非注册用户每分钟最多可以调用10次,你必须对一个请求或者措施开展频率上的造访限制

最近,因为各种因素,你不可以不对一个伸手或者措施开展频率上的造访限制。
譬如,
你对外提供了一个API接口,注册用户每分钟最多可以调用100次,非注册用户每分钟最多可以调用10次。
比如,
有一个这个吃服务器资源的办法,在同等时刻不可以抢先10个体调用这么些方法,否则服务器满载。
例如, 有部分例外的页面,访客并不可以反复的拜访或发言。
诸如, 秒杀活动等举行。
譬如说
,防范DDOS,当达到自然频率后调用脚本iis服务器ip黑名单,防火墙黑名单。
如上各类的比方,也就是说,怎么着从一个断面的角度对调用的章程开展频率上的限定。而对功效限制,服务器层面都有最直白的化解模式,现在自家说的则是代码层面上的频率管控。

方今,因为各样因素,你不可能不对一个伸手或者措施举行频率上的造访限制。
譬如,
你对外提供了一个API接口,注册用户每分钟最多能够调用100次,非注册用户每分钟最多可以调用10次。
譬如,
有一个那一个吃服务器资源的形式,在同等时刻不可以超过10个体调用这些艺术,否则服务器满载。
例如, 有部分优良的页面,访客并不可以反复的拜访或发言。
诸如, 秒杀活动等举行。
譬如说
,防范DDOS,当达到一定频率后调用脚本iis服务器ip黑名单,防火墙黑名单。
如上各个的比方,也就是说,咋样从一个断面的角度对调用的点子举行频率上的限定。而对效用限制,服务器层面都有最直白的缓解措施,现在本身说的则是代码层面上的效用管控。

正文给出多少个示范,一个是基于单机环境的落实,第二个则是依照分布式的Redis实现

本文给出六个示范,一个是依据单机环境的实现,第二个则是基于分布式的Redis实现



以率先个API接口需求为例,先说下单机环境下的兑现。
遵照惯性思维,我们本来会想到缓存的过期策略这种艺术,但是严酷来讲就HttpRuntime.Cache而言,通过缓存的超时策略来对请求举办频率的产出控制是不合适的。
  HttpRuntime.Cache
是应用程序级此外Asp.Net的缓存技术,通过这多少个技能能够发明多少个缓存对象,可以为各类对象设置过期时间,当过期时刻到达后该缓存对象就会烟消云散(也就是当您拜访该目的的时候为Null)

以率先个API接口需求为例,先说下单机环境下的兑现。
遵照惯性思维,我们自然会想到缓存的过期策略那种艺术,不过严酷来讲就HttpRuntime.Cache而言,通过缓存的晚点策略来对请求举办频率的面世控制是不合适的。
  HttpRuntime.Cache
是应用程序级其余Asp.Net的缓存技术,通过这么些技能可以表达六个缓存对象,可以为各类对象设置过期时间,当过期光阴到达后该缓存对象就会没有(也就是当你拜访该对象的时候为Null)

  为啥如此说啊?比如对某个方法(方法名:GetUserList)大家要开展1分钟最多10次的界定,现在大家就新建一个int型的Cache对象,然后设置1分钟后过期消失。那么每当访问GetUserList方法前,我们就先判断这一个Cache对象的值是否超过10,假若超越10就不实施GetUserList方法,倘使低于10则允许实施。每当访问该对象的时候即便不设有或者逾期就新建,那样循环,则该对象永远不容许超越10。

  为何这样说吧?比如对某个方法(方法名:GetUserList)我们要拓展1分钟最多10次的范围,现在我们就新建一个int型的Cache对象,然后设置1分钟后过期消失。那么每当访问GetUserList方法前,我们就先判断这么些Cache对象的值是否超越10,假使超出10就不履行GetUserList方法,假如低于10则允许实施。每当访问该目的的时候即便不设有或者逾期就新建,这样循环,则该对象永远不能抢先10。

