WatchStor.com — 领先的中文存储网络媒体 | 51CTO旗下网站

技术文档 > 存储网络 > 正文
从构建分布式秒杀系统聊聊限流特技
作者: 小柒2015 2018-06-19 17:50 【51CTO博客】

前言

俗话说的好,冰冻三尺非一日之寒,滴水穿石非一日之功,罗马也不是一天就建成的。两周前秒杀案例初步成型,分享到了中国最大的同×××友网站-码云。同时也收到了不少小伙伴的建议和投诉。我从不认为分布式、集群、秒杀这些就应该是大厂的专利,在互联网的今天无论什么时候都要时刻武装自己,只有这样,也许你的春天就在明天。

在开发秒杀系统案例的过程中,前面主要分享了队列、缓存、锁和分布式锁以及静态化等等。缓存的目的是为了提升系统访问速度和增强系统的处理能力;分布式锁解决了集群下数据的安全一致性问题;静态化无疑是减轻了缓存以及DB层的压力。


限流

然而再牛逼的机器,再优化的设计,对于特殊场景我们也是要特殊处理的。就拿秒杀来说,可能会有百万级别的用户进行抢购,而商品数量远远小于用户数量。如果这些请求都进入队列或者查询缓存,对于最终结果没有任何意义,徒增后台华丽的数据。对此,为了减少资源浪费,减轻后端压力,我们还需要对秒杀进行限流,只需保障部分用户服务正常即可。

就秒杀接口来说,当访问频率或者并发请求超过其承受范围的时候,这时候我们就要考虑限流来保证接口的可用性,以防止非预期的请求对系统压力过大而引起的系统瘫痪。通常的策略就是拒绝多余的访问,或者让多余的访问排队等待服务。

限流算法

任何限流都不是漫无目的的,也不是一个开关就可以解决的问题,常用的限流算法有:令牌桶,漏桶。

令牌桶

令牌桶算法是网络流量×××(Traffic Shaping)和速率限制(Rate Limiting)中最常使用的一种算法。典型情况下,令牌桶算法用来控制发送到网络上的数据的数目,并允许突发数据的发送(百科)。


在秒杀活动中,用户的请求速率是不固定的,这里我们假定为10r/s,令牌按照5个每秒的速率放入令牌桶,桶中最多存放20个令牌。仔细想想,是不是总有那么一部分请求被丢弃。

漏桶

漏桶算法的主要目的是控制数据注入到网络的速率,平滑网络上的突发流量。漏桶算法提供了一种机制,通过它,突发流量可以被×××以便为网络提供一个稳定的流量(百科)。


令牌桶是无论你流入速率多大,我都按照既定的速率去处理,如果桶满则拒绝服务。

应用限流

Tomcat

在Tomcat容器中,我们可以通过自定义线程池,配置最大连接数,请求处理队列等参数来达到限流的目的(图片源自网络)。


Tomcat默认使用自带的连接池,这里我们也可以自定义实现,打开/conf/server.xml文件,在Connector之前配置一个线程池:

namePrefix="tomcatThreadPool-"

maxThreads="1000"

maxIdleTime="300000"

minSpareThreads="200"/>

● name:共享线程池的名字。这是Connector为了共享线程池要引用的名字,该名字必须唯一。默认值:None;

● namePrefix:在JVM上,每个运行线程都可以有一个name 字符串。这一属性为线程池中每个线程的name字符串设置了一个前缀,Tomcat将把线程号追加到这一前缀的后面。默认值:tomcat-exec-;

● maxThreads:该线程池可以容纳的最大线程数。默认值:200;

● maxIdleTime:在Tomcat关闭一个空闲线程之前,允许空闲线程持续的时间(以毫秒为单位)。只有当前活跃的线程数大于minSpareThread的值,才会关闭空闲线程。默认值:60000(一分钟)。

● minSpareThreads:Tomcat应该始终打开的最小不活跃线程数。默认值:25。

配置Connector

port="8080" protocol="HTTP/1.1"

connectionTimeout="20000"

redirectPort="8443"

minProcessors="5"

maxProcessors="75"

acceptCount="1000"/>

● executor:表示使用该参数值对应的线程池;

