分流:原先数据库只放一个服务器，无论多少个都只能访问这个服务器，访问不了就排队（延迟）（如果同一时间也高并发了那就限流）

限流:同一时间限制访问的人数

限流的算法

    漏桶算法：把请求放到一个容器中，控制处理的速度

    令牌算法：给每一个请求分配一个令牌，没有令牌的访问不了，1/QPS （同一时间接口的访问数一般一个tomcat是200~250）

0. 前提

   1. redis可用

   2. JMeter

1. spring cloud gateway网关限流

    1. 限流简介

        限流就是限制流量，因为服务器能处理的请求数有限，如果请求量特别大，我们需要做限流（要么就让请求等待，要么就把请求给扔了），

        限流可以保障我们的 API 服务对所有用户的可用性，也可以防止网络攻击。在高并发的应用中，限流是一个绕不开的话题。

        注1：为什么要限流？见：images/00

     

    2. 常见的限流手段

        一般开发高并发系统常见的限流有：限制总并发数（比如数据库连接池、线程池）、限制瞬时并发数（如 nginx 的 limit_conn 模块，用来限制瞬时并发连接数）、

        限制时间窗口内的平均速率（如 Guava 的 RateLimiter、nginx 的 limit_req 模块，限制每秒的平均速率）；其他还有如限制远程接口调用速率、限制 MQ (消息队列)的消费速率。

        另外还可以根据网络连接数、网络流量、CPU 或内存负载等来限流。

        本文讨论在gateway集成的实现

    3. 限流算法

        1.漏桶算法(Leaky Bucket)

           略...

        2.令牌桶算法(Token Bucket)

           随着时间流逝，系统会按恒定 1/QPS 时间间隔（如果 QPS=100，则间隔是 10ms）往桶里加入 Token（想象和漏洞漏水相反，有个水龙头在不断的加水），

           如果桶已经满了就不再加了。新请求来临时，会各自拿走一个 Token，如果没有 Token 可拿了就阻塞或者拒绝服务。

           令牌桶的另外一个好处是可以方便的改变速度：一旦需要提高速率，则按需提高放入桶中的令牌的速率

           注1：令牌桶算法流程图见：images/01

          1秒生成20令牌

          令牌桶容量100

    4. gateway网关限流快速实现

        Spring Cloud Gateway官方提供了RequestRateLimiterGatewayFilterFactory类，使用redis和lua脚本来实现令牌桶的方式。

        我们也可以基于Google Guava中的RateLimiter、Bucket4j、RateLimitJ来实现。但是，本文将采用官方提供的方式来实现。

        Gateway通过内置的RequestRateLimiter过滤器实现限流，使用令牌桶算法，借助Redis保存中间数据。用户可通过自定义KeyResolver设置限流维度，例如：

        1.对请求的目标URL进行限流

        2.对来源IP进行限流

        3.特定用户进行限流

        本案例实现对IP进行限流

        1. 导入redis依赖

            <!--redis依赖-->

            <dependency>

                <groupId>org.springframework.boot</groupId>

                <artifactId>spring-boot-starter-data-redis-reactive</artifactId>

            </dependency>

        2. 修改application.yml文件添加redis相关配置

            #此处为单机版配置，实际开发中，应该是一个redis集群。redis集群配置见：资料/07 springboot2.x 整合redis集群

            spring:

               redis:

                   host: 192.168.217.132

                   port: 6379

                   password: 123456

                   database: 0

            注1：如果redis连接失败，限流功能将不能开启。因为没有redis作为容器来保存令牌，限流功能自然就失效了。切记~~~切记~~~切记~~~

            注2：可以将redis的配置信息保存到nacos中，通过添加nacos配置中心客户端的方式进行读取

        3. 创建限流Bean   

            详情见：src/RequestRateLimiterConfig.java

            注1：限流bean的名字，必须和步骤4引用时的名字一样

        4. 在路由配置中添加限流配置

            #filter名称必须是 RequestRateLimiter

            - name: RequestRateLimiter

              args:

                #用于限流的键的解析器的 Bean 对象的名字,使用 SpEL表达式根据#{@beanName}获取Bean对象

                key-resolver: '#{@ipAddrKeyResolver}'

                #令牌桶填充速率，允许用户每秒处理多少个请求

                redis-rate-limiter.replenishRate: 10

                #令牌桶总容量，允许在一秒钟内完成的最大请求数

                redis-rate-limiter.burstCapacity: 20

      

        5. 使用JMeter进行限流测试

            测试结果，没有抢到令牌的请求就返回429，这边的限流相当于平均request:10/s

  

        6. 在前端页面，比如：vue处理429错误，显示“服务忙请稍后再试”

            Response code:429

            Response message:Too Many Requests

2. 熔断

    网关是所有请求的入口，如果部分后端服务延时严重，则可能导致大量请求堆积在网关上，拖垮网关进而瘫痪整个系统。

    这就需要对响应慢的服务做超时快速失败处理，即熔断

    

    在组件的选型上有两种：Hystrix与Sentinel，本章介绍的是Spring Cloud Gateway基于Hystrix实现的熔断

    1. 修改gateway-server子模块的pom，增加pom相关依赖

        <!--Gateway基于Hystrix实现的熔断-->

        <dependency>

            <groupId>org.springframework.cloud</groupId>

            <artifactId>spring-cloud-starter-netflix-hystrix</artifactId>

        </dependency>

    2. 修改application.yml配置，在路由中添加熔断配置

       

        Hystrix支持两个参数：

        name：即HystrixCommand的名字

        fallbackUri：fallback对应的uri，这里的uri仅支持forward:schemed

          filters:

