高并发利器-guava分流与缓存

/ 技术 / 1 条站内评论 / 150浏览

guava依赖

<dependency>
   <groupId>com.google.guava</groupId>
   <artifactId>guava</artifactId>
   <version>23.6-jre</version>
</dependency>

guava cache

高并发三件套之一,缓存

场景:

​ 有个场景,接口请求获取数据频繁,但数据改动量小,一般情况是先去redis取,没有则从数据库取,再放入redis,返回?为了加快系统的响应速度,我们可以在内存加一层,先查询内存缓存。没有则查询数据库/redis,再加入内存。

是不是觉得挺麻烦的,这时候就用到guava cache了,guava封装看以上流程,只需直接调用get即可

GuavaCache提供了三种基本的缓存回收方式:

基于容量回收、定时回收和基于引用回收。

定时回收有两种:按照写入时间,最早写入的最先回收;按照访问时间,最早访问的最早回收。

它可以监控加载/命中情况。

LoadingCache<String, Integer> cache = CacheBuilder.newBuilder()
        //最多存放十个数据
        .maximumSize(10)
        //缓存10秒,10秒之后进行回收
        .expireAfterWrite(10, TimeUnit.SECONDS)
        //移除时触发
        .removalListener(removalNotification -> {
            System.out.println("移除:"+removalNotification.getKey());
        })
        .recordStats()//开启,记录状态数据功能
        //当key的值不存在时触发
        .build(new CacheLoader<String, Integer>() {
            //数据加载,也可以是查询操作,如从redis/db
            @Override
            public Integer load(String key) throws Exception {
                System.out.println("没有缓存,开始加载新缓存");
                //这里可以对数据库 或者redis进行查询并加入缓存。
                return -1;
            }
        });

测试

//查询缓存,未命中,调用load方法,这里可以单独对一个key进行load操作。
//如果cache对象是公用缓存,可以在不同业务时对load进行重写获取最新缓存
System.out.println(cache.get("key2",() -> -1));
//put数据,更新缓存
cache.put("key2", 2);
//查询得到最新的数据
System.out.println(cache.get("key2"));
System.out.println("size:" + cache.size());
//插入十个数据
for (int i = 3; i < 13; i++) {
    cache.put("key" + i, i);
}
//超过最大容量,删除最早插入的数据
System.out.println("size:" + cache.size());
System.out.println(cache.getIfPresent("key2"));
//等待5秒
Thread.sleep(5000);
//此时key已经失效,但是size没有更新
System.out.println("size :" + cache.size());
//获取key2,发现已经失效,然后刷新缓存,遍历数据,去掉失效的所有数据
System.out.println(cache.getIfPresent("key2"));

结果

Guava RateLimiter

高并发三件套之二,限流

场景: 1.

在日常生活中,我们肯定收到过不少不少这样的短信,“京东最新优惠卷…”,“天猫送您…”。这种类型的短信是属于推广性质的短信。这种短信一般群发量会到千万级别。然而,要完成这些短信发送,我们是需要调用服务商的接口来完成的。倘若一次发送的量在200万条,而我们的服务商接口每秒能处理的短信发送量有限,只能达到200条每秒。那么这个时候就会产生问题了,我们如何能控制好程序发送短信时的速度昵?于是限流器就得用上了。

提供服务接口的人或多或少遇到这样的问题,业务负载能力有限,为了防止过多请求涌入造成系统崩溃,如何进行流量控制?

流量控制策略有:分流,降级,限流等。这里我们讨论限流策略,他的作用是限制请求访问频率,换取系统高可用,是比较保守方便的策略。

3.常用的限流算法由:漏桶算法和令牌桶算法。

一、漏桶算法 漏桶作为计量工具(The Leaky Bucket Algorithm as a Meter)时,可以用于流量整形(Traffic Shaping)和流量控制(TrafficPolicing),漏桶算法的描述如下:

