showTip(String tip){ ApiResponseDto response = new ApiResponseDto(); response.setCode(CODE_SHOW_TIP); response.setMsg(tip); return response; } public ApiResponseDto bizInfo(String bizCode,String bizMsg){ this.code=bizCode; this.msg=bizMsg; return this; } public static ApiResponseDto dealBizCode(String bizCode,String bizMsg,T content){ ApiResponseDto response = new ApiResponseDto(content); response.setCode(CODE_DEAL_BIZ_CODE); response.setMsg("根据bizCode进行处理"); response.setBizCode(bizCode); response.setBizMsg(bizMsg); return response; } } 3.6、控制层

UserController.java

package com.alian.redissonLimit.controller; import com.alian.redissonLimit.annotate.RedissonRateLimiter; import com.alian.redissonLimit.annotate.RedissonRateLimiters; import com.alian.redissonLimit.dto.ApiResponseDto; import com.alian.redissonLimit.dto.UserDto; import lombok.extern.slf4j.Slf4j; import org.redisson.api.RateType; import org.springframework.web.bind.annotation.PathVariable; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; import java.time.LocalDateTime; import java.util.HashMap; import java.util.Map; @Slf4j @RequestMapping("/user") @RestController public class UserController { private static Map map = new HashMap() {{ put("BAT001", new UserDto("BAT001", "梁南生", 27, "研发部", 18000.0, LocalDateTime.of(2020, 5, 20, 9, 0, 0))); put("BAT002", new UserDto("BAT002", "包雅馨", 25, "财务部", 8800.0, LocalDateTime.of(2016, 11, 10, 8, 30, 0))); put("BAT003", new UserDto("BAT003", "罗考聪", 35, "测试部", 6400.0, LocalDateTime.of(2017, 3, 20, 14, 0, 0))); }}; @RedissonRateLimiters(value = { @RedissonRateLimiter(keys = {"#id"}, mode = RateType.OVERALL, rate = 1, rateInterval = 1, showPromptMsg = "您查询太快了，请稍后再试"), @RedissonRateLimiter(mode = RateType.OVERALL, rate = 3, rateInterval = 1, showPromptMsg = "系统繁忙，请稍后再试") }) @RequestMapping("/findById/{id}") public ApiResponseDto findById(@PathVariable("id") String id) { UserDto userDto = map.getOrDefault(id, null); if (userDto != null) { return ApiResponseDto.success(userDto); } return ApiResponseDto.noData("未查询到数据"); } }

简单模拟根据用户编号查询用户的接口，关键是我们使用注解@RateLimiter 的方法可以做限流，看是否能达到我们的要求。这里有两层意思：

一个用户每秒最多获取1个令牌，每秒最多生成1个令牌整个接口每秒最多获取3个令牌，每秒最多生成1个令牌

虽说和我们上一篇的设计是一样的，但是得到的结果可能就不一样了，具体的我们来看看测试结果，然后了解下为啥可能会不一样。

四、验证 4.1、单用户请求

写个简单的单元测试方法。

测试方法

package com.alian.redissonLimit; import com.alian.redissonLimit.controller.UserController; import com.alian.redissonLimit.dto.ApiResponseDto; import com.alian.redissonLimit.dto.UserDto; import lombok.extern.slf4j.Slf4j; import org.junit.Test; import org.junit.runner.RunWith; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import org.springframework.test.context.junit4.SpringJUnit4ClassRunner; import java.util.concurrent.CountDownLatch; @Slf4j @RunWith(SpringJUnit4ClassRunner.class) @SpringBootTest public class RedisLimitTest { @Autowired private UserController userController; @Test public void singleUserRequest() { final CountDownLatch countDownLatch = new CountDownLatch(5); for (int i = 0; i try { // 使当前线程在锁存器倒计数至零之前一直等待，除非线程被中断或超出了指定的等待时间。如果当前计数为零，则此方法立刻返回true值 countDownLatch.await(); //获得锁 ApiResponseDto responseDto = userController.findById("BAT001"); log.info("线程【{}】执行完，结果信息：{}", Thread.currentThread().getName(), responseDto.getMsg()); } catch (InterruptedException e) { e.printStackTrace(); } }, "Thread" + i).start(); // 递减锁存器的计数，如果计数到达零，则释放所有等待的线程。如果当前计数大于零，则将计数减少. countDownLatch.countDown(); } try { Thread.sleep(10000); } catch (InterruptedException e) { e.printStackTrace(); } } }