            - name: Hystrix

              args:

                name: fallback

                fallbackUri: forward:/fallback

     3. 创建FallBackControlle

         @RestController

         public class FallBackController {

             @GetMapping("/fallback")

             public String fallback() {

                 return "Error:fallback";

             }

         }

     4. 测试

         启动各个微服务，并访问，成功后再关闭生产者

         

         至此：熔断的简单配置实现就完成了，如需自定义熔断策略需要学习了解HystrixGatewayFilter的相关内容

3. Spring Cloud 服务第一次请求超时的优化

    Spring Cloud项目启动后，首次使用 FeignClient 请求往往会消耗大量时间，并有一定概率因此导致请求超时(java.net.SocketTimeoutException: Read timed out)，因而有可能会触发熔断

    这是由于在调用其他微服务接口前，会去请求该微服务的相关信息(地址、端口等)，并做一些初始化操作，由于默认的懒加载特性，导致了在第一次调用时，出现超时的情况，

           

    解决方法主要有两种：

    1. 第一种办法是设置超时时间，具体设置成多少，因项目而异，配置如下

        #hystrix调用方法的超时时间，默认是1000毫秒

        hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds=5000

        理论上这是一个治标的办法，这样处理能够解决超时的问题，但无法解决首次花费时间长的问题。同时因为需要将熔断器的超时时间设置得更长，

        等价于在一定程度上限制了熔断器的适用范围。所以可用这个方法，但不推荐这个方法

    2. 推荐的方式：配置ribbon立即加载，

        链路分析，服务之间的调用顺序为：gateway->消费者->生产者，   

        接下来分两部分解决这个问题，一是服务之间调用Ribbon的饥饿加载，对应上面的测试为消费者调用生产者；二是网关的饥饿加载。

         

        第一步：

        找到消费者的application.yml文件，添加如下配置：

        #此处需要注意的是，光配置立即加载是不生效的，还要配置客户端列表

        ribbon:

          eager-load:

            enabled: true                                                                  #开始饥饿模式

            clients: user-service, material-product, outer-data        #生产者的服务名，多个之间逗号分隔

        重启消费者后，你会发现虽然没有发送调用请求，但日志中已经显示Feign的客户端创建成功了        

    

        第二步：网关的饥饿模式

        ribbon:

          eager-load:

            enabled: true

            clients: user-service-api

4. 个人体会

    外部请求用限流、内部请求用熔断

附录一：JDK8的新特性——Lambda表达式

在JDK8之前，Java是不支持函数式编程的，所谓的函数编程，即可理解是将一个函数（也称为“行为”）作为一个参数进行传递。

通常我们提及得更多的是面向对象编程，面向对象编程是对数据的抽象（各种各样的POJO类），而函数式编程则是对行为的抽象（将行为作为一个参数进行传递）。

在JavaScript中这是很常见的一个语法特性，但在Java中将一个函数作为参数传递这却行不通，好在JDK8的出现打破了Java的这一限制。简单示例如下：

     new Thread(new Runnable() {

         @Override

         public void run() {

             System.out.println("Hello World!");

         }

     });

     使用Lambda表达式则只需要使用一句话就可代替上面使用匿名类的方式。

     new Thread(() -> System.out.println("Hello World!"));

附录二：如何使用JMeter进行并发测试

1. 安装

    将下载得到的压缩包解压即可，这里我解压到自己电脑的路径为D:\tools\apache-jmeter-5.2.1

2. 运行

    点击bin目录下的jmeter.bat即可启动Jmeter。

3. 一个简单的压测实例

    现有一个http请求接口localhost:5000/usr3/hello，要使用Jmeter对其进行压测，测试步骤如下:

    1.新建一个线程组

    2.设置线程组参数

       1.Number of Threads 10 线程数量 10 个线程

       2.Ramp-Up Period      0   所有线程在多少秒内启动，设置为0表示同时启动

       3.Loop Count              1   线程重复资料

       这里配置为：10个线程，同时启动，循环一次

    3.新增http请求默认值

       在上一步创建的线程组上，新增http请求默认值，所有的请求都会使用设置的默认值，这设置协议为http，IP为localhost，端口为8080

    4.添加要压测的http请求

        协议、IP、端口不需要设置，会使用步骤c中设置的默认值，只需设置请求路径Path即可，这里填入/usr3/hello

    5.新增监听器，用于查看压测结果。这里添加三种：聚合报告、图形结果、用表格查看结果，区别在于结果展现形式不同

    6.点击运行按钮开始压测，并查看结果

    

附录三：@Primary注解

此注解用在类上面。它表示在需要自动注入一个单值依赖的地方，却有多个候选依赖，那么这个注解会指定一个类作为preference（偏好）选择。

可以简单理解为，我们把@Primary注解标记在任意一个类上面，在使用@Autowired注入的时候，如果不特殊指明（如何特殊指明请看@Qualifier的讲解），

那么默认就注入被@Primary标记的类。但是只可以指定一个类作为偏好类，否则依然会产生冲突。

附录四：SpringCloud服务消费者第一次调用出现超时问题的解决方案

在第一次访问服务消费者的时候（消费者去调用服务提供者服务）会出现如下异常：

com.netflix.hystrix.exception.HystrixRuntimeException: TestService#hello(String) timed-out and no fallback available

解决方案是在application.properties增加如下配置信息：

#hystrix调用方法的超时时间，默认是1000毫秒

hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds=5000

更绝的一个方案是直接禁用hystrix:

feign.hystrix.enabled=false