Spring Boot+Redis 实现一个简单的限流器，限制

文章目录

Spring Boot+Redis 实现一个简单的限流器，限制
0.前言
1.基础介绍
2.步骤
- 2.1. 引入依赖
- 2.2. 配置文件
- 2.3. 核心源码
- 优化后
- 再优化一下加入布隆过滤器
4.总结
5.参考文档
6. Redis从入门到精通系列文章

0.前言

在Spring Boot中使用Redis和过滤器实现请求限流。过滤器将在每个请求到达时检查请求频率，并根据设定的阈值进行限制。这样可以保护您的应用程序免受恶意请求或高并发请求的影响。请根据您的具体需求和业务场景进行适当的修改和扩展。

1.基础介绍

1. 限流场景
假设我们有一个API接口，需要限制每个用户在一段时间内的请求频率。比如每秒只允许请求100次等等的业务需求。
2. 实现限流逻辑：
使用Redis的计数器功能可以实现基于时间窗口的限流算法。通过在Redis中存储请求计数器和过期时间，可以控制单位时间内的请求频率。在需要进行限流的接口或方法中，使用Redis的原子操作（如INCR和EXPIRE）来增加计数器并设置过期时间。
在每个请求到达时，检查计数器的值是否超过设定的阈值，如果超过则拒绝请求，否则允许请求继续执行。

本文我们通过Spring Boot +Redis 实现一个轻量级的消息队列。

2.步骤

2.1. 引入依赖

<dependencies><!-- Spring Data Redis --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency>
</dependencies>

2.2. 配置文件

# Redis连接配置
spring.redis.host=127.0.0.1
spring.redis.port=6379
spring.redis.password=your_password
spring.redis.database=0# Redis连接池配置
spring.redis.jedis.pool.max-active=50
spring.redis.jedis.pool.max-idle=10
spring.redis.jedis.pool.min-idle=5
spring.redis.jedis.pool.max-wait=-1

在上面的配置中，您可以根据实际情况修改以下属性：

spring.redis.host：Redis服务器的主机名或IP地址。
spring.redis.port：Redis服务器的端口号。
spring.redis.password：Redis服务器的密码（如果有的话）。
spring.redis.database：Redis数据库的索引，默认为0。

另外，您还可以配置Redis连接池的属性，以控制连接池的行为。在示例配置中，设置了以下连接池属性：

spring.redis.jedis.pool.max-active：连接池中的最大活动连接数。
spring.redis.jedis.pool.max-idle：连接池中的最大空闲连接数。
spring.redis.jedis.pool.min-idle：连接池中的最小空闲连接数。
spring.redis.jedis.pool.max-wait：从连接池获取连接的最大等待时间（毫秒），-1表示无限等待。

如果使用的是YAML格式的配置文件（application.yml），可以将上述配置转换为相应的格式：

spring:redis:host: 127.0.0.1port: 6379password: your_passworddatabase: 0redis.jedis.pool:max-active: 50max-idle: 10min-idle: 5max-wait: -1

请根据您的实际Redis服务器配置进行调整，并根据需要添加其他相关配置，如超时设置、SSL配置等。

2.3. 核心源码

实现请求限流过滤器：
创建一个实现javax.servlet.Filter接口的请求限流过滤器。在过滤器中，使用Redis的计数器功能来实现请求限流逻辑。
示例中，RequestLimitFilter是一个实现了javax.servlet.Filter接口的请求限流过滤器。它使用Redis的计数器功能来实现请求限流逻辑。每个请求到达时，根据客户端的IP地址作为Redis的键，增加计数器的值并设置过期时间为指定的时间窗口。如果计数器超过了设定的阈值（这里是100），则返回HTTP 429 Too Many Requests响应。

示例中使用的是RedisTemplate<String, String>来操作Redis，可以根据需要调整为适合您的数据类型和操作方式的RedisTemplate。

