今天來聊一聊Guava RateLimiter 是如何解決高并發場景下的限流問題的。

Guava 是 Google 開源的 Java 類庫，提供了一個工具類 RateLimiter。我們先來看看 RateLimiter 的使用，讓你對限流有個感官的印象。假設我們有一個線程池，它每秒只能處理兩個任務，如果提交的任務過快，可能導致系統不穩定，這個時候就需要用到限流。

在下面的示例代碼中，我們創建了一個流速為 2 個請求 / 秒的限流器，這里的流速該怎么理解呢？直觀地看，2 個請求 / 秒指的是每秒最多允許 2 個請求通過限流器，其實在 Guava 中，流速還有更深一層的意思：是一種勻速的概念，2 個請求 / 秒等價于 1 個請求 /500 毫秒。

在向線程池提交任務之前，調用 acquire() 方法就能起到限流的作用。通過示例代碼的執行結果，任務提交到線程池的時間間隔基本上穩定在 500 毫秒。

//限流器流速：2個請求/秒
RateLimiter limiter = 
  RateLimiter.create(2.0);
//執行任務的線程池
ExecutorService es = Executors
  .newFixedThreadPool(1);
//記錄上一次執行時間
prev = System.nanoTime();
//測試執行20次
for (int i=0; i<20; i++){
  //限流器限流
  limiter.acquire();
  //提交任務異步執行
  es.execute(()->{
    long cur=System.nanoTime();
    //打印時間間隔：毫秒
    System.out.println(
      (cur-prev)/1000_000);
    prev = cur;
  });
}

輸出結果：
...
500
499
499
500
499

經典限流算法：令牌桶算法

Guava 的限流器使用上還是很簡單的，那它是如何實現的呢？Guava 采用的是令牌桶算法，其核心是要想通過限流器，必須拿到令牌。也就是說，只要我們能夠限制發放令牌的速率，那么就能控制流速了。令牌桶算法的詳細描述如下：

• 令牌以固定的速率添加到令牌桶中，假設限流的速率是 r/ 秒，則令牌每 1/r 秒會添加一個；
• 假設令牌桶的容量是 b ，如果令牌桶已滿，則新的令牌會被丟棄；
• 請求能夠通過限流器的前提是令牌桶中有令牌。

這個算法中，限流的速率 r 還是比較容易理解的，但令牌桶的容量 b 該怎么理解呢？b 其實是 burst 的簡寫，意義是限流器允許的最大突發流量。比如 b=10，而且令牌桶中的令牌已滿，此時限流器允許 10 個請求同時通過限流器，當然只是突發流量而已，這 10 個請求會帶走 10 個令牌，所以后續的流量只能按照速率 r 通過限流器。

令牌桶這個算法，如何用 Java 實現呢？很可能你的直覺會告訴你生產者 - 消費者模式：一個生產者線程定時向阻塞隊列中添加令牌，而試圖通過限流器的線程則作為消費者線程，只有從阻塞隊列中獲取到令牌，才允許通過限流器。

這個算法看上去非常完美，而且實現起來非常簡單，如果并發量不大，這個實現并沒有什么問題。可實際情況卻是使用限流的場景大部分都是高并發場景，而且系統壓力已經臨近極限了，此時這個實現就有問題了。問題就出在定時器上，在高并發場景下，當系統壓力已經臨近極限的時候，定時器的精度誤差會非常大，同時定時器本身會創建調度線程，也會對系統的性能產生影響。

那還有什么好的實現方式呢？當然有，Guava 的實現就沒有使用定時器，下面我們就來看看它是如何實現的。

Guava 如何實現令牌桶算法

Guava 實現令牌桶算法，用了一個很簡單的辦法，其關鍵是記錄并動態計算下一令牌發放的時間。

下面我們以一個最簡單的場景來介紹該算法的執行過程。假設令牌桶的容量為 b=1，限流速率 r = 1 個請求 / 秒，如下圖所示，如果當前令牌桶中沒有令牌，下一個令牌的發放時間是在第 3 秒，而在第 2 秒的時候有一個線程 T1 請求令牌，此時該如何處理呢？

線程 T1 請求令牌示意圖

對于這個請求令牌的線程而言，很顯然需要等待 1 秒，因為 1 秒以后（第 3 秒）它就能拿到令牌了。此時需要注意的是，下一個令牌發放的時間也要增加 1 秒，為什么呢？因為第 3 秒發放的令牌已經被線程 T1 預占了。處理之后如下圖所示。

線程 T1 請求結束示意圖

假設 T1 在預占了第 3 秒的令牌之后，馬上又有一個線程 T2 請求令牌，如下圖所示。

線程 T2 請求結束示意圖

上面線程 T1、T2 都是在下一令牌產生時間之前請求令牌，如果線程在下一令牌產生時間之后請求令牌會如何呢？假設在線程 T1 請求令牌之后的 5 秒，也就是第 7 秒，線程 T3 請求令牌，如下圖所示。

線程 T3 請求令牌示意圖

由于在第 5 秒已經產生了一個令牌，所以此時線程 T3 可以直接拿到令牌，而無需等待。在第 7 秒，實際上限流器能夠產生 3 個令牌，第 5、6、7 秒各產生一個令牌。由于我們假設令牌桶的容量是 1，所以第 6、7 秒產生的令牌就丟棄了，其實等價地你也可以認為是保留的第 7 秒的令牌，丟棄的第 5、6 秒的令牌，也就是說第 7 秒的令牌被線程 T3 占有了，于是下一令牌的的產生時間應該是第 8 秒，如下圖所示。