1   if ((int)HttpRuntime.Cache["GetUserListNum"] > 10) //大于10请求失败
2   {
3      Console.WriteLine("禁止请求");
4   }
5   else
6   {
7      HttpRuntime.Cache["GetUserListNum"] = (int)HttpRuntime.Cache["GetUserListNum"] + 1; //否则该缓存对象的值+1
8      Console.WriteLine("允许请求");
9   }
1   if ((int)HttpRuntime.Cache["GetUserListNum"] > 10) //大于10请求失败
2   {
3      Console.WriteLine("禁止请求");
4   }
5   else
6   {
7      HttpRuntime.Cache["GetUserListNum"] = (int)HttpRuntime.Cache["GetUserListNum"] + 1; //否则该缓存对象的值+1
8      Console.WriteLine("允许请求");
9   }

如此的想想及落实相对来说十分简单,可是按照这样的一个模子设定,那么就会产出这种情况:

这样的思维及贯彻绝对来说非凡简单,然则依照这样的一个模型设定,那么就会现出这种景观:

 图片 1

 图片 2

 

 

如上图,每个点代表五次访问请求,我在0秒的时候
新建了一个名字为GetUserListNum的缓存对象。
在0~0.5秒之内
我访问了3次,在0.5~1秒之内,大家访问了7次。此时,该目的消失,然后大家跟着访问,该对象重置为0.
              
 在第1~1.5秒之内,依旧访问了7次,在第1.5秒~2秒之内做客了3次。

如上图,每个点代表两次访问请求,我在0秒的时候
新建了一个名字为GetUserListNum的缓存对象。
在0~0.5秒之内
我访问了3次,在0.5~1秒之内,我们走访了7次。此时,该目的消失,然后大家随后访问,该对象重置为0.
              
 在第1~1.5秒之内,依旧访问了7次,在第1.5秒~2秒之内走访了3次。

遵照这种简易缓存过期策略的模型,在这2分钟内,大家尽管平均每分钟都访问了10次,满意那一个规定,然而一旦大家从中取一个里面段,0.5秒~1.5秒之内,也是1分钟,可是却实实在在的造访了14次!远远抢先了大家设置的
1分钟最多访问10次的 限制。

基于这种概括缓存过期策略的模子,在这2分钟内,大家固然平均每分钟都访问了10次,满意这一个确定,不过倘使我们从中取一个之间段,0.5秒~1.5秒之内,也是1分钟,不过却的确的拜访了14次!远远超越了俺们设置的
1分钟最多访问10次的 限制。

 

 

那么哪些正确的来解决地点的题材啊?大家得以因此模拟对话级此外信号量这一手腕,这也就是我们先天的核心了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的情致就表示在多线程意况下,在此外一时时,只好同时5个线程去拜谒。

那么如何正确的来化解地点的问题呢?我们得以经过模拟对话级此外信号量这一招数,这也就是大家前天的主旨了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的趣味就代表在多线程意况下,在其他一时刻,只好同时5个线程去访问。

 

 

4容器4线程模型

目前,在实现代码的事先我们先规划一个模子。

图片 3

  即使大家有一个用户A的管道,这一个管道里装着用户A的呼吁,比如用户A在一分钟发出了10次呼吁,那么每一个请求过来,管道里的要素都会多一个。可是我们设定这多少个管道最四只可以容纳10个元素,而且每个元素的存活期为1秒,1秒后则该因素消失。那么这么设计的话,无论是速率依旧多少的突进,都会有管道长度的限量。那样一来,无论从哪一个时刻节点仍然时间间隔出发,这些管道都能满意大家的功效限制要求。

而这边的管道,就务须和会话Id来对号入座了。每当有新会话进来的时候就生成一个新管道。那多少个会话id遵照自己场景所定,可以是sessionId,可以是ip,也足以是token。

那么既然这么些管道是会话级此外,大家必然得需要一个容器,来装这么些管道。现在,我们以IP来命名会话管道,并把具有的管道都装载在一个器皿中,如图

图片 4

而基于刚才的设定,大家还亟需对容器内的每条管道的因素举办处理,把过期的给删除掉,为此,还索要单独为该容器开辟出一个线程来为每条管道举办元素的清理。而当管道的因素为0时,我们就清掉该管道,以便节省容器空间。

 图片 5

理所当然,由于用户量多,一个器皿内或许存在上万个管道,那些时候只是用一个容器来装载来清理,在效用上显眼是不够的。那多少个时候,我们就得对容器举行横向增加了。

  比如,我们可以按照Cpu主旨数自动生成对应的多寡的容器,然后按照一个算法,对IP来开展导流。我眼前cpu是4个逻辑核心,就生成了4个容器,每当用户访问的时候,都会首先经过一个算法,这个算法会对IP举办处理,如192.168.1.11~192.168.1.13这些Ip段进第一个容器,xxx~xxx进第二个容器,依次类推,相应的,也就有了4个线程去分别处理4个容器中的管道。