@Component
public class RequestLimitFilter implements Filter {@Autowiredprivate RedisTemplate<String, String> redisTemplate;private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";private static final long REQUEST_LIMIT = 100; // 请求限制数量private static final long TIME_WINDOW = 60; // 时间窗口（单位：秒）@Overridepublic void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)throws IOException, ServletException {HttpServletRequest httpRequest = (HttpServletRequest) request;String ipAddress = getClientIpAddress(httpRequest);String key = REQUEST_LIMIT_PREFIX + ipAddress;Long counter = redisTemplate.opsForValue().increment(key, 1);if (counter == 1) {redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);}if (counter > REQUEST_LIMIT) {HttpServletResponse httpResponse = (HttpServletResponse) response;httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());httpResponse.getWriter().write("请求频率超过限制，请稍后再试！");return;}chain.doFilter(request, response);}private String getClientIpAddress(HttpServletRequest request) {String ipAddress = request.getHeader("X-Forwarded-For");if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {ipAddress = request.getHeader("Proxy-Client-IP");}if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {ipAddress = request.getHeader("WL-Proxy-Client-IP");}if (ipAddress == null || ipAddress.isEmpty() || "unknown".equalsIgnoreCase(ipAddress)) {ipAddress = request.getRemoteAddr();}return ipAddress;
}
}

优化后

public class RequestLimitFilter implements Filter {@Autowiredprivate RedisTemplate<String, String> redisTemplate;private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";private static final long REQUEST_LIMIT = 100; // 请求限制数量private static final long TIME_WINDOW = 60; // 时间窗口（单位：秒）@Overridepublic void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)throws IOException, ServletException {HttpServletRequest httpRequest = (HttpServletRequest) request;String ipAddress = getClientIpAddress(httpRequest);String key = REQUEST_LIMIT_PREFIX + ipAddress;Long counter = redisTemplate.opsForValue().increment(key, 1);if (counter == 1) {redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);}if (counter > REQUEST_LIMIT) {HttpServletResponse httpResponse = (HttpServletResponse) response;httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());try (PrintWriter writer = httpResponse.getWriter()) {writer.write("请求频率超过限制，请稍后再试！");}return;}chain.doFilter(request, response);}private String getClientIpAddress(HttpServletRequest request) {...return ipAddress;}
}

再优化一下加入布隆过滤器

使用布隆过滤器减少对Redis的访问：布隆过滤器是一种高效的概率数据结构，可以用于快速判断元素是否存在于集合中。在限制请求频率时，可以使用布隆过滤器来减少对Redis的访问。只有在布隆过滤器判断请求不是重复请求时，才进行Redis操作。

public class RequestLimitFilter implements Filter {@Autowiredprivate RedisTemplate<String, String> redisTemplate;private static final String REQUEST_LIMIT_PREFIX = "requestLimit:";private static final long REQUEST_LIMIT = 100; // 请求限制数量private static final long TIME_WINDOW = 60; // 时间窗口（单位：秒）private BloomFilter<String> bloomFilter;@Overridepublic void init(FilterConfig filterConfig) throws ServletException {// 初始化布隆过滤器int expectedInsertions = 1000; // 预期插入数量double falsePositiveProbability = 0.01; // 误判率bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), expectedInsertions, falsePositiveProbability);}@Overridepublic void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)throws IOException, ServletException {HttpServletRequest httpRequest = (HttpServletRequest) request;String ipAddress = getClientIpAddress(httpRequest);if (bloomFilter.mightContain(ipAddress)) {// 布隆过滤器判断可能是重复请求，直接放行chain.doFilter(request, response);return;}String key = REQUEST_LIMIT_PREFIX + ipAddress;Long counter;boolean isNewKey = false;try {counter = redisTemplate.opsForValue().increment(key, 1);if (counter == 1) {redisTemplate.expire(key, TIME_WINDOW, TimeUnit.SECONDS);isNewKey = true;}} catch (Exception e) {// 处理Redis操作异常// 可以选择记录日志或采取适当的处理措施e.printStackTrace();chain.doFilter(request, response);return;}if (counter > REQUEST_LIMIT) {if (isNewKey) {// 删除新创建的键，避免无限增长redisTemplate.delete(key);}HttpServletResponse httpResponse = (HttpServletResponse) response;httpResponse.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());try (PrintWriter writer = httpResponse.getWriter()) {writer.write("请求频率超过限制，请稍后再试！");}return;}bloomFilter.put(ipAddress); // 将IP地址添加到布隆过滤器chain.doFilter(request, response);}@Overridepublic void destroy() {// 清理资源，如关闭Redis连接等}private String getClientIpAddress(HttpServletRequest request) {// 获取客户端IP地址的逻辑// ...}
}

