Spring Cloud Gateway 原生的接口限流该怎么玩

作者：冷冷gg

来源：https://my.oschina.net/giegie/blog/1838560

你想学习Java ？资源都在这里了「点击查看」

关于 Spring Cloud Gateway 

SpringCloudGateway是Spring官方基于Spring 5.0，Spring Boot 2.0和Project Reactor等技术开发的网关，Spring云网关旨在提供一种简单而有效的路由API的方法。

Spring Cloud Gateway作为Spring Cloud生态系中的网关，目标是替代Netflix ZUUL，其不仅提供统一的路由方式，并且基于Filter链的方式提供了网关基本的功能，例如：安全，监控/埋点，和限流等。

zuul如何实现多维度限流

请参考《Zuul：构建高可用网关之多维度限流》

开始Gateway 限流 

• POM 依赖

1. <!--spring cloud gateway依赖-->

2. <dependency>

3.    <groupId>org.springframework.cloud</groupId>

4.    <artifactId>spring-cloud-starter-gateway</artifactId>

5. </dependency>

6. <!--基于 reactive stream 的redis -->

7. <dependency>

8.    <groupId>org.springframework.boot</groupId>

9.    <artifactId>spring-boot-starter-data-redis-reactive</artifactId>

10. </dependency>

配置按照请求IP 的限流

1. spring:

2.  cloud:

3.    gateway:

4.      routes:

5.      - id: requestratelimiter_route

6.        uri: lb://pigx-upms

7.        order: 10000

8.        predicates:

9.        - Path=/admin/**

10.        filters:

11.        - name: RequestRateLimiter

12.          args:

13.            redis-rate-limiter.replenishRate: 1  # 令牌桶的容积

14.            redis-rate-limiter.burstCapacity: 3  # 流速 每秒

15.            key-resolver: "#{@remoteAddrKeyResolver}" #SPEL表达式去的对应的bean

16.        - StripPrefix=1

配置bean，多维度限流量的入口

1. /**

2. * 自定义限流标志的key，多个维度可以从这里入手

3. * exchange对象中获取服务ID、请求信息，用户信息等

4. */

5. @Bean

6. KeyResolver remoteAddrKeyResolver() {

7.    return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getHostName());

8. }

OK 完成。

压力测试 

并发5个线程。 

Redis 数据变化 

我们使用redis的monitor 命令，实时查看redis 的操作情况。 会发现在redis中会操作两个key

• requestratelimiter.{xxx}.timestamp 

• requestratelimiter.{xxx}.tokens  

实现原理

Spring Cloud Gateway 默认实现 Redis限流，如果扩展只需要实现ratelimter接口即可。

RedisRateLimter 的核心代码，判断是否取到令牌的实现，通过调用 redis的LUA 脚本。

1. public Mono<Response> isAllowed(String routeId, String id) {

2.    Config routeConfig = getConfig().getOrDefault(routeId, defaultConfig);

3.    int replenishRate = routeConfig.getReplenishRate();

4.    int burstCapacity = routeConfig.getBurstCapacity();

5.    try {

6.        List<String> keys = getKeys(id);

7.        returns unixtime in seconds.

8.        List<String> scriptArgs = Arrays.asList(replenishRate + "", burstCapacity + "",

9.                Instant.now().getEpochSecond() + "", "1");

10.        // 这里是核心，执行redis 的LUA 脚本。

11.        Flux<List<Long>> flux =

12.        this.redisTemplate.execute(this.script, keys, scriptArgs);

13.        return flux.onErrorResume(throwable -> Flux.just(Arrays.asList(1L, -1L)))

14.                .reduce(new ArrayList<Long>(), (longs, l) -> {

15.                    longs.addAll(l);

16.                    return longs;

17.                }) .map(results -> {

18.                    boolean allowed = results.get(0) == 1L;

19.                    Long tokensLeft = results.get(1);

20.                    Response response = new Response(allowed, getHeaders(routeConfig, tokensLeft));

21.                    if (log.isDebugEnabled()) {

22.                        log.debug("response: " + response);

23.                    }

24.                    return response;

25.                });

26.    }

27.    catch (Exception e) {

28.        log.error("Error determining if user allowed from redis", e);

29.    }

30.    return Mono.just(new Response(true, getHeaders(routeConfig, -1L)));

31. }

LUA 脚本

-END-

 近期热文：

关注我

点击“阅读原文”，看本号其他精彩内容