Spring Cloud 是分布式微服务架构的一站式解决方案，它提供了一套简单易用的编程模型，使我们能在 Spring Boot 的基础上轻松地实现微服务系统的构建。正因为这样，我们在进行java面试的时候肯定会遇到springcloud的问题，那springcloud怎么限流面试题?下面来我们就来给大家讲解一下。
一、实战基于 Spring cloud Gateway 的限流
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis-reactive</artifactId> </dependency>
其基础是基于redis，所以：
spring: application: name: gateway - service redis: #redis相关配置 database: 8 host: 10.12 .15 .5 port: 6379 password: 123456# 有密码时设置 jedis: pool: max - active: 8 max - idle: 8 min - idle: 0 timeout: 10000 ms
接下来需要注入限流策略的 bean：
@Primary
@Bean(value = "ipKeyResolver")
KeyResolver ipKeyResolver()
{
return exchange - > Mono.just(exchange.getRequest()
.getRemoteAddress()
.getHostName());
//return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getAddress().getHostAddress());
//return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getAddress().getHostAddress());
}
/**
* API限流
* @return
* @author Damon
* @date 2020年3月18日
*
*/
@Bean(value = "apiKeyResolver")
KeyResolver apiKeyResolver()
{
return exchange - > Mono.just(exchange.getRequest()
.getPath()
.value());
}
/**
* 请求路径中必须携带userId参数
* 用户限流
* @return
* @author Damon
* @date 2020年3月18日
*
*/
@Bean(value = "userKeyResolver")
KeyResolver userKeyResolver()
{
return exchange - > Mono.just(exchange.getRequest()
.getQueryParams()
.getFirst("userId"));
}这里引入ipKeyResolver、apiKeyResolver、userKeyResolver三种策略
，可以利用注解 @Primary 来决定其中一个被使用。
注入bean后，需要在配置中备用：
spring:
application:
name: gateway - service
redis: #redis相关配置
database: 8
host: 10.12 .15 .5
port: 6379
password: 123456# 有密码时设置
jedis:
pool:
max - active: 8
max - idle: 8
min - idle: 0
timeout: 10000 ms
cloud:
kubernetes:
discovery:
all - namespaces: true
gateway:
discovery:
locator:
enabled: true
lowerCaseServiceId: true
routes: #路由配置: 参数为一个List -
id: cas - server# 唯一标识
uri: lb: //cas-server-service #转发的地址,写服务名称
order: -1
predicates:
-Path = /cas-server/ ** #判断匹配条件, 即地址带有 / ribbon
/**的请求,会转发至lb:cas-server-service
filters:
- StripPrefix=1 #去掉Path前缀,参数为1代表去掉/ribbon
- name: RequestRateLimiter #基于redis的Gateway的自身限流
args:
redis-rate-limiter.replenishRate: 1 # 允许用户每秒处理多少个请求
redis-rate-limiter.burstCapacity: 3 # 令牌桶的容量，允许在一秒钟内完成的最大请求数
key-resolver: "#{@ipKeyResolver}" #SPEL表达式取的对应的bean
- id: admin-web
uri: lb://admin-web-service
order: -1
predicates:
- Path=/admin-web/**
filters:
- StripPrefix=1
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 1 # 允许用户每秒处理多少个请求
redis-rate-limiter.burstCapacity: 3 # 令牌桶的容量，允许在一秒钟内完成的最大请求数
key-resolver: "#{@ipKeyResolver}" #SPEL表达式取的对应的bean
- id: order-service
uri: lb://order-service-service
order: -1
predicates:
- Path=/order-service/**
filters:
- StripPrefix=1
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 1 # 允许用户每秒处理多少个请求
redis-rate-limiter.burstCapacity: 3 # 令牌桶的容量，允许在一秒钟内完成的最大请求数
key-resolver: "#{@ipKeyResolver}" #SPEL表达式取的对应的bean
http:
encoding:
charset: UTF-8
enabled: true
force: true
mvc:
throw-exception-if-no-handler-found: true
main:
allow-bean-definition-overriding: true # 当遇到同样名称时，是否允许覆盖注册这里是在原有的路由基础上加入 RequestRateLimiter限流过滤器，包括三个参
数：
-name: RequestRateLimiter# 基于redis的Gateway的自身限流
args:
redis - rate - limiter.replenishRate: 3# 允许用户每秒处理多少个请求
redis - rate - limiter.burstCapacity: 5# 令牌桶的容量， 允许在一秒钟内完成的最大请求数
key - resolver: "#{@ipKeyResolver}"#
SPEL表达式取的对应的bean其中 replenishRate，其含义表示允许每秒处理请求数;
burstCapacity 表示允许在一秒内处理的最大请求数;
key-resolver 这里采用请求 IP 限流，利用SPEL 表达式取对应的 bean
写一个小脚本来压测一下：
for i in $(seq 1 30000); do echo $(expr $i\\ * 3 + 1); curl - i - H "Accept: application/json" - H "Authorization:bearer b064d95b-af3f-4053-a980-377c63ab3413" - X GET http: //10.10.15.5:5556/order-service/api/order/getUserInfo;done for i in $(seq 1 30000); do echo $(expr $i\\ * 3 + 1); curl - i - H "Accept: application/json" - H "Authorization:bearer b064d95b-af3f-4053-a980-377c63ab3413" - X GET http: //10.10.15.5:5556/admin-web/api/user/getCurrentUser;done
