一、接口冪等性
接口冪等性就是用戶(hù)對(duì)于同一操作發(fā)起的一次請(qǐng)求或者多次請(qǐng)求的結(jié)果是一致的，不會(huì)因?yàn)槎啻吸c(diǎn)擊而產(chǎn)生了副作用。舉個(gè)最簡(jiǎn)單的例子，那就是支付，用戶(hù)購(gòu)買(mǎi)商品后支付，支付扣款成功，但是返回結(jié)果的時(shí)候網(wǎng)絡(luò)異常，此時(shí)錢(qián)已經(jīng)扣了，用戶(hù)再次點(diǎn)擊按鈕，此時(shí)會(huì)進(jìn)行第二次扣款，返回結(jié)果成功，用戶(hù)查詢(xún)余額返發(fā)現(xiàn)多扣錢(qián)了，流水記錄也變成了兩條,這就沒(méi)有保證接口的冪等性。
??冪等性的核心思想：通過(guò)唯一的業(yè)務(wù)單號(hào)保障冪等性，非并發(fā)的情況下，查詢(xún)業(yè)務(wù)單號(hào)有沒(méi)有操作過(guò)，沒(méi)有則執(zhí)行操作，并發(fā)情況下，這個(gè)操作過(guò)程需要加鎖。
1、Update操作的冪等性
1）根據(jù)唯一業(yè)務(wù)號(hào)去更新數(shù)據(jù)
通過(guò)版本號(hào)的方式，來(lái)控制update的操作的冪等性，用戶(hù)查詢(xún)出要修改的數(shù)據(jù)，系統(tǒng)將數(shù)據(jù)返回給頁(yè)面，將數(shù)據(jù)版本號(hào)放入隱藏域，用戶(hù)修改數(shù)據(jù)，點(diǎn)擊提交，將版本號(hào)一同提交給后臺(tái)，后臺(tái)使用版本號(hào)作為更新條件
update set version = version +1 ,xxx=${xxx} where id =xxx and version = ${version};
2、使用Token機(jī)制，保證update、insert操作的冪等性
1）沒(méi)有唯一業(yè)務(wù)號(hào)的update與insert操作
進(jìn)入到注冊(cè)頁(yè)時(shí)，后臺(tái)統(tǒng)一生成Token， 返回前臺(tái)隱藏域中，用戶(hù)在頁(yè)面點(diǎn)擊提交時(shí)，將Token一同傳入后臺(tái)，使用Token獲取分布式鎖，完成Insert操作，執(zhí)行成功后，不釋放鎖，等待過(guò)期自動(dòng)釋放。
二、分布式限流
1、分布式限流的幾種維度
- 時(shí)間 限流基于某段時(shí)間范圍或者某個(gè)時(shí)間點(diǎn)，也就是我們常說(shuō)的“時(shí)間窗口”，比如對(duì)每分鐘、每秒鐘的時(shí)間窗口做限定
- 資源 基于可用資源的限制，比如設(shè)定最大訪(fǎng)問(wèn)次數(shù)，或最高可用連接數(shù)
上面兩個(gè)維度結(jié)合起來(lái)看，限流就是在某個(gè)時(shí)間窗口對(duì)資源訪(fǎng)問(wèn)做限制，比如設(shè)定每秒最多100個(gè)訪(fǎng)問(wèn)請(qǐng)求。但在真正的場(chǎng)景里，我們不止設(shè)置一種限流規(guī)則，而是會(huì)設(shè)置多個(gè)限流規(guī)則共同作用，主要的幾種限流規(guī)則如下：
1）QPS和連接數(shù)控制
針對(duì)上圖中的連接數(shù)和QPS(query per second)限流來(lái)說(shuō)，我們可以設(shè)定IP維度的限流，也可以設(shè)置基于單個(gè)服務(wù)器的限流。在真實(shí)環(huán)境中通常會(huì)設(shè)置多個(gè)維度的限流規(guī)則，比如設(shè)定同一個(gè)IP每秒訪(fǎng)問(wèn)頻率小于10，連接數(shù)小于5，再設(shè)定每臺(tái)機(jī)器QPS最高1000，連接數(shù)最大保持200。更進(jìn)一步，我們可以把某個(gè)服務(wù)器組或整個(gè)機(jī)房的服務(wù)器當(dāng)做一個(gè)整體，設(shè)置更high-level的限流規(guī)則，這些所有限流規(guī)則都會(huì)共同作用于流量控制。
2）傳輸速率
對(duì)于“傳輸速率”大家都不會(huì)陌生，比如資源的下載速度。有的網(wǎng)站在這方面的限流邏輯做的更細(xì)致，比如普通注冊(cè)用戶(hù)下載速度為100k/s，購(gòu)買(mǎi)會(huì)員后是10M/s，這背后就是基于用戶(hù)組或者用戶(hù)標(biāo)簽的限流邏輯。
3）黑白名單
黑白名單是各個(gè)大型企業(yè)應(yīng)用里很常見(jiàn)的限流和放行手段，而且黑白名單往往是動(dòng)態(tài)變化的。舉個(gè)例子，如果某個(gè)IP在一段時(shí)間的訪(fǎng)問(wèn)次數(shù)過(guò)于頻繁，被系統(tǒng)識(shí)別為機(jī)器人用戶(hù)或流量攻擊，那么這個(gè)IP就會(huì)被加入到黑名單，從而限制其對(duì)系統(tǒng)資源的訪(fǎng)問(wèn)，這就是我們俗稱(chēng)的“封IP”。