一个固定容量的漏桶,按照常量固定速率流出水滴; 如果桶是空的,则不需流出水滴; 可以以任意速率流入水滴到漏桶; 如果流入水滴超出了桶的容量,则流入的水滴溢出了(被丢弃),而漏桶容量是不变的。 漏桶(Leaky Bucket)算法思路很简单,水(请求)先进入到漏桶里,漏桶以一定的速度出水(接口有响应速率),当水流入速度过大会直接溢出(访问频率超过接口响应速率),然后就拒绝请求,可以看出漏桶算法能强行限制数据的传输速率.示意图如下:

可见这里有两个变量,一个是桶的大小,支持流量突发增多时可以存多少的水(burst),另一个是水桶漏洞的大小(rate)。

因为漏桶的漏出速率是固定的参数,所以,即使网络中不存在资源冲突(没有发生拥塞),漏桶算法也不能使流突发(burst)到端口速率.因此,漏桶算法对于存在突发特性的流量来说缺乏效率.

二、令牌桶算法 令牌桶算法是一个存放固定容量令牌的桶,按照固定速率往桶里添加令牌。令牌桶算法的描述如下:

假设限制2r/s,则按照500毫秒的固定速率往桶中添加令牌; 桶中最多存放b个令牌,当桶满时,新添加的令牌被丢弃或拒绝; 当一个n个字节大小的数据包到达,将从桶中删除n个令牌,接着数据包被发送到网络上; 如果桶中的令牌不足n个,则不会删除令牌,且该数据包将被限流(要么丢弃,要么缓冲区等待)。 令牌桶算法(Token Bucket)和 Leaky Bucket 效果一样但方向相反的算法,更加容易理解.随着时间流逝,系统会按恒定1/QPS时间间隔(如果QPS=100,则间隔是10ms)往桶里加入Token(想象和漏洞漏水相反,有个水龙头在不断的加水),如果桶已经满了就不再加了.新请求来临时,会各自拿走一个Token,如果没有Token可拿了就阻塞或者拒绝服务

令牌桶的另外一个好处是可以方便的改变速度. 一旦需要提高速率,则按需提高放入桶中的令牌的速率. 一般会定时(比如100毫秒)往桶中增加一定数量的令牌, 有些变种算法则实时的计算应该增加的令牌的数量.

/**
 * 定义公共的限流map,不同业务处理的QPS不同。
 */
public static ConcurrentHashMap<String, RateLimiter> resourceRateLimiter = new ConcurrentHashMap<>();

//初始化限流工具RateLimiter
static {
    //订单限制QPS50(令牌)
    createResourceRateLimiter("order", 50);
    //其他限制10
    createResourceRateLimiter("common", 10);
}


public static void createResourceRateLimiter(String resource, double qps) {
    if (resourceRateLimiter.contains(resource)) {
        resourceRateLimiter.get(resource).setRate(qps);
    } else {
		//每秒产生多少令牌
        RateLimiter rateLimiter = RateLimiter.create(qps);
        resourceRateLimiter.putIfAbsent(resource, rateLimiter);
    }

}

test

/**
 * 模拟并发
  多线程并发获取许可,并发数量为500,且每个线程只获取尝试等待2s/3s
 * @param args
 */
public static void main(String[] args) {
    for (int i = 0; i < 500; i++) {
        new Thread(() -> {
            //每秒生成50个令牌,尝试等待2s,如果获得令牌指令,则执行业务逻辑
            if (resourceRateLimiter.get("order").tryAcquire(2, TimeUnit.MICROSECONDS)) {
                System.out.println("order执行业务逻辑");
            } else {
                System.out.println("order限流");
            }
        }).start();

        new Thread(() -> {
            //每秒生成10个令牌,尝试等待3s,如果获得令牌指令,则执行业务逻辑
            if (resourceRateLimiter.get("common").tryAcquire(3, TimeUnit.MICROSECONDS)) {
                System.out.println("common执行业务逻辑");
            } else {
                System.out.println("common限流");
            }
        }).start();
    }
}

结果

方法摘要

参考:

http://ifeve.com/guava-ratelimiter/

https://blog.csdn.net/aa1215018028/article/details/80866335

  1. 好文,感谢分享。请问高并发三件套之三是啥?

    回复
召唤蕾姆
琼ICP备18000156号

鄂公网安备 42011502000211号