图片 6

 

这就是说,最后就形成了俺们的4容器4线程模型了。

现行,着眼于编码实现:

  首先我们需要一个能承载这一个器皿的载体,那一个载体类似于连接池的定义,可以依据局部索要自动生成适应数量的容器,倘若有特殊要求的话,仍可以够在容器上切出一个容器管理的面,在线程上切出一个线程管理的面以便于实时督查和调度。假若真要做如此一个体系,那么
容器的调度 和 线程的调度功能是必要的,而本Demo则是到位了最首要功能,像容器和线程在代码中本身也没剥离开来,算法也是间接写死的,实际设计中,对算法的计划性仍旧很重点的,还有多线程模型中,怎么样上锁才能让成效最大化也是第一的。

而这里为了案例的直观就从来写死成4个容器。

public static List<Container> ContainerList = new List<Container>(); //容器载体
static Factory()
{
     for (int i = 0; i < 4; i++)
     {
        ContainerList.Add(new Container(i));  //遍历4次  生成4个容器
     }
     foreach (var item in ContainerList)
     {
        item.Run();    //开启线程
     }
}

现在,大家假诺 有编号为 0 到 40 这样的 41个用户。那么那个导流算法
我也就平素写死,编号0至9的用户
将他们的伸手给抛转到第一个容器,编号10~19的用户
放到第二个容器,编号20~29放到第四个容器,编号30~40的用户放到第多少个容器。

那么这些代码就是这么的:

 static Container GetContainer(int userId, out int i) //获取容器的算法
 {
     if (0 <= userId && userId < 10)    //编号0至9的用户  返回第一个容器  依次类推
     {
          i = 0;
          return ContainerList[0];
     }
     if (10 <= userId && userId < 20)
     {
          i = 1;
          return ContainerList[1];
     }
     if (20 <= userId && userId < 30)
     {
          i = 2;
          return ContainerList[2];
      }
      i = 3;
      return ContainerList[3];
  }

当大家的对话请求经过算法的导流之后,都必须调用一个措施,用于辨别管道数量。假诺管道数量已经超越10,则请求失利,否则成功

  public static void Add(int userId)
  {
       if (GetContainer(userId, out int i).Add(userId))
            Console.WriteLine("容器" + i + " 用户" + userId + "  发起请求");
       else
            Console.WriteLine("容器" + i + " 用户" + userId + "  被拦截");
  }

接下去就是容器Container的代码了。

此地,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当四个线程同时读写同一个共享元素的时候,就会晤世数量错乱,迭代报错等安全问提
  ConcurrentDictionary:除了GetOrAdd方法要慎用外,是.Net4.0专为解决Dictionary线程安全而出的新品类
  ReaderWriterLockSlim:较里德(Reade)rWriterLock优化的读写锁,四个线程同时做客读锁
或  一个线程访问写锁

private ReaderWriterLockSlim obj = new ReaderWriterLockSlim();  //在每个容器中申明一个读写锁
public ConcurrentDictionary<string, ConcurrentList<DateTime>> dic = new ConcurrentDictionary<string, ConcurrentList<DateTime>>(); //创建该容器 dic

下一场当你向容器添加一条管道中的数据是因而这一个方法:

 public bool Add(int userId)
 {
     obj.EnterReadLock();//挂读锁,允许多个线程同时写入该方法
     try
     {
         ConcurrentList<DateTime> dtList = dic.GetOrAdd(userId.ToString(),t=>{ new ConcurrentList<DateTime>()}); //如果不存在就新建 ConcurrentList
         return dtList.CounterAdd(10, DateTime.Now); //管道容量10,当临界管道容量后 返回false
     }
     finally
     {
         obj.ExitReadLock();
     }
 }