??我們平時(shí)見(jiàn)到的爬蟲(chóng)程序，比如說(shuō)爬知乎上的美女圖片，或者爬券商系統(tǒng)的股票分時(shí)信息，這類(lèi)爬蟲(chóng)程序都必須實(shí)現(xiàn)更換IP的功能，以防被加入黑名單。有時(shí)我們還會(huì)發(fā)現(xiàn)公司的網(wǎng)絡(luò)無(wú)法訪(fǎng)問(wèn)12306這類(lèi)大型公共網(wǎng)站，這也是因?yàn)槟承┕镜某鼍W(wǎng)IP是同一個(gè)地址，因此在訪(fǎng)問(wèn)量過(guò)高的情況下，這個(gè)IP地址就被對(duì)方系統(tǒng)識(shí)別，進(jìn)而被添加到了黑名單。使用家庭寬帶的同學(xué)們應(yīng)該知道，大部分網(wǎng)絡(luò)運(yùn)營(yíng)商都會(huì)將用戶(hù)分配到不同出網(wǎng)IP段，或者時(shí)不時(shí)動(dòng)態(tài)更換用戶(hù)的IP地址。
??白名單就更好理解了，相當(dāng)于御賜金牌在身，可以自由穿梭在各種限流規(guī)則里，暢行無(wú)阻。比如某些電商公司會(huì)將超大賣(mài)家的賬號(hào)加入白名單，因?yàn)檫@類(lèi)賣(mài)家往往有自己的一套運(yùn)維系統(tǒng)，需要對(duì)接公司的IT系統(tǒng)做大量的商品發(fā)布、補(bǔ)貨等等操作。
4）分布式環(huán)境
所謂的分布式限流，其實(shí)道理很簡(jiǎn)單，一句話(huà)就可以解釋清楚。分布式區(qū)別于單機(jī)限流的場(chǎng)景，它把整個(gè)分布式環(huán)境中所有服務(wù)器當(dāng)做一個(gè)整體來(lái)考量。比如說(shuō)針對(duì)IP的限流，我們限制了1個(gè)IP每秒最多10個(gè)訪(fǎng)問(wèn)，不管來(lái)自這個(gè)IP的請(qǐng)求落在了哪臺(tái)機(jī)器上，只要是訪(fǎng)問(wèn)了集群中的服務(wù)節(jié)點(diǎn)，那么都會(huì)受到限流規(guī)則的制約。
??從上面的例子不難看出，我們必須將限流信息保存在一個(gè)“中心化”的組件上，這樣它就可以獲取到集群中所有機(jī)器的訪(fǎng)問(wèn)狀態(tài)，目前有兩個(gè)比較主流的限流方案：
- 網(wǎng)關(guān)層限流
??將限流規(guī)則應(yīng)用在所有流量的入口處 - 中間件限流
??將限流信息存儲(chǔ)在分布式環(huán)境中某個(gè)中間件里（比如Redis緩存），每個(gè)組件都可以從這里獲取到當(dāng)前時(shí)刻的流量統(tǒng)計(jì)，從而決定是拒絕服務(wù)還是放行流量
2、限流方案常用算法講解
1）令牌桶算法
Token Bucket令牌桶算法是目前應(yīng)用最為廣泛的限流算法，顧名思義，它有以下兩個(gè)關(guān)鍵角色：
- 令牌 獲取到令牌的Request才會(huì)被處理，其他Requests要么排隊(duì)要么被直接丟棄
- 桶 用來(lái)裝令牌的地方，所有Request都從這個(gè)桶里面獲取令牌
令牌生成
這個(gè)流程涉及到令牌生成器和令牌桶，前面我們提到過(guò)令牌桶是一個(gè)裝令牌的地方，既然是個(gè)桶那么必然有一個(gè)容量，也就是說(shuō)令牌桶所能容納的令牌數(shù)量是一個(gè)固定的數(shù)值。
??對(duì)于令牌生成器來(lái)說(shuō)，它會(huì)根據(jù)一個(gè)預(yù)定的速率向桶中添加令牌，比如我們可以配置讓它以每秒100個(gè)請(qǐng)求的速率發(fā)放令牌，或者每分鐘50個(gè)。注意這里的發(fā)放速度是勻速，也就是說(shuō)這50個(gè)令牌并非是在每個(gè)時(shí)間窗口剛開(kāi)始的時(shí)候一次性發(fā)放，而是會(huì)在這個(gè)時(shí)間窗口內(nèi)勻速發(fā)放。
??在令牌發(fā)放器就是一個(gè)水龍頭，假如在下面接水的桶子滿(mǎn)了，那么自然這個(gè)水（令牌）就流到了外面。在令牌發(fā)放過(guò)程中也一樣，令牌桶的容量是有限的，如果當(dāng)前已經(jīng)放滿(mǎn)了額定容量的令牌，那么新來(lái)的令牌就會(huì)被丟棄掉。
令牌獲取
每個(gè)訪(fǎng)問(wèn)請(qǐng)求到來(lái)后，必須獲取到一個(gè)令牌才能執(zhí)行后面的邏輯。假如令牌的數(shù)量少，而訪(fǎng)問(wèn)請(qǐng)求較多的情況下，一部分請(qǐng)求自然無(wú)法獲取到令牌，那么這個(gè)時(shí)候我們可以設(shè)置一個(gè)“緩沖隊(duì)列”來(lái)暫存這些多余的令牌。
