固定时间窗口
在开发限流组件的时候,我们需要统计一个时间区间内的请求数,比如以分钟为单位。所谓固定时间窗口,就是根据时间函数得到当前请求落在哪个分钟之内,我们在统计的时候只关注当前分钟之内的数量,即 [0s, 60s],因为流量并不是均匀的,所以就会出现,在两个分钟之间超过阈值,1分50秒时来了150个请求,在2分10秒时来了150个请求,如果我们设置的阈值是200,这就超过了阈值,这会对系统造成隐患。
固定时间窗口的主要特征是:取样窗口直接从当前分钟跳到下一分钟。
滑动时间窗口
如果一个请求到达,我们根据请求的时间,倒推一分钟,然后统计此区间的请求数,来判断是否超过阈值,这就是滑动窗口,即,窗口是缓慢滑动的。显然这种方式效率不高,每次都要统计。
做一个折中,将一分钟分成10个小窗口,每个请求都落到其中一个小窗口上,每次以小窗口为单位移动,并且请求数实时统计到小窗口中,这样只需要将10个窗口加起来和阈值比较。
实现原理
此处可以参考环形队列的设计思想,采样长度为10的数组作为小窗口,一个游标指向最新的窗口(时间最新),如果窗口发生了滑动,就将游标移动到特定位置。
由于请求的到来不是连续的,所以Front
的移动可能是跳跃式的。
每向前滑动一个小窗口,就意味着头部增加一个,尾部舍弃一个,如果发生了跳跃,那么尾部要舍弃多个,同时中间要补0。即,从第二圈开始,Front 划过的地方都要被置为0。
简单模拟如下,第一行值为9
的地方为Front
,向右滑动,来到第二行,依次类推。在第四行时出现了跳跃。
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | x | |||||
2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | x | y | |||||
5 | 6 | 7 | 8 | 9 | x | y | 0 | 0 | z | |||||
整理 | ||||||||||||||
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |||||
x | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |||||
x | y | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |||||
x | y | 0 | 0 | z | 5 | 6 | 7 | 8 | 9 |
算法与测试
package plugin
import (
"log"
"time"
)
// 滑动窗口
type WindowLeapArray struct {
Arr []int // 窗口数据
WindowsNum int // 样本窗口个数,设置为10
Front int // 游标
FrontTime int64 // 游标最新时间
RequestNumPerSecond int // 限制请求数
WindowStatus bool // 窗口状态,true 为 拒绝访问
}
func NewWindowLeapArray(requestNumPerSecond int) *WindowLeapArray {
return &WindowLeapArray{
Arr: make([]int, 10),
WindowsNum: 10,
RequestNumPerSecond: requestNumPerSecond,
}
}
// GlobalCheck 全局限流
func (w *WindowLeapArray) GlobalCheck() bool {
timenow := time.Now()
start := w.FrontTime
frontTimeLeft := timenow.UnixMilli() - timenow.UnixMilli()%100
index := (timenow.UnixMilli() - 1000*timenow.Unix()) / 100
if w.FrontTime == 0 {
// 记为小窗口的左侧时间 1694678187869 -> 1694678187800
w.FrontTime = frontTimeLeft
w.Front = int(index)
w.Arr[w.Front]++
log.Println(timenow.UnixMilli(), start, (timenow.UnixMilli()-start)/100, w.Arr)
return true
}
// 时间差
gaptime := (timenow.UnixMilli() - w.FrontTime)
if gaptime < 100 {
// 同一小窗口
if w.WindowStatus {
log.Println(timenow.UnixMilli(), start, (timenow.UnixMilli()-start)/100, w.Arr)
return false
}
// 统计
var sum int
for _, v := range w.Arr {
sum = sum + v
}
if sum >= w.RequestNumPerSecond {
w.WindowStatus = true
log.Println(timenow.UnixMilli(), start, (timenow.UnixMilli()-start)/100, w.Arr)
return false
} else {
w.Arr[w.Front]++
}
} else {
// 滑动,采用环形数组
// 可能存在跳跃
w.WindowStatus = false
w.FrontTime = frontTimeLeft
gap := gaptime / 100
if gap >= 10 {
for i := 0; i < 10; i++ {
w.Arr[i] = 0
}
} else {
for i := 1; i <= int(gap); i++ {
tmp := w.Front + i
if tmp >= 10 {
tmp = tmp - 10