 这里,为了在前边的线程遍历删除ConcurrentList的管道的时候保证ConcurrentList的安全性,所以这里要加读锁。

 而ConcurrentList,因为.Net没有生产List集合类的线程安全(此地自己表明下:之所以不用ConcurrentBag是因为要保证count和add的一致性,这里补充一下),所以自己新建了一个继承于List<T>的平安项目,在此间
封装了3个需要采纳的模式。

public class ConcurrentList<T> : List<T>
{
    private object obj = new object();

    public bool CounterAdd(int num, T value)
    {
        lock (obj)
        {
            if (base.Count >= num)
                return false;
            else
                base.Add(value);
            return true;
        }
    }
    public new bool Remove(T value)
    {
        lock (obj)
        {
            base.Remove(value);
            return true;
        }
    }
    public new T[] ToArray() 
    {
        lock (obj)
        {
            return base.ToArray();
        }
    }
}

末段就是线程的运行格局:

 public void Run()
 {
     ThreadPool.QueueUserWorkItem(c =>
     {
         while (true)
         {
             if (dic.Count > 0)
             {
                 foreach (var item in dic.ToArray())
                 {
                     ConcurrentList<DateTime> list = item.Value;
                     foreach (DateTime dt in list.ToArray())   
                     {
                         if (DateTime.Now.AddSeconds(-3) > dt)
                         {
                             list.Remove(dt);
                             Console.WriteLine("容器" + seat + " 已删除用户" + item.Key + "管道中的一条数据");
                         }
                     }
                     if (list.Count == 0)
                     {
                         obj.EnterWriteLock();
                         try
                         {
                             if (list.Count == 0)
                             {
                                 if (dic.TryRemove(item.Key, out ConcurrentList<DateTime> i))
                                 { Console.WriteLine("容器" + seat + " 已清除用户" + item.Key + "的List管道"); }
                             }
                         }
                         finally
                         {
                             obj.ExitWriteLock();
                         }
                     }
                 }

             }
             else
             {
                 Thread.Sleep(100);
             }
         }
     }
   );
 }

最终,是功力图,一个是遵照控制台的,还一个是依照Signalr的。

 图片 7图片 8

4容器4线程模型

今天,在促成代码的此前咱们先规划一个模型。

图片 9

  倘诺大家有一个用户A的管道,那多少个管道里装着用户A的请求,比如用户A在一分钟发出了10次呼吁,那么每一个呼吁过来,管道里的元素都会多一个。可是我们设定这么些管道最五只好容纳10个因素,而且每个元素的存活期为1秒,1秒后则该因素消失。那么如此设计的话,无论是速率仍旧多少的突进,都会有管道长度的限定。这样一来,无论从哪一个光阴节点依旧时间间隔出发,那一个管道都能满意大家的频率限制需求。

而这里的管道,就亟须和会话Id来对号入座了。每当有新会话进来的时候就生成一个新管道。这多少个会话id遵照自己场景所定,可以是sessionId,可以是ip,也足以是token。

这就是说既然这一个管道是会话级其余,大家必然得需要一个器皿,来装这多少个管道。现在,大家以IP来定名会话管道,并把具有的管道都装载在一个器皿中,如图

图片 10

而据悉刚才的设定,大家还索要对容器内的每条管道的元素举办拍卖,把过期的给删除掉,为此,还需要单独为该容器开辟出一个线程来为每条管道举办元素的清理。而当管道的元素为0时,大家就清掉该管道,以便节省容器空间。

 图片 11

当然,由于用户量多,一个器皿内可能存在上万个管道,这些时候只是用一个器皿来装载来清理,在功能上明确是不够的。这个时候,我们就得对容器举办横向扩充了。

  比如,大家可以遵照Cpu主旨数自动生成对应的多少的容器,然后遵照一个算法,对IP来开展导流。我眼前cpu是4个逻辑大旨,就生成了4个容器,每当用户访问的时候,都会首先经过一个算法,这个算法会对IP举行处理,如192.168.1.11~192.168.1.13以此Ip段进第一个容器,xxx~xxx进第二个容器,依次类推,相应的,也就有了4个线程去分别处理4个容器中的管道。

图片 12

 

这就是说,最后就形成了俺们的4容器4线程模型了。

现今,着眼于编码实现:

  首先我们需要一个能承载这么些器皿的载体,那些载体类似于连接池的定义,能够依照局部索要自动生成适应数量的容器,假使有特殊要求的话,还是可以在容器上切出一个容器管理的面,在线程上切出一个线程管理的面以便于实时监控和调度。假设真要做如此一个系统,那么
容器的调度 和 线程的调度效能是必需的,而本Demo则是成功了首要功用,像容器和线程在代码中本人也没剥离开来,算法也是直接写死的,实际设计中,对算法的统筹仍旧很首要的,还有多线程模型中,如何上锁才能让效用最大化也是重要的。