??緩沖隊(duì)列其實(shí)是一個(gè)可選的選項(xiàng)，并不是所有應(yīng)用了令牌桶算法的程序都會(huì)實(shí)現(xiàn)隊(duì)列。當(dāng)有緩存隊(duì)列存在的情況下，那些暫時(shí)沒(méi)有獲取到令牌的請(qǐng)求將被放到這個(gè)隊(duì)列中排隊(duì)，直到新的令牌產(chǎn)生后，再?gòu)年?duì)列頭部拿出一個(gè)請(qǐng)求來(lái)匹配令牌。
??當(dāng)隊(duì)列已滿(mǎn)的情況下，這部分訪(fǎng)問(wèn)請(qǐng)求將被丟棄。在實(shí)際應(yīng)用中我們還可以給這個(gè)隊(duì)列加一系列的特效，比如設(shè)置隊(duì)列中請(qǐng)求的存活時(shí)間，或者將隊(duì)列改造為PriorityQueue，根據(jù)某種優(yōu)先級(jí)排序，而不是先進(jìn)先出。算法是死的，人是活的，先進(jìn)的生產(chǎn)力來(lái)自于不斷的創(chuàng)造，在技術(shù)領(lǐng)域尤其如此。
2）漏桶算法
Leaky Bucket
漏桶算法的前半段和令牌桶類(lèi)似，但是操作的對(duì)象不同，令牌桶是將令牌放入桶里，而漏桶是將訪(fǎng)問(wèn)請(qǐng)求的數(shù)據(jù)包放到桶里。同樣的是，如果桶滿(mǎn)了，那么后面新來(lái)的數(shù)據(jù)包將被丟棄。
??漏桶算法的后半程是有鮮明特色的，它永遠(yuǎn)只會(huì)以一個(gè)恒定的速率將數(shù)據(jù)包從桶內(nèi)流出。打個(gè)比方，如果我設(shè)置了漏桶可以存放100個(gè)數(shù)據(jù)包，然后流出速度是1s一個(gè)，那么不管數(shù)據(jù)包以什么速率流入桶里，也不管桶里有多少數(shù)據(jù)包，漏桶能保證這些數(shù)據(jù)包永遠(yuǎn)以1s一個(gè)的恒定速度被處理。
漏桶 vs 令牌桶的區(qū)別
根據(jù)它們各自的特點(diǎn)不難看出來(lái)，這兩種算法都有一個(gè)“恒定”的速率和“不定”的速率。令牌桶是以恒定速率創(chuàng)建令牌，但是訪(fǎng)問(wèn)請(qǐng)求獲取令牌的速率“不定”，反正有多少令牌發(fā)多少，令牌沒(méi)了就干等。而漏桶是以“恒定”的速率處理請(qǐng)求，但是這些請(qǐng)求流入桶的速率是“不定”的。
??從這兩個(gè)特點(diǎn)來(lái)說(shuō)，漏桶的天然特性決定了它不會(huì)發(fā)生突發(fā)流量，就算每秒1000個(gè)請(qǐng)求到來(lái)，那么它對(duì)后臺(tái)服務(wù)輸出的訪(fǎng)問(wèn)速率永遠(yuǎn)恒定。而令牌桶則不同，其特性可以“預(yù)存”一定量的令牌，因此在應(yīng)對(duì)突發(fā)流量的時(shí)候可以在短時(shí)間消耗所有令牌，其突發(fā)流量處理效率會(huì)比漏桶高，但是導(dǎo)向后臺(tái)系統(tǒng)的壓力也會(huì)相應(yīng)增多。
3、分布式限流的主流方案
這里主要講nginx和lua的限流，gateway和hystrix放在后面springcloud中講
1）Guava RateLimiter客戶(hù)端限流
引入maven
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>18.0</version>
</dependency>
2.編寫(xiě)Controller
@RestController
@Slf4j
public class Controller{
//每秒鐘可以創(chuàng)建兩個(gè)令牌
RateLimiter limiter = RateLimiter.create(2.0);
//非阻塞限流
@GetMapping("/tryAcquire")
public String tryAcquire(Integer count){
//count 每次消耗的令牌
if(limiter.tryAcquire(count)){
log.info("成功，允許通過(guò)，速率為{}",limiter.getRate());
return "success";
}else{
log.info("錯(cuò)誤，不允許通過(guò)，速率為{}",limiter.getRate());
return "fail";
}
}
//限定時(shí)間的非阻塞限流
@GetMapping("/tryAcquireWithTimeout")
public String tryAcquireWithTimeout(Integer count, Integer timeout){
//count 每次消耗的令牌 timeout 超時(shí)等待的時(shí)間
if(limiter.tryAcquire(count,timeout,TimeUnit.SECONDS)){
