spring微服务基于过滤器限流

在 Spring 微服务中，可以使用 Zuul 网关实现基于过滤器的限流。Zuul 是 Netflix 开源的一个基于 JVM 的路由和服务端负载均衡器，可以用来构建微服务架构中的网关。

以下是使用 Zuul 实现基于过滤器的限流的步骤：

1. 添加 Zuul 依赖。可以在 Spring Boot 项目中添加以下依赖：

   <dependency>
     <groupId>org.springframework.cloud</groupId>
     <artifactId>spring-cloud-starter-netflix-zuul</artifactId>
   </dependency>

2. 创建一个 Zuul 过滤器。可以实现 com.netflix.zuul.ZuulFilter 接口，并重写其抽象方法。在该过滤器中，可以实现限流逻辑。

3. 将过滤器注册到 Zuul 中。可以在 Spring Boot 应用的配置文件中添加以下配置：

   zuul:
     routes:
       my-service:
         path: /my-service/**
         serviceId: my-service
     filters:
       rate-limit:
         type: pre
         url: http://localhost:8080/limit

其中，my-service 是需要进行限流的服务名，/my-service/** 是需要进行限流的路径，my-service 是该服务的注册名，rate-limit 是自定义的限流过滤器名。

4. 配置限流参数。可以在应用的配置文件中添加以下配置：

   rate-limiter:
     enabled: true
     limit: 1000
     time-interval: 1

其中，enabled 表示是否启用限流，limit 表示每个时间间隔内允许的请求数，time-interval 表示时间间隔。

5. 编写限流逻辑。在自定义的限流过滤器中，可以使用 Redis、Guava、Bucket4j 等工具实现限流逻辑。以下是一个使用 Redis 实现限流的示例：

   @Component
   public class RateLimitFilter extends ZuulFilter {
   
       private RedisTemplate<String, String> redisTemplate;
   
       @Autowired
       public RateLimitFilter(RedisTemplate<String, String> redisTemplate) {
           this.redisTemplate = redisTemplate;
       }
   
       @Override
       public String filterType() {
           return "pre";
       }
   
       @Override
       public int filterOrder() {
           return 1;
       }
   
       @Override
       public boolean shouldFilter() {
           return true;
       }
   
       @Override
       public Object run() throws ZuulException {
           String ipAddress = RequestContext.getCurrentContext().getRequest().getRemoteAddr();
           String key = "rate-limit:" + ipAddress;
           ValueOperations<String, String> ops = redisTemplate.opsForValue();
           Long count = ops.increment(key, 1);
           if (count == 1) {
               redisTemplate.expire(key, 1, TimeUnit.SECONDS);
           }
           Long limit = Long.valueOf(redisTemplate.opsForValue().get("rate-limiter:limit"));
           Long timeInterval = Long.valueOf(redisTemplate.opsForValue().get("rate-limiter:time-interval"));
           if (count > limit) {
               throw new RuntimeException("Rate limit exceeded");
           }
           return null;
       }
   }

在上面的示例中，我们使用 Redis 存储每个 IP 地址的请求数，并在达到限流阈值时抛出异常。同时，我们从 Redis 中获取限流参数，即每个时间间隔内允许的请求数和时间间隔。

以上就是使用 Zuul 实现基于过滤器的限流的步骤。通过配置和编写逻辑，我们可以在微服务架构中对单个服务或多个服务进行限流。