单用户后台结果1：

11:39:17 953 INFO [Thread3]:【单用户】请求，线程：【Thread3】，获取令牌的结果：true 11:39:17 953 INFO [Thread3]:【多用户】请求，线程：【Thread3】，获取令牌的结果：true 11:39:17 963 INFO [Thread3]:线程【Thread3】执行完，结果信息：success 11:39:18 969 INFO [Thread2]:【单用户】请求，线程：【Thread2】，获取令牌的结果：false 11:39:18 969 INFO [Thread1]:【单用户】请求，线程：【Thread1】，获取令牌的结果：false 11:39:18 969 INFO [Thread4]:【单用户】请求，线程：【Thread4】，获取令牌的结果：false 11:39:18 969 INFO [Thread0]:【单用户】请求，线程：【Thread0】，获取令牌的结果：false 11:39:18 969 ERROR [Thread1]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1 11:39:18 969 ERROR [Thread4]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1 11:39:18 969 ERROR [Thread2]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1 11:39:18 969 ERROR [Thread0]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1

从上面的结果我们可以看到同时1秒内同时接收5个请求，只有1个请求拿到了令牌，我们之前就说了，可能结果还能不同，我们这里的间隔是1秒钟，但是如果我们把获取令牌的时间改成2秒呢？

boolean tryAcquire = limiter.tryAcquire(1, redissonRateLimiter.rateInterval(), TimeUnit.SECONDS);

如果改成

boolean tryAcquire = limiter.tryAcquire(1, 2, TimeUnit.SECONDS);

单用户后台结果2：

13:19:43 617 INFO [Thread4]:【单用户】请求，线程：【Thread4】，获取令牌的结果：true 13:19:43 623 INFO [Thread4]:线程【Thread4】执行完，结果信息：success 13:19:44 627 INFO [Thread3]:【单用户】请求，线程：【Thread3】，获取令牌的结果：true 13:19:44 627 INFO [Thread3]:线程【Thread3】执行完，结果信息：success 13:19:45 617 INFO [Thread1]:【单用户】请求，线程：【Thread1】，获取令牌的结果：false 13:19:45 617 INFO [Thread0]:【单用户】请求，线程：【Thread0】，获取令牌的结果：false 13:19:45 617 INFO [Thread2]:【单用户】请求，线程：【Thread2】，获取令牌的结果：false 13:19:45 617 ERROR [Thread1]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1 13:19:45 617 ERROR [Thread2]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1 13:19:45 617 ERROR [Thread0]:限流模式：OVERALL; 限流数量：1; 限流时间间隔：1

从这里我们可以看到单用户请求5次，最后有2个拿到了令牌，tryAcquire(1, 2, TimeUnit.SECONDS)，这个意思就是在2秒内获取1个令牌即可，虽说第一秒只有1个令牌，但是到第二秒内又产生了1个令牌，所以5个请求，有2个请求拿到了令牌。其实这种也有一定的好处，就是先请求进来的，有一定的概率会分配到锁，也就是先到先得的概率大一点，类似在排队一样。

4.2、多用户请求

我们还是把上面的修改，改回去（tryAcquire(1, redissonRateLimiter.rateInterval(), TimeUnit.SECONDS)）。

测试方法

package com.alian.redissonLimit; import com.alian.redissonLimit.controller.UserController; import com.alian.redissonLimit.dto.ApiResponseDto; import com.alian.redissonLimit.dto.UserDto; import lombok.extern.slf4j.Slf4j; import org.junit.Test; import org.junit.runner.RunWith; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import org.springframework.test.context.junit4.SpringJUnit4ClassRunner; import java.util.concurrent.CountDownLatch; @Slf4j @RunWith(SpringJUnit4ClassRunner.class) @SpringBootTest public class RedisLimitTest { @Autowired private UserController userController; @Test public void multiUserRequest() { final CountDownLatch countDownLatch = new CountDownLatch(5); for (int i = 1; i try { // 使当前线程在锁存器倒计数至零之前一直等待，除非线程被中断或超出了指定的等待时间。如果当前计数为零，则此方法立刻返回true值 countDownLatch.await(); //获得锁 ApiResponseDto responseDto = userController.findById(id); log.info("线程【{}】执行完，结果信息：{}", Thread.currentThread().getName(), responseDto.getMsg()); } catch (InterruptedException e) { e.printStackTrace(); } }, "Thread" + i).start(); // 递减锁存器的计数，如果计数到达零，则释放所有等待的线程。如果当前计数大于零，则将计数减少. countDownLatch.countDown(); } try { Thread.sleep(10000); } catch (InterruptedException e) { e.printStackTrace(); } } }