而这边为了案例的直观就径直写死成4个容器。

public static List<Container> ContainerList = new List<Container>(); //容器载体
static Factory()
{
     for (int i = 0; i < 4; i++)
     {
        ContainerList.Add(new Container(i));  //遍历4次  生成4个容器
     }
     foreach (var item in ContainerList)
     {
        item.Run();    //开启线程
     }
}

方今,大家假若 有编号为 0 到 40 这样的 41个用户。那么这多少个导流算法
我也就径直写死,编号0至9的用户
将他们的乞求给抛转到第一个容器,编号10~19的用户
放到第二个容器,编号20~29放到第六个容器,编号30~40的用户放到第多少个容器。

这就是说这多少个代码就是那般的:

 static Container GetContainer(int userId, out int i) //获取容器的算法
 {
     if (0 <= userId && userId < 10)    //编号0至9的用户  返回第一个容器  依次类推
     {
          i = 0;
          return ContainerList[0];
     }
     if (10 <= userId && userId < 20)
     {
          i = 1;
          return ContainerList[1];
     }
     if (20 <= userId && userId < 30)
     {
          i = 2;
          return ContainerList[2];
      }
      i = 3;
      return ContainerList[3];
  }

当大家的对话请求经过算法的导流之后,都不可能不调用一个模式,用于辨别管道数量。倘若管道数量已经超出10,则呼吁失利,否则成功

  public static void Add(int userId)
  {
       if (GetContainer(userId, out int i).Add(userId))
            Console.WriteLine("容器" + i + " 用户" + userId + "  发起请求");
       else
            Console.WriteLine("容器" + i + " 用户" + userId + "  被拦截");
  }

接下去就是容器Container的代码了。

这里,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当四个线程同时读写同一个共享元素的时候,就会冒出数量错乱,迭代报错等安全问提
  ConcurrentDictionary:除了GetOrAdd方法要慎用外,是.Net4.0专为解决Dictionary线程安全而出的新类型
  里德(Reade)rWriterLockSlim:较ReaderWriterLock优化的读写锁,几个线程同时做客读锁
或  一个线程访问写锁

private ReaderWriterLockSlim obj = new ReaderWriterLockSlim();  //在每个容器中申明一个读写锁
public ConcurrentDictionary<string, ConcurrentList<DateTime>> dic = new ConcurrentDictionary<string, ConcurrentList<DateTime>>(); //创建该容器 dic

下一场当你向容器添加一条管道中的数据是由此这么些主意:

 public bool Add(int userId)
 {
     obj.EnterReadLock();//挂读锁,允许多个线程同时写入该方法
     try
     {
         ConcurrentList<DateTime> dtList = dic.GetOrAdd(userId.ToString(), new ConcurrentList<DateTime>()); //如果不存在就新建 ConcurrentList
         return dtList.CounterAdd(10, DateTime.Now); //管道容量10,当临界管道容量后 返回false
     }
     finally
     {
         obj.ExitReadLock();
     }
 }

 那里,为了在背后的线程遍历删除ConcurrentList的管道的时候保证ConcurrentList的安全性,所以那里要加读锁。

 而ConcurrentList,因为.Net没有生产List集合类的线程安全(count和add加锁),所以自己新建了一个继承于List<T>的安全项目,在那边
封装了3个需要利用的艺术。

public class ConcurrentList<T> : List<T>
{
    private object obj = new object();

    public bool CounterAdd(int num, T value)
    {
        lock (obj)
        {
            if (base.Count >= num)
                return false;
            else
                base.Add(value);
            return true;
        }
    }
    public new bool Remove(T value)
    {
        lock (obj)
        {
            base.Remove(value);
            return true;
        }
    }
    public new T[] ToArray() 
    {
        lock (obj)
        {
            return base.ToArray();
        }
    }
}