在上述代码中，我们引入了布隆过滤器来减少对Redis的访问。如果布隆过滤器判断请求可能是重复请求，则直接放行，无需进行Redis操作。同时，我们还添加了对Redis操作异常的处理，并在限流超过阈值时删除新创建的键，以避免无限增长。请根据实际情况进行适当调整和完善。

注册过滤器：
在Spring Boot应用程序的配置类中注册过滤器，以便它能够在请求处理过程中生效。

@Configuration
public class WebConfig implements WebMvcConfigurer {@Autowiredprivate RequestLimitFilter requestLimitFilter;@Overridepublic void addInterceptors(InterceptorRegistry registry) {registry.addInterceptor(requestLimitFilter);}
}

通过将过滤器添加到addInterceptors方法中，它将被注册为Spring Boot应用程序的全局过滤器，并在请求到达时执行限流逻辑。

4.总结

其实上面我们写完的还是有问题的

如果系统部署在多个节点上，可以考虑使用分布式限流算法，如令牌桶算法或漏桶算法。这些算法可以在分布式环境中平衡请求的处理，并保证全局的请求限制。
将请求限流的参数，如请求限制数量和时间窗口，配置为可动态调整的参数。可以使用注解或配置文件来管理这些参数，以便在运行时进行调整，而无需重新编译代码。

5.参考文档

Spring Data Redis官方文档：https://docs.spring.io/spring-data/redis/docs/current/reference/html/ ↗
这个文档提供了关于如何在Spring Boot中使用Spring Data Redis进行Redis操作的详细指南。可以了解如何配置Redis连接、使用RedisTemplate进行操作以及其他高级功能。

6. Redis从入门到精通系列文章

《Redis使用Lua脚本和Redisson来保证库存扣减中的原子性和一致性》
《SpringBoot Redis 使用Lettuce和Jedis配置哨兵模式》
《Redis【应用篇】之RedisTemplate基本操作》
《Redis 从入门到精通【实践篇】之SpringBoot配置Redis多数据源》
《Redis 从入门到精通【进阶篇】之三分钟了解Redis HyperLogLog 数据结构》
《Redis 从入门到精通【进阶篇】之三分钟了解Redis地理位置数据结构GeoHash》
《Redis 从入门到精通【进阶篇】之高可用哨兵机制(Redis Sentinel)详解》
《Redis 从入门到精通【进阶篇】之redis主从复制详解》
《Redis 从入门到精通【进阶篇】之Redis事务详解》
《Redis从入门到精通【进阶篇】之对象机制详解》
《Redis从入门到精通【进阶篇】之消息传递发布订阅模式详解》
《Redis从入门到精通【进阶篇】之持久化 AOF详解》
《Redis从入门到精通【进阶篇】之持久化RDB详解》
《Redis从入门到精通【高阶篇】之底层数据结构字典(Dictionary)详解》
《Redis从入门到精通【高阶篇】之底层数据结构快表QuickList详解》
《Redis从入门到精通【高阶篇】之底层数据结构简单动态字符串(SDS)详解》
《Redis从入门到精通【高阶篇】之底层数据结构压缩列表(ZipList)详解》
《Redis从入门到精通【进阶篇】之数据类型Stream详解和使用示例》
大家好，我是冰点，今天的Spring Boot+Redis 实现一个简单的限流器，全部内容就是这些。如果你有疑问或见解可以在评论区留言。