Sentinel（四）限流算法-令牌桶算法

本文主要是介绍Sentinel（四）限流算法-令牌桶算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Sentinel中使用的令牌桶算法，是参考着Guava中的令牌桶算法来的。所以在此之前有必要分析下Guava中的限流算法。参见https://www.cnblogs.com/krock/p/16347965.html

这里直接看Sentinel中如何进行预热限流的。

流控规则看 FlowRuleChecker#passLocalCheck

 关于预热的看WarmUpRateLimiterController,这里的预热，虽然是参考Guava中的算法，但是有一点是不一样的，就是Guava中控制的是两个请求的时间间隔internal，而sentinel这里控制的是QPS,

所以在sentinel中使用的一些Guava中的计算公式，需要把QPS和internal进行转换。

首先看下怎么初始化的：

public WarmUpRateLimiterController(double count, int warmUpPeriodSec, int timeOutMs, int coldFactor) {
        // 调用父类的初始化方法
        super(count, warmUpPeriodSec, coldFactor);
        // 控制台配置的超时时间
        this.timeoutInMs = timeOutMs;
    }

protected double count;
private int coldFactor;
protected int warningToken = 0;
private int maxToken;
protected double slope;
// 构造函数会调用方法，其中coldFactor这个和Guava中的固定值一样是 3.0

private void construct(double count, int warmUpPeriodInSec, int coldFactor) {

    if (coldFactor <= 1) {
        throw new IllegalArgumentException("Cold factor should be larger than 1");
    }

    this.count = count;

    this.coldFactor = coldFactor;

    // Guava中的令牌阈值的计算，其中 stableInterval 是两个请求的时间间隔，也就是释放一个令牌的时间
    // 在Sentinel这里，需要把 stableInterval 变成QPS,也就是每秒释放的令牌数 两个是倒数的关系
    // thresholdPermits = 0.5 * warmupPeriod / stableInterval.
    // warningToken = 100;
    //  所以这里的计算公式，就是Guava那边来的
    warningToken = (int)(warmUpPeriodInSec * count) / (coldFactor - 1);
    // Guava中计算桶中最大的令牌数量 ，其中那个 coldInterval = coldFactor *stableInterval
    // 所以提取公因子之后下面的公式变成 ：maxPermits = thresholdPermits + 2 * warmupPeriod /
    //  (1.0+coldFactor)* stableInterval
    // 所以才有了 maxToken的计算公式
    // / maxPermits = thresholdPermits + 2 * warmupPeriod /
    // (stableInterval + coldInterval)
    // maxToken = 200
    maxToken = warningToken + (int)(2 * warmUpPeriodInSec * count / (1.0 + coldFactor));

    // slope
    //  斜率，Guava中warmup时间段内的斜率
    // slope = (coldIntervalMicros - stableIntervalMicros) / (maxPermits
    // - thresholdPermits);
    // 同样经过上面讲述的换算也可以得到
    slope = (coldFactor - 1.0) / count / (maxToken - warningToken);
}

初始化后，看下限流时候是怎么做的

public boolean canPass(Node node, int acquireCount, boolean prioritized) {
        //上一个时间窗口内通过请求数量
        long previousQps = (long) node.previousPassQps();
        //同步桶的令牌数量
        syncToken(previousQps);

        long currentTime = TimeUtil.currentTimeMillis();

        long restToken = storedTokens.get();
        long costTime = 0;
        long expectedTime = 0;
        if (restToken >= warningToken) {
            long aboveToken = restToken - warningToken;

            // current interval = restToken*slope+1/count
            // 计算当前两个请求之间的间隔，也就是消耗一个令牌的时间
            // 参考Guava中的那个图，数学运算就是 x轴上的差值 乘上斜率 得到纵坐标的差值
            double warmingQps = Math.nextUp(1.0 / (aboveToken * slope + 1.0 / count));
            // 上面最新的Qps计算出来之后 请求的令牌 除以 QPS 就可以得出需要的花费的时间
            costTime = Math.round(1.0 * (acquireCount) / warmingQps * 1000);
        } else {
            // 如果小于 warningToken  还不需要预热  所以QPS是固定 count
            costTime = Math.round(1.0 * (acquireCount) / count * 1000);
        }
        // 期望的通过时间
        expectedTime = costTime + latestPassedTime.get();

        // 当前时间大于了期望时间表示可以放行
        if (expectedTime <= currentTime) {
            latestPassedTime.set(currentTime);
            return true;
        } else {
            // 计算等待的时间
            long waitTime = costTime + latestPassedTime.get() - currentTime;
            // 如果等待时间超过我们配置的超时时间，直接拒绝
            if (waitTime > timeoutInMs) {
                return false;
            } else {
                // 如果不超过超时时间，则进行等待
                long oldTime = latestPassedTime.addAndGet(costTime);
                try {
                    waitTime = oldTime - TimeUtil.currentTimeMillis();
                    if (waitTime > timeoutInMs) {
                        latestPassedTime.addAndGet(-costTime);
                        return false;
                    }
                    if (waitTime > 0) {
                        Thread.sleep(waitTime);
                    }
                    return true;
                } catch (InterruptedException e) {
                }
            }
        }
        return false;
    }

思想还是沿用的Guava中的算法，只是用QPS转换了一下。

这篇关于Sentinel（四）限流算法-令牌桶算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！