说到底就是线程的运行形式:

 public void Run()
 {
     ThreadPool.QueueUserWorkItem(c =>
     {
         while (true)
         {
             if (dic.Count > 0)
             {
                 foreach (var item in dic.ToArray())
                 {
                     ConcurrentList<DateTime> list = item.Value;
                     foreach (DateTime dt in list.ToArray())   
                     {
                         if (DateTime.Now.AddSeconds(-3) > dt)
                         {
                             list.Remove(dt);
                             Console.WriteLine("容器" + seat + " 已删除用户" + item.Key + "管道中的一条数据");
                         }
                     }
                     if (list.Count == 0)
                     {
                         obj.EnterWriteLock();
                         try
                         {
                             if (list.Count == 0)
                             {
                                 if (dic.TryRemove(item.Key, out ConcurrentList<DateTime> i))
                                 { Console.WriteLine("容器" + seat + " 已清除用户" + item.Key + "的List管道"); }
                             }
                         }
                         finally
                         {
                             obj.ExitWriteLock();
                         }
                     }
                 }

             }
             else
             {
                 Thread.Sleep(100);
             }
         }
     }
   );
 }

末尾,是功力图,一个是依照控制台的,还一个是遵照Signalr的。

 图片 13图片 14

分布式下Redis

地点介绍了一种频率限制的模型,分布式与单机相比较,无非就是载体不同,我们假若把这一个容器的载体从程序上移植出来,来弄成一个单独的劳务仍旧直接借用Redis也是实用的。

此地就介绍分布式情状下,Redis的兑现。

不同于Asp.Net的多线程模型,大概因为Redis的各类类型的因素相当粒度的操作导致各种加锁的扑朔迷离,所以在网络请求处理这块Redis是单线程的,基于Redis的实现则因为单线程的缘由在编码角度不用太多着想到与逻辑无关的题材。

  简单介绍下,Redis是一个内存数据库,那么些数据库属于非关系型数据库,它的概念不同于一般的我们体会的Mysql
Oracle
SqlServer关系型数据库,它从未Sql没有字段名尚未表名这一个概念,它和HttpRun提姆(Tim)e.Cache的定义差不多一样,首先从操作上属于键值对形式,就如
Cache[“键名”]
这样就能博取到值类似,而且可以对各种Key设置过期策略,而Redis中的Key所对应的值并不是想存啥就存啥的,它援助五种数据类型:string(字符串),hash(哈希),list(列表),set(集合)及sorted
set(有序聚集)。

前天要说的是Sorted
set有序聚集,有序聚集相比另外的集合类型的特殊点在于,使用有序聚集的时候仍是可以给插入的要素指定一个
积分score,我们把这几个积分score领悟为排体系,它其中会对积分举行排序,积分允许再一次,而不变聚集中的元素则是唯一。

  仍旧一如既往的思绪,每当有用户访问的时候,都对该用户的
管道(有序聚集)中添加一个因素,然后设置该因素的积分为当下时刻。接着在程序中开个线程,来对管道中积分小于约定刻钟的因素举办清理。因为规定有序聚集中的元素只可以是唯一值,所以在赋值方面只假如满足uuid即可。

 图片 15

这就是说用Redis来实现的代码那就是类似这种:

图片 16

通过using语法糖实现IDisposable而卷入的Redis分布式锁,然后里面正常的逻辑判断。

如此这般的代码即便也能到位效能,但不够自己。Redis是个按照内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get一遍暴发一遍呼吁相比,能无法经过一段脚本来实现多数逻辑吗?

有的,Redis支持 Lua脚本:
  Lua
是一种轻量小巧的脚本语言,用专业C语言编写并以源代码格局开放,
其设计目标是为了放置应用程序中,从而为应用程序提供灵活的增加和定制效用。
  大致意思就是,直接向Redis发送一段脚本或者让它直接本地读取一段脚本从而一向促成所有的逻辑。

/// <summary>
/// 如果 大于10(AccountNum) 就返回1   否则就增加一条集合中的元素 并返回 空
/// </summary>
/// <param name="zcardKey"></param>
/// <param name="score"></param>
/// <param name="zcardValue"></param>
/// <param name="AccountNum"></param>
/// <returns></returns>
public string LuaAddAccoundSorted(string zcardKey, double score, string zcardValue, int AccountNum)
{
    string str = "local uu = redis.call('zcard',@zcardKey) if (uu >=tonumber(@AccountNum)) then return 1 else redis.call('zadd',@zcardKey,@score,@zcardValue)  end";
    var re = _instance.GetDatabase(_num).ScriptEvaluate(LuaScript.Prepare(str), new { zcardKey = zcardKey, score = score, zcardValue = zcardValue, AccountNum=AccountNum });
    return re.ToString();
}

local
uu就是发明一个为名uu的变量的情趣,redis.call就是redis命令,这段脚本意思就是假若大于10(AccountNum) 就回来1   否则就扩大一条集合中的元素 并赶回 空。

