Go语言使用漏桶算法和令牌桶算法来实现API限流
在现代 Web 应用程序中,流量的突增是不可避免的。为防止服务器被过多的请求压垮,限流(Rate Limiting) 是一个至关重要的技术手段。
本文将通过 Go 语言的 Gin 框架,演示如何使用漏桶算法和令牌桶算法来实现 API 的限流。
限流的意义
限流的主要目的是保护系统资源,防止因请求量过大导致服务器崩溃。同时,它也能防止恶意用户对系统的攻击,确保服务的稳定性和可用性。
两种常见的限流算法
1.漏桶算法(Leaky Bucket)
漏桶算法将请求视为水滴,水滴先进入桶中,然后以固定的速率从桶中流出。如果请求的速率超过了桶的流出速率,多余的请求将会被丢弃。
这个算法的优点很明显,就是让请求非常稳定,但是缺点也很明显,因为请求非常稳定,就不适于一些秒杀等一些可能在某一段时间会有洪峰流量的场景。不太好适情况控制流量的进入。
2.令牌桶算法(Token Bucket)
令牌桶算法中,系统会以固定的速率向桶中加入令牌,每个请求需要获取一个令牌才能执行。如果桶中没有足够的令牌,请求将被拒绝。
代码实现
在这个示例中,我们将展示如何在 Gin 框架中应用这两种算法来实现 API 的限流。
package main import ( "fmt" "net/http" "time" "github.com/gin-gonic/gin" ratelimit2 "github.com/juju/ratelimit" // 令牌桶算法 ratelimit1 "go.uber.org/ratelimit" // 漏桶算法 ) func pingHandler(c *gin.Context) { c.JSON(200, gin.H{ "message": "pong", }) } func pingHandler2(c *gin.Context) { c.JSON(200, gin.H{ "message": "pong2", }) } // rateLimit1 使用漏桶算法来限制请求速率 func rateLimit1() func(ctx *gin.Context) { // 漏桶算法,第一个参数为两滴水滴之间的时间间隔。 // 此时表示两滴水之间的时间间隔是 100 纳秒 rl := ratelimit1.New(100) return func(ctx *gin.Context) { // 尝试取出水滴 if waitTime := rl.Take().Sub(time.Now()); waitTime > 0 { fmt.Printf("需要等待 %v 秒,下一滴水才会滴下来\n", waitTime) // 这里我们可以让程序继续等待,也可以直接拒绝掉 // time.Sleep(waitTime) ctx.String(http.StatusOK, "rate limit, try again later") ctx.Abort() return } // 证明可以继续执行 ctx.Next() } } // rateLimit2 使用令牌桶算法来限制请求速率 func rateLimit2() func(ctx *gin.Context) { // 令牌桶算法:第一个参数为每秒填充令牌的速率为多少 // 第二个参数为令牌桶的容量 // 这里表示每秒填充 10 个令牌 rl := ratelimit2.NewBucket(time.Second, 10) return func(ctx *gin.Context) { // 尝试取出令牌 var num int64 = 1 // 这里表示需要 num 个令牌和已经取出的令牌数是否相等 // 不相等,则表示超过了限流 // 比如,假设每一个请求过来消耗2个令牌,但是从桶中取出的令牌个数为 1 ,那么则认为超过了限流(一般而言是一个请求消耗一个令牌,这里仅为举例) if rl.TakeAvailable(num) != num { // 此次没有取到令牌,说明超过了限流 ctx.String(http.StatusOK, "rate limit, try again later") ctx.Abort() return } // 证明可以继续执行 ctx.Next() } } func main() { r := gin.Default() // 漏桶算法限流 r.GET("/ping", rateLimit1(), pingHandler) // 令牌桶算法限流 r.GET("/ping2", rateLimit2(), pingHandler2) r.Run() }
代码解析
漏桶算法的实现(rateLimit1 函数)
- 通过
go.uber.org/ratelimit
包中的ratelimit.New
方法创建了一个限流器。 - 当请求速率超过限流器的处理能力时,请求将被拒绝,并返回 "rate limit, try again later"。
令牌桶算法的实现(rateLimit2 函数)
- 使用
github.com/juju/ratelimit
包实现了令牌桶算法。每秒填充一定数量的令牌到桶中。 - 如果桶中没有足够的令牌,请求将被拒绝。
Gin 路由配置
在 main
函数中,通过 rateLimit1
和 rateLimit2
中间件为 /ping
和 /ping2
路由分别设置了漏桶和令牌桶限流。
总结
在本文中,我们演示了如何在 Go 中使用漏桶算法和令牌桶算法实现 API 的限流。
这些算法在高并发的 Web 服务中非常有用,可以有效防止服务被大量请求淹没,确保系统的稳定性。希望通过这篇文章,您能更好地理解并应用这些限流技术到您的项目中。
以上就是Go语言使用漏桶算法和令牌桶算法来实现API限流的详细内容,更多关于Go API限流的资料请关注脚本之家其它相关文章!
相关文章
Golang异常处理之defer,panic,recover的使用详解
这篇文章主要为大家介绍了Go语言异常处理机制中defer、panic和recover三者的使用方法,文中示例代码讲解详细,需要的朋友可以参考下2022-05-05
最新评论