我们测试方法是5个用户，5个线程同时请求我们的接口，所以单用户限流都是能拿到令牌的，5个请求都拿到了令牌，而接口限流是每秒3个令牌，所以有2个触发了限流。

单用户后台结果1：

13:38:02 763 INFO [Thread4]:【单用户】请求，线程：【Thread4】，获取令牌的结果：true 13:38:02 763 INFO [Thread1]:【单用户】请求，线程：【Thread1】，获取令牌的结果：true 13:38:02 763 INFO [Thread2]:【单用户】请求，线程：【Thread2】，获取令牌的结果：true 13:38:02 763 INFO [Thread5]:【单用户】请求，线程：【Thread5】，获取令牌的结果：true 13:38:02 763 INFO [Thread3]:【单用户】请求，线程：【Thread3】，获取令牌的结果：true 13:38:02 764 INFO [Thread5]:【多用户】请求，线程：【Thread5】，获取令牌的结果：true 13:38:02 764 INFO [Thread4]:【多用户】请求，线程：【Thread4】，获取令牌的结果：true 13:38:02 764 INFO [Thread2]:【多用户】请求，线程：【Thread2】，获取令牌的结果：true 13:38:02 768 INFO [Thread5]:线程【Thread5】执行完，结果信息：未查询到数据 13:38:02 768 INFO [Thread2]:线程【Thread2】执行完，结果信息：success 13:38:02 768 INFO [Thread4]:线程【Thread4】执行完，结果信息：未查询到数据 13:38:03 777 INFO [Thread1]:【多用户】请求，线程：【Thread1】，获取令牌的结果：false 13:38:03 777 INFO [Thread3]:【多用户】请求，线程：【Thread3】，获取令牌的结果：false 13:38:03 777 ERROR [Thread1]:限流模式：OVERALL; 限流数量：3; 限流时间间隔：1 13:38:03 777 ERROR [Thread3]:限流模式：OVERALL; 限流数量：3; 限流时间间隔：1

从结果上可以看出，先是用户限流执行，然后接口限流执行。其实这里还和我们的注解顺序有关系，如果我们把com.alian.redissonLimit.controller的 findById 方法上面的组合注解

@RedissonRateLimiters(value = { @RedissonRateLimiter(keys = {"#id"}, mode = RateType.OVERALL, rate = 1, rateInterval = 1, showPromptMsg = "您查询太快了，请稍后再试"), @RedissonRateLimiter(mode = RateType.OVERALL, rate = 3, rateInterval = 1, showPromptMsg = "系统繁忙，请稍后再试") })

改成（注解顺序改变）

@RedissonRateLimiters(value = { @RedissonRateLimiter(mode = RateType.OVERALL, rate = 3, rateInterval = 1, showPromptMsg = "系统繁忙，请稍后再试"), @RedissonRateLimiter(keys = {"#id"}, mode = RateType.OVERALL, rate = 1, rateInterval = 1, showPromptMsg = "您查询太快了，请稍后再试") })

单用户后台结果2：

13:40:18 786 INFO [Thread3]:【多用户】请求，线程：【Thread3】，获取令牌的结果：true 13:40:18 786 INFO [Thread5]:【多用户】请求，线程：【Thread5】，获取令牌的结果：true 13:40:18 786 INFO [Thread4]:【多用户】请求，线程：【Thread4】，获取令牌的结果：true 13:40:18 805 INFO [Thread4]:【单用户】请求，线程：【Thread4】，获取令牌的结果：true 13:40:18 805 INFO [Thread5]:【单用户】请求，线程：【Thread5】，获取令牌的结果：true 13:40:18 805 INFO [Thread3]:【单用户】请求，线程：【Thread3】，获取令牌的结果：true 13:40:18 807 INFO [Thread4]:线程【Thread4】执行完，结果信息：未查询到数据 13:40:18 807 INFO [Thread3]:线程【Thread3】执行完，结果信息：success 13:40:18 807 INFO [Thread5]:线程【Thread5】执行完，结果信息：未查询到数据 13:40:19 797 INFO [Thread2]:【多用户】请求，线程：【Thread2】，获取令牌的结果：false 13:40:19 797 INFO [Thread1]:【多用户】请求，线程：【Thread1】，获取令牌的结果：false 13:40:19 797 ERROR [Thread2]:限流模式：OVERALL; 限流数量：3; 限流时间间隔：1 13:40:19 797 ERROR [Thread1]:限流模式：OVERALL; 限流数量：3; 限流时间间隔：1

从结果上可以看出，先是接口限流执行，然后用户限流执行，和之前的执行顺序相比就是相反的了。

结语使用 @RateLimiters 组合注解可以完成单用户限流和多用户接口限流使用 @RateLimiters 组合注解时，需要注意子注解 @RateLimiter 的顺序使用 Redisson 实现限流时，它是支持集群模式的使用 Redisson 实现限流调用方式比较简单，但是底层还是使用的Lua脚本使用 Redisson 实现限流的时，获取令牌的时间可以根据具体情况灵活调整使用 Redisson 实现限流的时，有个不好的地方是它生成的key不会自动过期，需要配合redis删除策略或者手动清除使用 Redisson 实现限流的时，通过类型或者方法名预先配置好指定的规则并且缓存起来，使用时再获取，可以达到动态配置的效果

所以还是建议使用我之前介绍的采用Lua脚本：Spring Boot 整合Redis使用Lua脚本实现限流

【本文地址】

公司简介

联系我们