log.info("成功，允許通過(guò)，速率為{}",limiter.getRate());
return "success";
}else{
log.info("錯(cuò)誤，不允許通過(guò)，速率為{}",limiter.getRate());
return "fail";
}
}
//同步阻塞限流
@GetMapping("/acquire")
public String acquire(Integer count){
limiter.acquire(count);
log.info("成功，允許通過(guò)，速率為{}",limiter.getRate());
return "success";
}
}
2）基于Nginx的限流
1.IP限流
編寫(xiě)Controller
@RestController
@Slf4j
public class Controller{
//nginx測(cè)試使用
@GetMapping("/nginx")
public String nginx(){
log.info("Nginx success");
}
}
2、修改host文件，添加一個(gè)網(wǎng)址域名
127.0.0.1 www.test.com
3.修改nginx，將步驟2中的域名，添加到路由規(guī)則當(dāng)中
打開(kāi)nginx的配置文件
vim /usr/local/nginx/conf/nginx.conf
添加一個(gè)服務(wù)
#根據(jù)IP地址限制速度
#1）$binary_remote_addr binary_目的是縮寫(xiě)內(nèi)存占用，remote_addr表示通過(guò)IP地址來(lái)限流
#2）zone=iplimit:20m iplimit是一塊內(nèi)存區(qū)域（記錄訪(fǎng)問(wèn)頻率信息），20m是指這塊內(nèi)存區(qū)域的大小
#3）rate=1r/s 每秒放行1個(gè)請(qǐng)求
limit_req_zone $binary_remote_addr zone=iplimit:20m rate=1r/s;
server{
server_name www.test.com;
location /access-limit/ {
proxy_pass http://127.0.0.1:8080/;
#基于ip地址的限制
#1）zone=iplimit 引用limit_rep_zone中的zone變量
#2）burst=2 設(shè)置一個(gè)大小為2的緩沖區(qū)域，當(dāng)大量請(qǐng)求到來(lái)，請(qǐng)求數(shù)量超過(guò)限流頻率時(shí)，將其放入緩沖區(qū)域
#3）nodelay 緩沖區(qū)滿(mǎn)了以后，直接返回503異常
limit_req zone=iplimit burst=2 nodelay;
}
}
4.訪(fǎng)問(wèn)地址，測(cè)試是否限流
www.test.com/access-limit/nginx
2.多維度限流
1.修改nginx配置
#根據(jù)IP地址限制速度
limit_req_zone $binary_remote_addr zone=iplimit:20m rate=10r/s;
#根據(jù)服務(wù)器級(jí)別做限流
limit_req_zone $server_name zone=serverlimit:10m rate=1r/s;
#根據(jù)ip地址的鏈接數(shù)量做限流
limit_conn_zone $binary_remote_addr zone=perip:20m;
#根據(jù)服務(wù)器的連接數(shù)做限流
limit_conn_zone $server_name zone=perserver:20m;
server{
server_name www.test.com;
location /access-limit/ {
proxy_pass http://127.0.0.1:8080/;
#基于ip地址的限制
limit_req zone=iplimit burst=2 nodelay;
#基于服務(wù)器級(jí)別做限流
limit_req zone=serverlimit burst=2 nodelay;
#基于ip地址的鏈接數(shù)量做限流 最多保持100個(gè)鏈接
limit_conn zone=perip 100;
#基于服務(wù)器的連接數(shù)做限流 最多保持100個(gè)鏈接
limit_conn zone=perserver 1;
#配置request的異常返回504（默認(rèn)為503）
limit_req_status 504;
limit_conn_status 504;
}
location /download/ {
#前100m不限制速度
limit_rate_affer 100m;
#限制速度為256k
limit_rate 256k;
}
}
3）基于Redis+Lua的分布式限流
1.Lua腳本
