redis令牌桶算法过期时间(redis实现令牌桶算法)

边肖将与您分享如何用Redis实现令牌桶算法。相信大部分人还不太了解，所以分享这篇文章给大家参考。希望你看完这篇文章会有很多收获。我们一起来看看吧！

在限流算法中，有一种令牌桶算法，可以处理短时突发流量，特别适用于真实环境中流量不均匀的情况。不会频繁触发限流，对来电者友好。

比如限流是10qps，大部分情况下不会超过，但偶尔会达到30qps，然后很快恢复正常。假设这种流量的爆发不会影响系统的稳定性，我们可以在一定程度上允许这种瞬间的流量爆发，从而给用户带来更好的可用性体验。这是使用令牌桶算法的地方。

令牌桶算法原理

如下图所示，这个算法的基本原理是有一个容量为x的令牌桶，每y个单位时间就有z个令牌放入这个桶中。如果桶中的令牌数超过x，将被丢弃。处理请求时，需要先从令牌桶中取出令牌，如果拿到令牌，继续处理；如果令牌不可用，请求将被拒绝。

可见，在令牌桶算法中设置x、y、z的个数尤为重要。z应该略大于y单位时间的请求数，系统会长期处于这种状态；x是系统允许的瞬时最大请求数，系统不宜长时间处于这种状态，否则会频繁触发限流，说明流量超出预期，需要及时调查原因并采取相应措施。

00-1010之前，看到一些程序实现的令牌桶。将令牌放入桶中的方法是启动一个线程，每y个单位时间增加一次令牌的数量，或者在Timer中定期执行这个过程。我对这种方法不满意。原因有二。首先，它浪费线程资源。二是因为调度问题在执行时间上不准确。【相关推荐：Redis视频教程】

这里，计算确定令牌桶中令牌数量的方法。首先，从最后一个请求到这个请求过去了多长时间，是否达到了发放令牌的时间阈值，然后添加了多少令牌，可以将多少令牌放入桶中。

说话便宜！

让我们看看如何在Redis中实现它，因为它涉及到与Redis的许多交互。为了提高限流处理的吞吐量，减少程序与Redis的交互次数，采用了Redis支持的Lua脚本，Lua脚本的执行是原子性的，不需要担心脏数据。

代码节选自FireflySoft。RateLimit，不仅支持Redis的普通主从部署，还支持集群Redis，所以通过横向扩展可以提高吞吐量。为了阅读方便，这里加了一些注释，其实是没有的。

-定义返回值，为数组，包括：是否触发限流(1限流0遍)以及当前桶中的令牌数。

localret={}

ret[1]=0

- Redis集群分区Key，KEYS[1]为限流目标。

localcl_key='{ '.钥匙[1].'}'

-获取限流处罚的当前设置，当触发限流处罚时，会写入一个有到期时间的KV。

-如果有电流限制惩罚，则返回结果[1，-1]。

locallock_key=cl_key.-锁

locallock_val=redis.call('get '，lock_key)

如果iflock _ val==' 1 ’,则

ret[1]=1

ret[2]=-1

returnret

结束

-这里省略了部分代码。

-获取[上次将令牌放入桶中的时间]。如果未设置此时间，则令牌桶不存在。这时：

-一种情况是：第一次执行，此时定义的令牌桶已满。

-另一种情况是过流限制处理很长时间没有进行，导致这次KV携带的释放。

-此过期时间将超过令牌自然放入桶中的时间，直到桶满为止，因此令牌桶也应该满了。

locallast_time=redis.call('get '，st_key)

if(last_time==false)

然后

-此执行后剩余的令牌数：存储桶容量-此执行中消耗的令牌数。

bucket _ amount=产能-金额；

-更新令牌桶中的令牌数量，这里有一个到期时间。如果该程序长时间不执行，令牌桶KV将被回收。

ll('set',KEYS[1],bucket_amount,'PX',key_expire_time)
    -- 设置[上次向桶中放入令牌的时间]，后边计算应放入桶中的令牌数量时会用到
    redis.call('set',st_key,start_time,'PX',key_expire_time)
    -- 返回值[当前桶中的令牌数]
    ret[2]=bucket_amount
    -- 无需其它处理
    return ret
end

