限流策略了解

转自：https://www.cnblogs.com/brxHqs/p/9767942.html ，https://tkstorm.com/posts-list/books/cloud-native-alone/high-availability/

1.突发流量 

高并发情况下带来的突发流量： 

常见的优化方案有两种：

• 1）上游队列缓冲（push阻塞），限速发送；
• 2）下游队列缓冲（定时或者批量拉取pull，可以起到削平流量），限速执行。

如果上游发送流量过大，MQ提供拉模式确实可以起到下游自我保护的作用，会不会导致消息在MQ中堆积？

答：下游MQ-client拉取消息，消息接收方能够批量获取消息，需要下游消息接收方进行优化（提供批处理，比如批量写），否则整体吞吐量低，也会造成mq堆积。

2.高并发系统保护策略

2.1 缓存

累积一些数据，批量写入，先写redis再写数据库；内存里面的缓存队列，mq像是一种缓存队列。

2.2 服务降级

非核心链路，不提供相关的功能。

降级代表系统功能部分不可用，比如降级可能出现的情况是手机号可以正常，邮箱不能注册，熔断代表的是完全不可用，注册功能完全不可用。不管降级还是熔断，在设计时都要考虑：降级熔断算法，恢复机制，告警。

产品功能梳理核心流程，找到核心服务，划分等级，确认服务关键程度。

2.3 限流

一般来说系统的吞吐量是可以被测算的，一旦达到阈值，就需要限制流量。比如：延迟处理，拒绝处理，部分拒绝处理等等。

• Nginx前端限流：按照一定的规则如IP、账号、调用逻辑等在Nginx层面做限流；

• 业务应用系统限流：客户端限流（验证码；获取动态请求路径pathvariable，到达接口地址隐藏的效果）；服务端限流（redis限速器，延迟队列）；

• 数据库限流：数据库链接池化，Mysql（如max_connections）、Redis（如tcp-backlog）都会有类似的限制连接数的配置。

限流算法：简单计数器、漏桶、令牌桶。

 漏桶算法：适用场景: 秒杀场景，削峰填谷

1. 水流入(请求生产): 漏入桶中，桶满则溢出
2. 漏桶(队列): FIFO队列
3. 水流出(请求消费): 以一定速率从桶内取出请求消费

令牌桶算法：

1. 创建一个可放指定数量(M)令牌的桶（队列）；
2. 每间隔一定时间片，放入一个令牌到桶中（定时令牌生成器），桶满则溢出；
3. 每当R个请求到达时，从桶内取出min(M,R)个令牌，若桶内令牌不够，则将请求缓存或者丢弃（对比网卡的环形队列作用）。