??Lua是一個(gè)很小巧精致的語(yǔ)言，它的誕生（1993年）甚至比JDK 1.0還要早。Lua是由標(biāo)準(zhǔn)的C語(yǔ)言編寫(xiě)的，它的源碼部分不過(guò)2萬(wàn)多行C代碼，甚至一個(gè)完整的Lua解釋器也就200k的大小。
??Lua往大了說(shuō)是一個(gè)新的編程語(yǔ)言，往小了說(shuō)就是一個(gè)腳本語(yǔ)言。對(duì)于有編程經(jīng)驗(yàn)的同學(xué)，拿到一個(gè)Lua腳本大體上就能把業(yè)務(wù)邏輯猜的八九不離十了。
Redis內(nèi)置了Lua解釋器，執(zhí)行過(guò)程保證原子性
2.Lua安裝
安裝Lua：
- 參考http://www.lua.org/ftp/教程，下載5.3.5_1版本，本地安裝如果你使用的是Mac，那建議用brew工具直接執(zhí)行brew install lua就可以順利安裝，有關(guān)brew工具的安裝可以參考https://brew.sh/網(wǎng)站，建議翻墻否則會(huì)很慢。
使用brew安裝后的目錄在/usr/local/Cellar/lua/5.3.5_1 - 安裝IDEA插件，在IDEA->Preferences面板，Plugins，里面Browse repositories，在里面搜索lua，然后就選擇同名插件lua。安裝好后重啟IDEA
- 配置Lua SDK的位置：IDEA->File->Project Structure,選擇添加Lua，路徑指向Lua SDK的bin文件
- 都配置好之后，在項(xiàng)目中右鍵創(chuàng)建Module，左側(cè)欄選擇lua，點(diǎn)下一步，選擇lua的sdk，下一步，輸入lua項(xiàng)目名，完成
3.編寫(xiě)hello lua
print 'Hello Lua'
4.編寫(xiě)模擬限流
-- 模擬限流
-- 用作限流的key
local key = 'my key'
-- 限流的最大閾值
local limit = 2
-- 當(dāng)前限流大小
local currentLimit = 2
-- 是否超過(guò)限流標(biāo)準(zhǔn)
if currentLimit + 1 > limit then
print 'reject'
return false
else
print 'accept'
return true
end
5.限流組件封裝
1.添加maven
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-aop</artifactId>
</dependency>
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>18.0</version>
</dependency>
2.添加Spring配置
不是重要內(nèi)容就隨便寫(xiě)點(diǎn)，主要就是把reids配置一下
server.port=8080
spring.redis.database=0
spring.redis.host=localhost
spring.redis.port=6376
3.編寫(xiě)限流腳本
lua腳本放在resource目錄下就可以了
-- 獲取方法簽名特征
local methodKey = KEYS[1]
redis.log(redis.LOG_DEBUG,'key is',methodKey)
-- 調(diào)用腳本傳入的限流大小
local limit = tonumber(ARGV[1])
-- 獲取當(dāng)前流量大小
local count = tonumber(redis.call('get',methodKey) or "0")
--是否超出限流值
if count + 1 >limit then
-- 拒絕訪(fǎng)問(wèn)
return false
else
-- 沒(méi)有超過(guò)閾值
-- 設(shè)置當(dāng)前訪(fǎng)問(wèn)數(shù)量+1
redis.call('INCRBY',methodKey,1)
-- 設(shè)置過(guò)期時(shí)間
redis.call('EXPIRE',methodKey,1)
-- 放行
return true
end
4.使用spring-data-redis組件集成Lua和Redis
創(chuàng)建限流類(lèi)
@Service
@Slf4j
public class AccessLimiter{
@Autowired
private StringRedisTemplate stringRedisTemplate;
@Autowired
private RedisScript<Boolean> rateLimitLua;
public void limitAccess(String key,Integer limit){
boolean acquired = stringRedisTemplate.execute(
