当前位置：首页 > ai >正文

rate-limit 为 java 设计的渐进式限流开源工具

ai 2025/7/14 13:26:58

项目简介

rate-limit 是一个为 java 设计的渐进式限流工具。

目的是为了深入学习和使用限流，后续将会持续迭代。

特性

渐进式实现
支持独立于 spring 使用
支持整合 spring
支持整合 spring-boot
内置多种限流策略

快速开始

需求

jdk 1.7
maven 3.x+

maven 导入

<dependency><groupId>com.github.houbb</groupId><artifactId>rate-limit-core</artifactId><version>1.1.1</version>
</dependency>

入门例子

方法定义

@RateLimit 限流注解放在方法上，指定对应的限制频率。

也可以定义在类上，默认下面的所有方法生效。方法上的优先级高于类。

属性	说明	默认值
value	方法访问一次消耗的令牌数	`1`
timeUnit	时间单位	`TimeUnit.SECONDS`
interval	时间间隔	`60`
count	可调用次数	`1000`
enable	是否启用	true

默认为 60S 内，可以调用 1000 次。

public class UserService {@RateLimit(interval = 2, count = 5)public void limitCount() {log.info("{}", Thread.currentThread().getName());}}

这个例子中我们 2S 内最多调用 5 次。

代码测试

RateLimitProxy.getProxy(xxx) 通过字节码获取方法对应的方法代理。

@Test(expected = RateLimitRuntimeException.class)
public void limitCountErrorTest() {UserService userService = RateLimitProxy.getProxy(new UserService());for(int i = 0; i < 3; i++) {userService.limitCount();}
}

当调用超出限制时，默认抛出 RateLimitRuntimeException 异常。

这里默认使用的是令牌桶算法，所以会出现异常。

重复注解 @RateLimits

有时候我们希望同时做多个的限制：

（1）一分钟不超过 10 次

（2）一小时不超过 30 次

为了支持多个配置，我们引入了新的注解 @RateLimits，可以指定一个 @RateLimit 数组。

方法上同时使用 @RateLimits + @RateLimit 是可以同时生效的，不过为了简单，一般不建议混合使用。

@RateLimits({@RateLimit(interval = 2, count = 5)})
public void limitCount() {//...
}

指定引导类

RateLimitProxy.getProxy(new UserService());

等价于

RateLimitProxy.getProxy(new UserService(), RateLimitBs.newInstance());

下面我们来一起看一下 RateLimitBs 引导类。

引导类

RateLimitBs 作为引导类，便于用户自定义配置。

方法	说明	默认值
rateLimit	限流策略	`RateLimits.tokenBucket()` 令牌桶算法
timer	时间策略	`Timers.system()` 系统时间
cacheService	缓存策略	`CommonCacheServiceMap` 基于本地 map 的缓存策略
cacheKeyNamespace	缓存KEY命名空间	`RATE-LIMIT` 避免不同的应用，命名冲突。
configService	限制配置策略	`RateLimitConfigService` 默认基于方法上的注解
tokenService	身份标识策略	`RateLimitTokenService` 默认基于 IP
methodService	方法标识策略	`RateLimitMethodService` 默认基于方法名+参数类型
rejectListener	拒绝策略	`RateLimitRejectListenerException` 限流时抛出异常

其中 rateLimit 内置 RateLimits 工具中的策略如下：

方法	说明
fixedWindow()	固定窗口
slideWindow(int windowNum)	滑动窗口，可指定窗口大小
slideWindow()	滑动窗口，默认为 10
slideWindowQueue()	滑动窗口，基于队列的实现
leakyBucket()	漏桶算法
tokenBucket()	令牌桶算法

配置建议

分布式系统，cacheService 建议使用基于 redis 的集中式缓存策略。
configService 如果想更加灵活，可以基于数据库的配置查询

RateLimitBs 引导类

RateLimitBs 默认配置如下：

RateLimitBs.newInstance().timer(Timers.system()).methodService(new RateLimitMethodService()).tokenService(new RateLimitTokenService()).rejectListener(new RateLimitRejectListenerException()).configService(new RateLimitConfigService()).cacheService(new CommonCacheServiceMap()).rateLimit(RateLimits.tokenBucket()).cacheKeyNamespace(RateLimitConst.DEFAULT_CACHE_KEY_NAMESPACE);

spring 整合

maven 引入

<dependency><groupId>com.github.houbb</groupId><artifactId>rate-limit-spring</artifactId><version>1.1.1</version>
</dependency>

类定义

方法

和上面使用类似，直接在方法上声明 @RateLimit 注解即可。

@Service
public class UserService {private static final Log log = LogFactory.getLog(UserService.class);@RateLimit(interval = 2, count = 5)public void limitCount() {log.info("{}", Thread.currentThread().getName());}}

配置

通过 @EnableRateLimit 声明启用限流。

@Configuration
@ComponentScan("com.github.houbb.rate.limit.test.core")
@EnableRateLimit
public class SpringConfig {}

@EnableRateLimit 的属性配置和 RateLimitBs 属性是以一一对应的。

方法	说明	默认值
rateLimit	限流策略	令牌桶算法
timer	时间策略	系统时间
cacheService	缓存策略	基于本地 map 的缓存策略
cacheKeyNamespace	缓存KEY命名空间	`RATE-LIMIT` 避免不同的应用，命名冲突。
configService	限制配置策略	默认基于方法上的注解
tokenService	身份标识策略	默认基于 IP
methodService	方法标识策略	默认基于方法名+参数类型
rejectListener	拒绝策略	限流时抛出异常

这里的属性值，都是对应的 spring bean 名称，支持用户自定义。

spring-boot 整合

maven 引入

<dependency><groupId>com.github.houbb</groupId><artifactId>rate-limit-springboot-starter</artifactId><version>1.1.1</version>
</dependency>

使用

其他和 spring 保持一致。

开源矩阵

下面是一些缓存系列的开源矩阵规划。

名称	介绍	状态
resubmit	防止重复提交核心库	已开源
rate-limit	限流核心库	已开源
cache	手写渐进式 redis	已开源
lock	开箱即用的分布式锁	已开源
common-cache	通用缓存标准定义	已开源
redis-config	兼容各种常见的 redis 配置模式	已开源
quota-server	限额限次核心服务	待开始
quota-admin	限额限次控台	待开始
flow-control-server	流控核心服务	待开始
flow-control-admin	流控控台	待开始