線程 T3 請求結束示意圖

通過上面簡要地分析，你會發現，我們只需要記錄一個下一令牌產生的時間，并動態更新它，就能夠輕松完成限流功能。我們可以將上面的這個算法代碼化，示例代碼如下所示，依然假設令牌桶的容量是 1。關鍵是 reserve() 方法，這個方法會為請求令牌的線程預分配令牌，同時返回該線程能夠獲取令牌的時間。其實現邏輯就是上面提到的：如果線程請求令牌的時間在下一令牌產生時間之后，那么該線程立刻就能夠獲取令牌；反之，如果請求時間在下一令牌產生時間之前，那么該線程是在下一令牌產生的時間獲取令牌。由于此時下一令牌已經被該線程預占，所以下一令牌產生的時間需要加上 1 秒。

class SimpleLimiter {
  //下一令牌產生時間
  long next = System.nanoTime();
  //發放令牌間隔：納秒
  long interval = 1000_000_000;
  //預占令牌，返回能夠獲取令牌的時間
  synchronized long reserve(long now){
    //請求時間在下一令牌產生時間之后
    //重新計算下一令牌產生時間
    if (now > next){
      //將下一令牌產生時間重置為當前時間
      next = now;
    }
    //能夠獲取令牌的時間
    long at=next;
    //設置下一令牌產生時間
    next += interval;
    //返回線程需要等待的時間
    return Math.max(at, 0L);
  }
  //申請令牌
  void acquire() {
    //申請令牌時的時間
    long now = System.nanoTime();
    //預占令牌
    long at=reserve(now);
    long waitTime=max(at-now, 0);
    //按照條件等待
    if(waitTime > 0) {
      try {
        TimeUnit.NANOSECONDS
          .sleep(waitTime);
      }catch(InterruptedException e){
        e.printStackTrace();
      }
    }
  }
}

如果令牌桶的容量大于 1，又該如何處理呢？按照令牌桶算法，令牌要首先從令牌桶中出，所以我們需要按需計算令牌桶中的數量，當有線程請求令牌時，先從令牌桶中出。具體的代碼實現如下所示。我們增加了一個 resync() ?方法，在這個方法中，如果線程請求令牌的時間在下一令牌產生時間之后，會重新計算令牌桶中的令牌數，新產生的令牌的計算公式是：(now-next)/interval，你可對照上面的示意圖來理解。reserve() 方法中，則增加了先從令牌桶中出令牌的邏輯，不過需要注意的是，如果令牌是從令牌桶中出的，那么 next 就無需增加一個 interval 了。

class SimpleLimiter {
  //當前令牌桶中的令牌數量
  long storedPermits = 0;
  //令牌桶的容量
  long maxPermits = 3;
  //下一令牌產生時間
  long next = System.nanoTime();
  //發放令牌間隔：納秒
  long interval = 1000_000_000;
  
  //請求時間在下一令牌產生時間之后,則
  // 1.重新計算令牌桶中的令牌數
  // 2.將下一個令牌發放時間重置為當前時間
  void resync(long now) {
    if (now > next) {
      //新產生的令牌數
      long newPermits=(now-next)/interval;
      //新令牌增加到令牌桶
      storedPermits=min(maxPermits, 
        storedPermits + newPermits);
      //將下一個令牌發放時間重置為當前時間
      next = now;
    }
  }
  //預占令牌，返回能夠獲取令牌的時間
  synchronized long reserve(long now){
    resync(now);
    //能夠獲取令牌的時間
    long at = next;
    //令牌桶中能提供的令牌
    long fb=min(1, storedPermits);
    //令牌凈需求：首先減掉令牌桶中的令牌
    long nr = 1 - fb;
    //重新計算下一令牌產生時間
    next = next + nr*interval;
    //重新計算令牌桶中的令牌
    this.storedPermits -= fb;
    return at;
  }
  //申請令牌
  void acquire() {
    //申請令牌時的時間
    long now = System.nanoTime();
    //預占令牌
    long at=reserve(now);
    long waitTime=max(at-now, 0);
    //按照條件等待
    if(waitTime > 0) {
      try {
        TimeUnit.NANOSECONDS
          .sleep(waitTime);
      }catch(InterruptedException e){
        e.printStackTrace();
      }
    }
  }
}

總結

經典的限流算法有兩個，一個是令牌桶算法（Token Bucket），另一個是漏桶算法（Leaky Bucket）。令牌桶算法是定時向令牌桶發送令牌，請求能夠從令牌桶中拿到令牌，然后才能通過限流器；

而漏桶算法里，請求就像水一樣注入漏桶，漏桶會按照一定的速率自動將水漏掉，只有漏桶里還能注入水的時候，請求才能通過限流器。令牌桶算法和漏桶算法很像一個硬幣的正反面，所以你可以參考令牌桶算法的實現來實現漏桶算法。

上面我們介紹了 Guava 是如何實現令牌桶算法的，我們的示例代碼是對 Guava RateLimiter 的簡化，Guava RateLimiter 擴展了標準的令牌桶算法，比如還能支持預熱功能。對于按需加載的緩存來說，預熱后緩存能支持 5 萬 TPS 的并發，但是在預熱前 5 萬 TPS 的并發直接就把緩存擊垮了，所以如果需要給該緩存限流，限流器也需要支持預熱功能，在初始階段，限制的流速 r 很小，但是動態增長的。預熱功能的實現非常復雜，Guava 構建了一個積分函數來解決這個問題，如果你感興趣，可以繼續深入研究。