rateLimitLua,//lua腳本的真身
Lists.newArrayList(key),//lua腳本中的key列表
limit.toString()//lua腳本的value列表
);
if(!acquired){
log.error("Your access is blocked,key={}",key);
throw new RuntimeException("Your access is blocked");
}
}
}
創(chuàng)建配置類(lèi)
@Configuration
public class RedisConfiguration{
public RedisTemplate<String,String> redisTemplate(RedisConnectionFactory factory){
return new StringRedisTemplate(factory);
}
public DefaultRedisScript loadRedisScript(){
DefaultRedisScript redisScript = new DefaultRedisScript();
redisScript.setLocation(new ClassPathResource("rateLimiter.lua"));
redisScript.setResultType(java.lang.Boolean.class);
return redisScript;
}
}
5.在Controller中添加測(cè)試方法驗(yàn)證限流效果
@RestController
@Slf4j
public class Controller{
@Autowired
private AccessLimiter accessLimiter;
@GetMapping("test")
public String test(){
accessLimiter.limitAccess("ratelimiter-test",1);
return "success";
}
}
6.編寫(xiě)限流注解
1.新增注解
@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface AccessLimiterAop{
int limit();
String methodKey() default "";
}
2.新增切面
@Slf4j
@Aspect
@Component
public class AccessLimiterAspect{
@Autowired
private AccessLimiter accessLimiter;
//根據(jù)注解的位置，自己修改
@Pointcut("@annotation(com.gyx.demo.annotation.AccessLimiter)")
public void cut(){
log.info("cut");
}
@Before("cut()")
public void before(JoinPoint joinPoint){
//獲取方法簽名，作為methodkey
MethodSignature signature =(MethodSignature) joinPoint.getSignature();
Method method = signature.getMethod();
AccessLimiterAop annotation = method.getAnnotation(AccessLimiterAop.class);
if(annotation == null){
return;
}
String key = annotation.methodKey();
Integer limit = annotation.limit();
//如果沒(méi)有設(shè)置methodKey，就自動(dòng)添加一個(gè)
if(StringUtils.isEmpty(key)){
Class[] type = method.getParameterType();
key = method.getName();
if (type != null){
String paramTypes=Arrays.stream(type)
.map(Class::getName)
.collect(Collectors.joining(","));
key += "#"+paramTypes;
}
}
//調(diào)用redis
return accessLimiter.limitAccess(key,limit);
}
}
3.在Controller中添加測(cè)試方法驗(yàn)證限流效果
@RestController
@Slf4j
public class Controller{
@Autowired
private AccessLimiter accessLimiter;
@GetMapping("test")
@AccessLImiterAop(limit =1)
public String test(){
return "success";
}
}