● minProcessors:服务器启动时创建的处理请求的线程数;

● maxProcessors:最大可以创建的处理请求的线程数;

● acceptCount:指定当所有可以使用的处理请求的线程数都被使用时,可以放到处理队列中的请求数,超过这个数的请求将不予处理。

API限流

秒杀活动中,接口的请求量会是平时的数百倍甚至数千倍,从而有可能导致接口不可用,并引发连锁反应导致整个系统崩溃,甚至有可能会影响到其它服务。

那么如何应对这种突然事件呢?这里我们采用开源工具包guava提供的限流工具类RateLimiter进行API限流,该类基于"令牌桶算法",开箱即用。

/**

* 自定义注解 限流

*/

@Target({ElementType.PARAMETER, ElementType.METHOD})

@Retention(RetentionPolicy.RUNTIME)

@Documented

public @interface ServiceLimit {

String description() default "";

}

自定义切面

/**

* 限流 AOP

*/

@Component

@Scope

@Aspect

public class LimitAspect {

//每秒只发出100个令牌,此处是单进程服务的限流,内部采用令牌捅算法实现

private static RateLimiter rateLimiter = RateLimiter.create(100.0);

//Service层切点 限流

@Pointcut("@annotation(com.itstyle.seckill.common.aop.ServiceLimit)")

public void ServiceAspect() {

}

@Around("ServiceAspect()")

public Object around(ProceedingJoinPoint joinPoint) {

Boolean flag = rateLimiter.tryAcquire();

Object obj = null;

try {

if(flag){

obj = joinPoint.proceed();

}

} catch (Throwable e) {

e.printStackTrace();

}

return obj;

}

}

业务实现:

@Override

@ServiceLimit

@Transactional

public Result startSeckil(long seckillId, long userId) {

//省略部分业务代码,详见秒杀源码

}

分布式限流

Nginx

#统一在http域中进行配置

#限制请求

limit_req_zone $binary_remote_addr $uri zone=api_read:20m rate=50r/s;

#按ip配置一个连接 zone

limit_conn_zone $binary_remote_addr zone=perip_conn:10m;

#按server配置一个连接 zone

limit_conn_zone $server_name zone=perserver_conn:100m;

server {

listen 80;

server_name seckill.52itstyle.com;

index index.jsp;

location / {

#请求限流排队通过 burst默认是0

limit_req zone=api_read burst=5;

#连接数限制,每个IP并发请求为2

limit_conn perip_conn 2;

#服务所限制的连接数(即限制了该server并发连接数量)

limit_conn perserver_conn 1000;

#连接限速

limit_rate 100k;

proxy_pass http://seckill;

}

}

upstream seckill {

fair;

server 172.16.1.120:8080 weight=1 max_fails=2 fail_timeout=30s;

server 172.16.1.130:8080 weight=1 max_fails=2 fail_timeout=30s;

}

配置说明

imit_conn_zone

是针对每个IP定义一个存储session状态的容器。这个示例中定义了一个100m的容器,按照32bytes/session,可以处理3200000个session。

limit_rate 300k;

对每个连接限速300k. 注意,这里是对连接限速,而不是对IP限速。如果一个IP允许两个并发连接,那么这个IP就是限速limit_rate×2。

burst=5;

这相当于桶的大小,如果某个请求超过了系统处理速度,会被放入桶中,等待被处理。如果桶满了,那么抱歉,请求直接返回503,客户端得到一个服务器忙的响应。如果系统处理请求的速度比较慢,桶里的请求也不能一直待在里面,如果超过一定时间,也是会被直接退回,返回服务器忙的响应。

OpenResty

背影有没有很熟悉,对这就是那个直呼理解万岁老罗,2015年老罗在锤子科技T2发布会上将门票收入捐赠给了 OpenResty,也相信老罗是个有情怀的胖子。

这里我们使用 OpenResty 开源的限流方案,测试案例使用OpenResty1.13.6.1最新版本,自带lua-resty-limit-traffic模块以及案例 ,实现起来更为方便。

