几行代码实现限流，实用又简单

本文主要是介绍几行代码实现限流，实用又简单，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

场景

依赖系统脆弱

自己的系统依赖别人的系统很脆弱，支持不了高qps的请求，比如一下高计算量的AI系统，或者一个高计算量的数据系统。这里都是作者经历过的。悄悄告诉你，你要是把别人系统打挂了，锅是你背的。哈哈哈哈。所以一些基本的限流操作要学会。

自己系统计算量大，逻辑复杂还需要防止恶意请求

作者也经历过，自己的系统真的太复杂了，毕竟需要一定的安全性，不能直接让别人请求，这个时候一般会在前面加一个服务，并且加上限流操作以及一些权限校验什么的，成功了之后再去请求后面服务。

怎么快速实现一个呢？？

你看下面实现。

/** * @author JZWen * @date 2020/11/26 */public class GlobalLimiter {    //随着线上的机子量变化需要修改限流数，目前是10秒3个请求    private static volatile int permit = 3;    private Map<Long, Integer> rate = new ConcurrentHashMap<>(500);    public boolean limit() {        long secondTime = System.currentTimeMillis() / 10000;        synchronized (GlobalLimiter.class) {            Integer count = rate.get(secondTime);            if (count == null) {                rate.put(secondTime, 1);                rate.remove(secondTime - 3);                System.out.println("开始-------count ：" + count + 1);                return true;            }                        if (count + 1 > permit) {                System.out.println("限流了 -------" + count + 1);                return false;            }            rate.put(secondTime, count + 1);            System.out.println("通过了-------" + count + 1);            return true;        }    }}

代码分层编写一下啊

/** * @author JZWen * @date 2020/11/26 */public interface LimiterOverflowValidate {    boolean tryAcquire();}

/** * @author JZWen * @date 2020/11/26 */@Servicepublic class RateLimiterOverflowValidate implements LimiterOverflowValidate {    private GlobalLimiter limiter = new GlobalLimiter();    @Override    public boolean tryAcquire() {        return limiter.limit();    }}

没骗你吧，真的就几行代码。使用 ConcurrentHashMap 存储请求数据，key =当前时间戳（s）， value 当前时间戳的请求数，当然这个地方请求的维度可以自己把控的，比如说，我想按照请求方来限流，那个key就变成请求方id， value 可以包装一个类，Entry <key, Value> key =当前时间戳， value = 当前时间戳的的请求数。随意搭配，但是记得remove调里面数据。要不然这个Map 会越来越大。打满内存会。