管道内元素处理的方法就是:

 /// <summary>
 /// 遍历当前所有前缀的有序集合,如果数量为0,那么就返回1 否则 就删除 满足最大分值条件区间的元素,如果该集合个数为0则消失
 /// </summary>
 /// <param name="zcardPrefix"></param>
 /// <param name="score"></param>
 /// <returns></returns>
public string LuaForeachRemove(string zcardPrefix, double score)
 {
     StringBuilder str = new StringBuilder();
     str.Append("local uu = redis.call('keys',@zcardPrefix) "); //声明一个变量 去获取 模糊查询的结果集合
     str.Append("if(#uu==0) then");    //如果集合长度=0
     str.Append("   return 1 ");
     str.Append("else ");
     str.Append("   for i=1,#uu do ");   //遍历
     str.Append("       redis.call('ZREMRANGEBYSCORE',uu[i],0,@score) ");  //删除从0 到 该score 积分区间的元素
     str.Append("       if(redis.call('zcard',uu[i])==0) then ");  //如果管道长度=0
     str.Append("           redis.call('del',uu[i]) ");   //删除
     str.Append("       end ");
     str.Append("   end ");
     str.Append("end ");
     var re = _instance.GetDatabase(_num).ScriptEvaluate(LuaScript.Prepare(str.ToString()), new { zcardPrefix = zcardPrefix + "*", score = score });
     return re.ToString();

这2段代码通过发送Lua脚本的款式来形成了方方面面经过,因为Redis的网络模型原因,所以把LuaForeachRemove方法给提议来做个劳务来单独处理即可。至于这种多容器多线程的实现,则一心可以开三个Redis的实例来落实。最后放上效果图。

图片 17

最终,我把这一个都给做成了个Demo。不过尚未找到合适的上传网盘,所以我们可以留邮箱(留了就发),或者直接加QQ群文件自取,钻探交换:166843154

 

自身喜爱和本身一样的人交朋友,不被环境影响,自己是团结的助教,欢迎加群
.Net web交换群, QQ群:166843154 欲望与挣扎

 

作者:小曾
出处:http://www.cnblogs.com/1996V/p/8127576.html 欢迎转载,但任何转载必须保留完整文章及博客园出处,在显要地方显示署名以及原文链接。
.Net交流群, QQ群:166843154 欲望与挣扎 

分布式下Redis

下面介绍了一种频率限制的模子,分布式与单机相比较,无非就是载体不同,大家假诺把这些容器的载体从程序上移植出来,来弄成一个单身的劳务或者直接借用Redis也是卓有功能的。

这边就介绍分布式意况下,Redis的兑现。

不同于Asp.Net的多线程模型,大概因为Redis的各类类型的要素非常粒度的操作导致各类加锁的纷繁,所以在网络请求处理这块Redis是单线程的,基于Redis的落实则因为单线程的来由在编码角度不用太多考虑到与逻辑无关的问题。

  简单介绍下,Redis是一个内存数据库,那个数据库属于非关系型数据库,它的概念不同于一般的我们体会的Mysql
Oracle
SqlServer关系型数据库,它没有Sql没有字段名没有表名那个概念,它和HttpRun提姆e.Cache的概念差不多一样,首先从操作上属于键值对形式,就如
Cache[“键名”]
这样就能收获到值类似,而且可以对每个Key设置过期策略,而Redis中的Key所对应的值并不是想存啥就存啥的,它扶助五种数据类型:string(字符串),hash(哈希),list(列表),set(集合)及sorted
set(有序聚集)。

先天要说的是Sorted
set有序聚集,有序聚集相相比较其他的成团类型的特殊点在于,使用有序聚集的时候仍可以给插入的因素指定一个
积分score,我们把这多少个积分score精晓为排系列,它里面会对积分举办排序,积分允许再度,而有序聚集中的元素则是绝无仅有。

  依旧一样的笔触,每当有用户访问的时候,都对该用户的
管道(有序聚集)中添加一个要素,然后设置该因素的积分为眼前岁月。接着在程序中开个线程,来对管道中积分小于约定刻钟的要素举办清理。因为规定有序聚集中的元素只好是绝无仅有值,所以在赋值方面如若是知足uuid即可。

 图片 18

这就是说用Redis来促成的代码这就是看似这种:

图片 19

经过using语法糖实现IDisposable而包装的Redis分布式锁,然后中间正常的逻辑判断。

这般的代码即便也能不负众望效能,但不够自己。Redis是个按照内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get三遍暴发两次呼吁相比较,能不可能透过一段脚本来实现多数逻辑吗?