上面两个脚本分别对2个服务进行压测，打印结果：
HTTP / 1.1 200 OK
transfer - encoding: chunked
X - RateLimit - Remaining: 2
X - RateLimit - Burst - Capacity: 3
X - RateLimit - Replenish - Rate: 1
Expires: 0
Cache - Control: no - cache, no - store, max - age = 0, must - revalidate
Set - Cookie: ORDER - SERVICE - SESSIONID = R99Ljit9XvfCapyUJDWL8I0rZqxReoY6HwcQV2n2;
path = /
X - XSS - Protection: 1;
mode = block
Pragma: no - cache
X - Frame - Options: DENY
Date: Thu, 19 Mar 2020 06: 32: 27 GMT
X - Content - Type - Options: nosniff
Content - Type: application / json;
charset = UTF - 8
{
"message":
{
"status": 200
, "code": 0
, "message": "success"
}
, "data": "{\"message\":{\"status\":200,\"code\":0,\"message\":\"get user success\"},\"data\":{\"id\":23,\"isAdmin\":1,\"userId\":\"fbb18810-e980-428c-932f-848f3b9e7c84\",\"userType\":\"super_admin\",\"username\":\"admin\",\"realName\":\"super_admin\",\"password\":\"$2a$10$89AqlYKlnsTpNmWcCMvgluRFQ/6MLK1k/nkBpz.Lw6Exh.WMQFH6W\",\"phone\":null,\"email\":null,\"createBy\":\"admin\",\"createTime\":1573119753172,\"updateBy\":\"admin\",\"updateTime\":1573119753172,\"loginTime\":null,\"expireTime\":null,\"remarks\":\"super_admin\",\"delFlag\":0,\"loginType\":null}}"
}
ex
同一秒内多次后：
HTTP / 1.1 429 Too Many Requests
X - RateLimit - Remaining: 0
X - RateLimit - Burst - Capacity: 3
X - RateLimit - Replenish - Rate: 1
content - length: 0
expr: syntax error
HTTP / 1.1 429 Too Many Requests
X - RateLimit - Remaining: 0
X - RateLimit - Burst - Capacity: 3
X - RateLimit - Replenish - Rate: 1
content - length: 0
expr: syntax error从上面可以看到，执行后，会出现调用失败的情况，状态变为429 (Too Many Requests) 。
二、基于阿里开源限流神器：Sentinel
首先引入依赖：
<!--基于 阿里的sentinel作限流 --> <dependency> <groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId> </dependency>
在配置文件 application.yaml 文件中配置，需要新增2个配置：
spring: application: name: admin - web cloud: kubernetes: discovery: all - namespaces: true sentinel: eager: true# 取消Sentinel控制台的懒加载 transport: dashboard: 10.12 .15 .2: 8080# sentinel的Dashboard地址 port: 8719# 是sentinel应用端和控制台通信端口 heartbeat - interval - ms: 500# 心跳时间 scg: fallback: #scg.fallback为sentinel限流后的响应配置 mode: response response - status: 455 response - body: 已被限流
其中，这里面配置了一个服务：spring.cloud.sentinel.transport.dashboard
，配置的是 sentinel 的 Dashboard 地址。同时 spring.cloud.sentinel.transport
.port 这个端口配置会在应用对应的机器上启动一个 Http Server，该 Server 会与 Sentinel 控制台做交互。
Sentinel 默认为所有的 HTTP 服务提供限流埋点，上面配置完成后自动完成所有埋点，只需要控制配置限流规则即可。
这里我们讲下通过注解来给指定接口函数加上限流埋点，写一个RestController，在接口函数上加上注解 @SentinelResource：
@GetMapping(value = "/getToken")
@SentinelResource("getToken")
public Response < Object > getToken(Authentication authentication)
{
//Authentication authentication = SecurityContextHolder.getContext().getAuthentication();
authentication.getCredentials();
OAuth2AuthenticationDetails details = (OAuth2AuthenticationDetails) authentication.getDetails();
String token = details.getTokenValue();
return Response.ok(200, 0, "get token success", token);
}以上代码部分完成了，接下来先安装SentinelDashBoard，Sentinel DashBoard下载地址：https://github.com/alibaba/Sentinel/releases 。
下载完成后，命令启动：
java -jar sentinel-dashboard-1.6.2.jar
默认启动端口为8080，访问 IP:8080，就可以显示 Sentinel 的登录界面，用户名与密码均为sentinel。登录 Dashboard 成功后，多次访问接口"/getToken"，可以在 Dashboard 看到相应数据，这里不展示了。接下来可以设置接口的限流功能，在 “+流控” 按钮点击打开设置界面，设置阈值类型为 qps，单机阈值为5。
浏览器重复请求 http://10.10.15.5:5556/admin-web/api/user/getToken 如果超过阀值就会出现如下界面信息：
Blocked by Sentinel (flow limiting)
此时，就看到Sentinel 限流起作用了，可以加上 spring.cloud.sentinel.scg.
