源码分析Dubbo tps过滤器器实现原理

本文将重点分析一下dubbo限流的另外一个方式,tps过滤器。
@Activate(group = Constants.PROVIDER, value = Constants.TPS_LIMIT_RATE_KEY)

过滤器作用
服务调用tps过滤器

使用场景
对Dubbo服务提供者实现限流(tps)。

阻断条件
当服务调用者超过其TPS时,直接返回rpc exception。

接下来从源码的角度分析Tps过滤器的实现机制。

 1public class TpsLimitFilter implements Filter {
 2    private final TPSLimiter tpsLimiter = new DefaultTPSLimiter();
 3    @Override
 4    public Result invoke(Invoker<?> invoker, Invocation invocation) throws RpcException {
 5        if (!tpsLimiter.isAllowable(invoker.getUrl(), invocation)) {  
 6            throw new RpcException(
 7                    "Failed to invoke service "  +  invoker.getInterface().getName() +  "." + invocation.getMethodName() + " because exceed max service tps.");
 8        }
 9        return invoker.invoke(invocation);
10    }
11}

tps limit 生效的条件是,服务提供者的url中包含了tps=""这个属性,默认TPS统计时长为1分钟,表示如果在1分钟之内的调用次数超过配置的tps,则阻断本次RPC服务调用。

其TPS控制代码主要由DefaultTPSLimiter实现。

 1public class DefaultTPSLimiter implements TPSLimiter {
 2    private final ConcurrentMap<String, StatItem> stats = new ConcurrentHashMap<String, StatItem>();
 3    @Override
 4    public boolean isAllowable(URL url, Invocation invocation) {
 5        int rate = url.getParameter(Constants.TPS_LIMIT_RATE_KEY, -1);    // @1
 6        long interval = url.getParameter(Constants.TPS_LIMIT_INTERVAL_KEY,
 7                Constants.DEFAULT_TPS_LIMIT_INTERVAL);                         
 8        String serviceKey = url.getServiceKey();                                            // @2
 9        if (rate > 0) {
10            StatItem statItem = stats.get(serviceKey);
11            if (statItem == null) {
12                stats.putIfAbsent(serviceKey,
13                        new StatItem(serviceKey, rate, interval));
14                statItem = stats.get(serviceKey);
15            }
16            return statItem.isAllowable();                                                     // @3
17        } else {
18            StatItem statItem = stats.get(serviceKey);
19            if (statItem != null) {
20                stats.remove(serviceKey);
21            }
22        }
23
24        return true;
25    }
26}

代码@1:获取服务提供者url中的参数tps、tps.interval属性。

代码@2:获取服务key,并创建或获取对应的StatItem。

代码@3:调用StatItem的isAllowable()方法来判断是否可用。

StatItem#isAllowable
 1public boolean isAllowable() {
 2        long now = System.currentTimeMillis();
 3        if (now > lastResetTime + interval) {    // @1
 4            token.set(rate);
 5            lastResetTime = now;
 6        }
 7
 8        int value = token.get();   
 9        boolean flag = false;
10        while (value > 0 && !flag) {     // @2
11            flag = token.compareAndSet(value, value - 1);  
12            value = token.get();
13        }
14        return flag;
15    }

该类的核心思想:是漏桶算法。
代码@1:如果当前时间大于(上一次刷新时间+统计间隔),重新复位token为rate,表示重新生成一批token。

代码@2:每使用一次,消耗一个token,如果能成功消耗一个token则返回true,如果没有可消耗的token,则直接返回false。

Tps过滤器的实现原理其实比较简单,大家可以从这里体会到ConcurrentHashMap、漏桶算法的简易实现。

欢迎工作一到五年的Java工程师朋友们加入Java高并发: 957734884,

群内提供免费的Java架构学习资料(里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码,MyBatis,Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料)

合理利用自己每一分每一秒的时间来学习提升自己,不要再用"没有时间“来掩饰自己思想上的懒惰!趁年轻,使劲拼,给未来的自己一个交代!

推荐阅读更多精彩内容