-- 令牌桶存在，获取令牌桶中的当前令牌数
local current_value = redis.call('get',KEYS[1])
current_value = tonumber(current_value)

-- 判断是不是该放入新令牌到桶中了：当前时间-上次投放的时间 >= 投放的时间间隔
last_time=tonumber(last_time)
local last_time_changed=0
local past_time=current_time-last_time
if(past_time<inflow_unit)
then
 -- 不到投放的时候，直接从令牌桶中取走令牌
    bucket_amount=current_value-amount
else
 -- 需要放入一些令牌, 预计投放数量 = (距上次投放过去的时间/投放的时间间隔)*每单位时间投放的数量
    local past_inflow_unit_quantity = past_time/inflow_unit
    past_inflow_unit_quantity=math.floor(past_inflow_unit_quantity)
    last_time=last_time+past_inflow_unit_quantity*inflow_unit
    last_time_changed=1
    local past_inflow_quantity=past_inflow_unit_quantity*inflow_quantity_per_unit
    bucket_amount=current_value+past_inflow_quantity-amount
end

-- 这里省略部分代码

ret[2]=bucket_amount

-- 如果桶中剩余数量小于0，则看看是否需要限流惩罚，如果需要则写入一个惩罚KV，过期时间为惩罚的秒数
if(bucket_amount<0)
then
    if lock_seconds>0 then
        redis.call('set',lock_key,'1','EX',lock_seconds,'NX')
    end
    ret[1]=1
    return ret
end

-- 来到这里，代表可以成功扣减令牌，则需要更新令牌桶KV
if last_time_changed==1 then
    redis.call('set',KEYS[1],bucket_amount,'PX',key_expire_time)
 -- 有新投放，更新[上次投放时间]为本次投放时间
    redis.call('set',st_key,last_time,'PX',key_expire_time)
else
    redis.call('set',KEYS[1],bucket_amount,'PX',key_expire_time)
end
return ret

通过以上代码，可以看出，其主要处理过程是：

1、判断有没有被限流惩罚，有则直接返回，无则进入下一步。

2、判断令牌桶是否存在，不存在则先创建令牌桶，然后扣减令牌返回，存在则进入下一步。

3、判断是否需要投放令牌，不需要则直接扣减令牌，需要则先投放令牌再扣减令牌。

4、判断扣减后的令牌数，如果小于0则返回限流，同时设置限流惩罚，如果大于等于0则进入下一步。

5、更新桶中的令牌数到Redis。

你可以在任何一种开发语言的Redis库中提交并运行这段Lua script脚本，如果你使用的是.NET平台，可以参考这篇文章：ASP.NET Core中使用令牌桶限流（https://blog.bossma.cn/dotnet/asp-net-core-token-bucket-algorithm-of-rate-limit/） 。

关于FireflySoft.RateLimit

FireflySoft.RateLimit 是一个基于 .NET Standard 的限流类库，其内核简单轻巧，能够灵活应对各种需求的限流场景。

其主要特点包括：

• 多种限流算法：内置固定窗口、滑动窗口、漏桶、令牌桶四种算法，还可自定义扩展。

• 多种计数存储：目前支持内存、Redis两种存储方式。

• 分布式友好：通过Redis存储支持分布式程序统一计数。

• 限流目标灵活：可以从请求中提取各种数据用于设置限流目标。

• 支持限流惩罚：可以在客户端触发限流后锁定一段时间不允许其访问。

• 动态更改规则：支持程序运行时动态更改限流规则。

• 自定义错误：可以自定义触发限流后的错误码和错误消息。

• 普适性：原则上可以满足任何需要限流的场景。

以上是“利用Redis如何实现令牌桶算法”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！