限制接口总并发数/请求数

秒杀活动中,由于突发流量暴增,有可能会影响整个系统的稳定性从而造成崩溃,这时候我们就要限制秒杀接口的总并发数/请求数。

这里我们采用 lua-resty-limit-traffic中的resty.limit.count模块实现,由于文章篇幅具体代码参见源码openresty/lua/limit_count.lua。

限制接口时间窗请求数

秒杀场景下,有时候并都是人肉鼠标,比如12306的抢票软件,软件刷票可比人肉鼠标快多了。此时我们就要对客户端单位时间内的请求数进行限制,以至于刷票不是那么猖獗。当然了道高一尺魔高一丈,抢票软件总是会有办法绕开你的防线,从另一方面讲也促进了技术的进步。

这里我们采用 lua-resty-limit-traffic中的resty.limit.conn模块实现,具体代码参见源码openresty/lua/limit_conn.lua。

平滑限制接口请求数

之前的限流方式允许突发流量,也就是说瞬时流量都会被允许。突然流量如果不加以限制会影响整个系统的稳定性,因此在秒杀场景中需要对请求×××为平均速率处理,即20r/s。

这里我们采用 lua-resty-limit-traffic 中的resty.limit.req 模块实现漏桶限流和令牌桶限流。

其实漏桶和令牌桶根本的区别就是,如何处理超过请求速率的请求。漏桶会把请求放入队列中去等待均速处理,队列满则拒绝服务;令牌桶在桶容量允许的情况下直接处理这些突发请求。

漏桶

桶容量大于零,并且是延迟模式。如果桶没满,则进入请求队列以固定速率等待处理,否则请求被拒绝。

令牌桶

桶容量大于零,并且是非延迟模式。如果桶中存在令牌,则允许突发流量,否则请求被拒绝。

压测

为了测试以上配置效果,我们采用AB压测,Linux下执行以下命令即可:

# 安装

yum -y install httpd-tools

# 查看ab版本

ab -v

# 查看帮助

ab --help

测试命令:

ab -n 1000 -c 100 http://127.0.0.1/

测试结果:

Server Software: openresty/1.13.6.1 #服务器软件

Server Hostname: 127.0.0.1 #IP

Server Port: 80 #请求端口号

Document Path: / #文件路径

Document Length: 12 bytes #页面字节数

Concurrency Level: 100 #请求的并发数

Time taken for tests: 4.999 seconds #总访问时间

Complete requests: 1000 #总请求树

Failed requests: 0 #请求失败数量

Write errors: 0

Total transferred: 140000 bytes #请求总数据大小

HTML transferred: 12000 bytes #html页面实际总字节数

Requests per second: 200.06 [#/sec] (mean) #每秒多少请求,这个是非常重要的参数数值,服务器的吞吐量

Time per request: 499.857 [ms] (mean) #用户平均请求等待时间

Time per request: 4.999 [ms] (mean, across all concurrent requests) # 服务器平均处理时间,也就是服务器吞吐量的倒数

Transfer rate: 27.35 [Kbytes/sec] received #每秒获取的数据长度

Connection Times (ms)

min mean[+/-sd] median max

Connect: 0 0 0.8 0 4

Processing: 5 474 89.1 500 501

Waiting: 2 474 89.2 500 501

Total: 9 475 88.4 500 501

Percentage of the requests served within a certain time (ms)

50% 500

66% 500

75% 500

80% 500

90% 501

95% 501

98% 501

99% 501

100% 501 (longest request)

总结

以上限流方案,只是针对此次秒杀案例做一个简单的小结,大家也不要刻意区分那种方案的好坏,只要适合业务场景就是最好的。

参考

https://github.com/openresty/lua-resty-limit-traffic

https://blog.52itstyle.com/archives/1764/

https://blog.52itstyle.com/archives/775/

分享是快乐的,也见证了个人成长历程,文章大多都是工作经验总结以及平时学习积累,基于自身认知不足之处在所难免,也请大家指正,共同进步。


标签:存储网络 

LecVideo