有的,Redis支持 Lua脚本:
  Lua
是一种轻量小巧的脚本语言,用标准C语言编写并以源代码模式开放,
其计划目标是为了放置应用程序中,从而为应用程序提供灵活的恢弘和定制功效。
  大致意思就是,直接向Redis发送一段脚本或者让它直接本地读取一段脚本从而一向实现所有的逻辑。

/// <summary>
/// 如果 大于10(AccountNum) 就返回1   否则就增加一条集合中的元素 并返回 空
/// </summary>
/// <param name="zcardKey"></param>
/// <param name="score"></param>
/// <param name="zcardValue"></param>
/// <param name="AccountNum"></param>
/// <returns></returns>
public string LuaAddAccoundSorted(string zcardKey, double score, string zcardValue, int AccountNum)
{
    string str = "local uu = redis.call('zcard',@zcardKey) if (uu >=tonumber(@AccountNum)) then return 1 else redis.call('zadd',@zcardKey,@score,@zcardValue)  end";
    var re = _instance.GetDatabase(_num).ScriptEvaluate(LuaScript.Prepare(str), new { zcardKey = zcardKey, score = score, zcardValue = zcardValue, AccountNum=AccountNum });
    return re.ToString();
}

local
uu就是发明一个为名uu的变量的意味,redis.call就是redis命令,这段脚本意思就是假如大于10(AccountNum) 就回来1   否则就大增一条集合中的元素 并赶回 空。

管道内元素处理的章程就是:

 /// <summary>
 /// 遍历当前所有前缀的有序集合,如果数量为0,那么就返回1 否则 就删除 满足最大分值条件区间的元素,如果该集合个数为0则消失
 /// </summary>
 /// <param name="zcardPrefix"></param>
 /// <param name="score"></param>
 /// <returns></returns>
public string LuaForeachRemove(string zcardPrefix, double score)
 {
     StringBuilder str = new StringBuilder();
     str.Append("local uu = redis.call('keys',@zcardPrefix) "); //声明一个变量 去获取 模糊查询的结果集合
     str.Append("if(#uu==0) then");    //如果集合长度=0
     str.Append("   return 1 ");
     str.Append("else ");
     str.Append("   for i=1,#uu do ");   //遍历
     str.Append("       redis.call('ZREMRANGEBYSCORE',uu[i],0,@score) ");  //删除从0 到 该score 积分区间的元素
     str.Append("       if(redis.call('zcard',uu[i])==0) then ");  //如果管道长度=0
     str.Append("           redis.call('del',uu[i]) ");   //删除
     str.Append("       end ");
     str.Append("   end ");
     str.Append("end ");
     var re = _instance.GetDatabase(_num).ScriptEvaluate(LuaScript.Prepare(str.ToString()), new { zcardPrefix = zcardPrefix + "*", score = score });
     return re.ToString();

这2段代码通过发送Lua脚本的款式来形成了上上下下经过,因为Redis的网络模型原因,所以把LuaForeachRemove方法给提出来做个服务来单独处理即可。至于这种多容器多线程的实现,则一心可以开两个Redis的实例来兑现。最终放上效果图。

图片 20

说到底,我把这多少个都给做成了个Demo。不过从未找到合适的上传网盘,所以大家能够留邮箱(留了就发),或者直接加QQ群文件自取,商量交流:166843154

 

自家欢喜和自家同样的人交朋友,不被环境影响,自己是投机的教员,欢迎加群
.Net web交换群, QQ群:166843154 欲望与挣扎

 

作者:小曾
出处:http://www.cnblogs.com/1996V/p/8127576.html 欢迎转载,但任何转载必须保留完整文章及博客园出处,在显要地方显示署名以及原文链接。
.Net交流群, QQ群:166843154 欲望与挣扎 

相关文章