fallback 为sentinel 限流后的响应配置，亦可自定义限流异常信息：
@GetMapping(value = "/getToken")
@SentinelResource(value = "getToken", blockHandler = "handleSentinelException", blockHandlerClass = {
MySentinelException.class
}))
public Response < Object > getToken(Authentication authentication)
{
//Authentication authentication = SecurityContextHolder.getContext().getAuthentication();
authentication.getCredentials();
OAuth2AuthenticationDetails details = (OAuth2AuthenticationDetails) authentication.getDetails();
String token = details.getTokenValue();
return Response.ok(200, 0, "get token success", token);
}
public class MySentinelException
{
public static Response < Object > handleSentinelException(BlockException e)
{
Map < String, Object > map = new HashMap < > ();
logger.info("Oops: " + ex.getClass()
.getCanonicalName());
return Response.ok(200, -8, "通过注解 @SentinelResource 配置限流埋点并自定义限流后的处理逻辑", null);
}
}这里讲下注解 @SentinelResource 包含以下属性：
value：资源名称，必需项;
entryType：入口类型，可选项(默认为 EntryType.OUT);
blockHandler：blockHandlerClass中对应的异常处理方法名，参数类型和返回值必须和原方法一致;
blockHandlerClass：自定义限流逻辑处理类
Sentinel 限流逻辑处理完毕了，但每次服务重启后，之前配置的限流规则就会被清空。因为是内存形式的规则对象。所以下面就讲下用 Sentinel 的一个特性 ReadableDataSource 获取文件、数据库或者配置中心设置限流规则，目前支持 Apollo、Nacos、ZK 配置来管理。
首先回忆一下，一条限流规则主要由下面几个因素组成：
resource：资源名，即限流规则的作用对象，即为注解 @SentinelResource 的value;
count：限流阈值;
grade：限流阈值类型(QPS 或并发线程数);
limitApp：流控针对的调用来源，若为 default 则不区分调用来源;
strategy：基于调用关系的限流策略;
controlBehavior：流量控制效果(直接拒绝、排队等待、匀速器模式)
理解了意思，接下来通过文件来配置：
#通过文件读取限流规则 spring.cloud.sentinel.datasource.ds1.file.file=classpath:flowrule.json spring.cloud.sentinel.datasource.ds1.file.data-type=json spring.cloud.sentinel.datasource.ds1.file.rule-type=flow
在resources新建一个文件，比如 flowrule.json 添加限流规则：
[
{
"resource": "getToken"
, "count": 1
, "controlBehavior": 0
, "grade": 1
, "limitApp": "default"
, "strategy": 0
}
, {
"resource": "resource"
, "count": 1
, "controlBehavior": 0
, "grade": 1
, "limitApp": "default"
, "strategy": 0
}
]重新启动项目，出现如下日志说明成功：
[Sentinel Starter] DataSource ds1-sentinel-file-datasource start to loadConfig [Sentinel Starter] DataSource ds1-sentinel-file-datasource load 2 FlowRule
如果采用 Nacos 作为配置获取限流规则，可在文件中加如下配置：
spring:
application:
name: order - service
cloud:
nacos:
config:
server - addr: 10.10 .15 .5: 8848
discovery:
server - addr: 10.10 .15 .5: 8848
sentinel:
eager: true
transport:
dashboard: 10.10 .15 .5: 8080
datasource:
ds1:
nacos:
server - addr: 10.10 .15 .5: 8848
dataId: $
{
spring.application.name
} - flow - rules
data - type: json
rule - type: flow我们可以使用以上的方法实现Spring Cloud限流，当然这也是在面试中常问的，所以建议大家多看一些Spring Cloud面试题哦!最后大家如果想要了解更多Java面试题知识，敬请关注奇Q工具网。
推荐阅读：