}
w.Arr[tmp] = 0
}
}
w.Front = int(index)
// 统计
var sum int
for _, v := range w.Arr {
sum = sum + v
}
if sum >= w.RequestNumPerSecond {
w.WindowStatus = true
log.Println(timenow.UnixMilli(), start, (timenow.UnixMilli()-start)/100, w.Arr)
return false
} else {
w.Arr[w.Front] = 1
}
}
log.Println(timenow.UnixMilli(), start, (timenow.UnixMilli()-start)/100, w.Arr)
return true
}
单元测试
func TestFun(t *testing.T) {
w := plugin.NewWindowLeapArray(10)
for i := 0; i < 30; i++ {
re := w.GlobalCheck()
log.Println(re)
n := util.RandInt(30, 3000)
time.Sleep(time.Duration(n) * time.Millisecond)
}
}
输出
2023/09/15 11:48:09 1694749689568 0 16947496895 [0 0 0 0 0 1 0 0 0 0]
2023/09/15 11:48:09 true
2023/09/15 11:48:11 1694749691250 1694749689500 17 [0 0 1 0 0 0 0 0 0 0]
2023/09/15 11:48:11 true
2023/09/15 11:48:12 1694749692007 1694749691200 8 [1 0 1 0 0 0 0 0 0 0]
2023/09/15 11:48:12 true
2023/09/15 11:48:12 1694749692083 1694749692000 0 [2 0 1 0 0 0 0 0 0 0]
2023/09/15 11:48:12 true
2023/09/15 11:48:13 1694749693857 1694749692000 18 [0 0 0 0 0 0 0 0 1 0]
2023/09/15 11:48:13 true
2023/09/15 11:48:14 1694749694213 1694749693800 4 [0 0 1 0 0 0 0 0 1 0]
2023/09/15 11:48:14 true
2023/09/15 11:48:15 1694749695227 1694749694200 10 [0 0 1 0 0 0 0 0 0 0]
2023/09/15 11:48:15 true
2023/09/15 11:48:15 1694749695388 1694749695200 1 [0 0 1 1 0 0 0 0 0 0]
2023/09/15 11:48:15 true
2023/09/15 11:48:16 1694749696076 1694749695300 7 [1 0 1 1 0 0 0 0 0 0]
2023/09/15 11:48:16 true
2023/09/15 11:48:16 1694749696590 1694749696000 5 [1 0 0 0 0 1 0 0 0 0]
2023/09/15 11:48:16 true
2023/09/15 11:48:18 1694749698828 1694749696500 23 [0 0 0 0 0 0 0 0 1 0]
2023/09/15 11:48:18 true
2023/09/15 11:48:20 1694749700913 1694749698800 21 [0 0 0 0 0 0 0 0 0 1]
2023/09/15 11:48:20 true
2023/09/15 11:48:22 1694749702052 1694749700900 11 [1 0 0 0 0 0 0 0 0 0]
2023/09/15 11:48:22 true
2023/09/15 11:48:23 1694749703076 1694749702000 10 [1 0 0 0 0 0 0 0 0 0]
2023/09/15 11:48:23 true
2023/09/15 11:48:23 1694749703422 1694749703000 4 [1 0 0 0 1 0 0 0 0 0]
2023/09/15 11:48:23 true
2023/09/15 11:48:23 1694749703781 1694749703400 3 [1 0 0 0 1 0 0 1 0 0]
2023/09/15 11:48:23 true
2023/09/15 11:48:23 1694749703990 1694749703700 2 [1 0 0 0 1 0 0 1 0 1]
2023/09/15 11:48:23 true
2023/09/15 11:48:26 1694749706029 1694749703900 21 [1 0 0 0 0 0 0 0 0 0]
2023/09/15 11:48:26 true
2023/09/15 11:48:28 1694749708168 1694749706000 21 [0 1 0 0 0 0 0 0 0 0]
2023/09/15 11:48:28 true
2023/09/15 11:48:29 1694749709514 1694749708100 14 [0 0 0 0 0 1 0 0 0 0]
2023/09/15 11:48:29 true
2023/09/15 11:48:30 1694749710850 1694749709500 13 [0 0 0 0 0 0 0 0 1 0]
2023/09/15 11:48:30 true
......
推理过程