为什么分布式限流会出现不均衡的情况？

概述

在微服务、API 化、云原生大行其道的今天，服务治理不可或缺，而服务治理中限流几乎是必不可少的手段；微服务化往往伴随着分布式的架构，那么仅仅单机限流是不够的，还需要分布式的限流。
那么问题就来了：分布式限流中，往往会出现「限流不均衡」或「限流误差」的情况，这是为什么呢？

限流

国庆假期，限流这个词在新闻中应该能频繁听到，就是「景区限流」。这里以无锡的两个景点为例：

📌示例：

• 无锡蠡园：最大承载量调整至 20000 人；瞬时最大承载量调整至 4000 人；
• 无锡东林书院：书院接待日最大承载量即时降至 1500 人，瞬时承载量降至 300 人。

在计算机网络中，限流就是用于控制网络接口控制器发送或接收请求的速率[^1]，由此延伸为：限制到达系统的并发请求数，以此来保障系统的稳定性（特别是在微服务、API 化、云原生系统上）。

常见的限流算法

1. 固定窗口计数器
2. 滑动窗口计数器
3. 漏桶
4. 令牌桶

单机限流和分布式限流

本质上单机限流和分布式限流的区别就在于「承载量」存放的位置。

单机限流直接在单台服务器上实现，而在微服务、API 化、云原生系统上，应用和服务是集群部署的，因此需要集群内的多个实例协同工作，以提供集群范围的限流，这就是分布式限流。

🤔为什么分布式限流会出现不均衡的情况？

比如上面提到的滑动窗口的算法，可以将计数器存放至 Redis 这样的 KV 数据库中。
例如滑动窗口的每个请求的时间记录可以利用 Redis 的 zset 存储，利用 ZREMRANGEBYSCORE 删除时间窗口之外的数据，再用 ZCARD 计数。

示例代码[^2]如下：

package com.lizba.redis.limit;

import redis.clients.jedis.Jedis;
import redis.clients.jedis.Pipeline;
import redis.clients.jedis.Response;

/**
 * <p>
 *     Limiting current by sliding window algorithm through zset
 * </p>
 *
 * @Author: Liziba
 * @Date: 2021/9/6 18:11
 */
public class SimpleSlidingWindowByZSet {

    private Jedis jedis;

    public SimpleSlidingWindowByZSet(Jedis jedis) {
        this.jedis = jedis;
    }

    /**
     * Judging whether an action is allowed
     *
     * @param userId        User id
     * @param actionKey     Behavior key
     * @param period        Current Limiting Cycle
     * @param maxCount      Maximum number of requests (sliding window size)
     * @return
     */
    public boolean isActionAllowed(String userId, String actionKey, int period, int maxCount) {
        String key = this.key(userId, actionKey);
        long ts = System.currentTimeMillis();
        Pipeline pipe = jedis.pipelined();
        pipe.multi();
        pipe.zadd(key, ts, String.valueOf(ts));
        // Remove data other than sliding windows
        pipe.zremrangeByScore(key, 0, ts - (period * 1000));
        Response<Long> count = pipe.zcard(key);
        // Set the expiration time of the behavior, and if the data is cold, zset will be deleted to save memory space
        pipe.expire(key, period);
        pipe.exec();
        pipe.close();
        return count.get() <= maxCount;
    }


    /**
     * Current limiting key
     *
     * @param userId
     * @param actionKey
     * @return
     */
    public String key(String userId, String actionKey) {
        return String.format("limit:%s:%s", userId, actionKey);
    }

}

像令牌桶也可以将令牌数量放到 Redis 中。

🧠答案一：批量导致的误差

不过以上的方式相当于每一个请求都需要去 Redis 判断一下能不能通过，在性能上有一定的损耗，所以针对大并发系统，有个优化点就是 「批量」。例如每次取令牌不是一个一取，而是取一批，不够了再去取一批。这样可以减少对 Redis 的请求。
但是，批量获取就会导致一定范围内的限流误差。比如 a 实例此刻取了 100 个，等下一秒再用，那下一秒集群总承载量就有可能超过阈值。

这是一种原因。

🧠答案二：负载均衡负载不均

分布式限流还有一种做法是「平分」，比如之前单机限流 100，现在集群部署了 5 个实例，那就让每台继续限流 100，即在总的入口做总的流量限制，比如 500，然后每个实例再自己实现限流。
这种情况下，假设总的入口放入了 500 请求，这些请求需要通过负载均衡算法（如：轮询、最小连接数、最小连接时间等）以及会话保持策略（如：源地址保持、cookie 保持或特定参数的 hash），分到每台的请求就可能是不均衡的，比如 a 实例有 70 个，b 实例有 130 个。那么 a 实例的 70 个会通过，而 b 实例的 130 个可能只有 100 个会通过。这时就出现了「限流不均衡」或「限流偏差」的情况。

这是第二种原因。

总结

由于本人经验所限，本文只列出了我目前能想到的 2 个答案给大家参考，欢迎各位交流补充。
真实的业务场景是很复杂的，具体到一个工程，限流需要考虑的条件和资源有很多。我们要做的就是通过估算、压测、试运行、调整、再生产验证再调整来逼近理想情况。