Redis 除了做缓存，还能干很多很多事情：分布式锁、限流、处理请求接口幂等性。。。太多太多了～
今天想和小伙伴们聊聊用 Redis 处理接口限流，这也是最近的 TienChin 项目涉及到这个知识点了，我就拎出来和大家聊聊这个话题，后面视频也会讲。
1. 准备工作 首先我们创建一个 Spring Boot 工程，引入 Web 和 Redis 依赖，同时考虑到接口限流一般是通过注解来标记，而注解是通过 AOP 来解析的，所以我们还需要加上 AOP 的依赖，最终的依赖如下：
1 2 3 4 5 6 7 8 9 10 11 12 <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-data-redis</artifactId > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-web</artifactId > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-aop</artifactId > </dependency >
然后提前准备好一个 Redis 实例，这里我们项目配置好之后，直接配置一下 Redis 的基本信息即可，如下：
1 2 3 spring.redis.host=localhost spring.redis.port=6379 spring.redis.password=123
好啦，准备工作就算是到位了。
2. 限流注解 接下来我们创建一个限流注解，我们将限流分为两种情况：
针对当前接口的全局性限流，例如该接口可以在 1 分钟内访问 100 次。
针对某一个 IP 地址的限流，例如某个 IP 地址可以在 1 分钟内访问 100 次。
针对这两种情况，我们创建一个枚举类：
1 2 3 4 5 6 7 8 9 10 public enum LimitType { DEFAULT, IP }
接下来我们来创建限流注解：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 @Target (ElementType.METHOD)@Retention (RetentionPolicy.RUNTIME)@Documented public @interface RateLimiter { String key () default "rate_limit:" ; int time () default 60 int count () default 100 LimitType limitType () default LimitType.DEFAULT ; }
第一个参数限流的 key，这个仅仅是一个前缀，将来完整的 key 是这个前缀再加上接口方法的完整路径，共同组成限流 key，这个 key 将被存入到 Redis 中。
另外三个参数好理解，我就不多说了。
好了，将来哪个接口需要限流，就在哪个接口上添加 @RateLimiter 注解，然后配置相关参数即可。
3. 定制 RedisTemplate 小伙伴们知道，在 Spring Boot 中，我们其实更习惯使用 Spring Data Redis 来操作 Redis，不过默认的 RedisTemplate 有一个小坑，就是序列化用的是 JdkSerializationRedisSerializer，不知道小伙伴们有没有注意过，直接用这个序列化工具将来存到 Redis 上的 key 和 value 都会莫名其妙多一些前缀，这就导致你用命令读取的时候可能会出错。
例如存储的时候，key 是 name，value 是 javaboy，但是当你在命令行操作的时候，get name 却获取不到你想要的数据，原因就是存到 redis 之后 name 前面多了一些字符，此时只能继续使用 RedisTemplate 将之读取出来。
我们用 Redis 做限流会用到 Lua 脚本，使用 Lua 脚本的时候，就会出现上面说的这种情况，所以我们需要修改 RedisTemplate 的序列化方案。
可能有小伙伴会说为什么不用 StringRedisTemplate 呢？StringRedisTemplate 确实不存在上面所说的问题，但是它能够存储的数据类型不够丰富，所以这里不考虑。
修改 RedisTemplate 序列化方案，代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 @Configuration public class RedisConfig @Bean public RedisTemplate<Object, Object> redisTemplate (RedisConnectionFactory connectionFactory) RedisTemplate<Object, Object> redisTemplate = new RedisTemplate<>(); redisTemplate.setConnectionFactory(connectionFactory); Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class); ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(om); redisTemplate.setKeySerializer(jackson2JsonRedisSerializer); redisTemplate.setValueSerializer(jackson2JsonRedisSerializer); redisTemplate.setHashKeySerializer(jackson2JsonRedisSerializer); redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer); return redisTemplate; } }
这个其实也没啥好说的，key 和 value 我们都使用 Spring Boot 中默认的 jackson 序列化方式来解决。
4. 开发 Lua 脚本 这个其实我在之前 vhr 那一套视频中讲过，Redis 中的一些原子操作我们可以借助 Lua 脚本来实现，想要调用 Lua 脚本，我们有两种不同的思路：
在 Redis 服务端定义好 Lua 脚本，然后计算出来一个散列值，在 Java 代码中，通过这个散列值锁定要执行哪个 Lua 脚本。
直接在 Java 代码中将 Lua 脚本定义好，然后发送到 Redis 服务端去执行。
Spring Data Redis 中也提供了操作 Lua 脚本的接口，还是比较方便的，所以我们这里就采用第二种方案。
我们在 resources 目录下新建 lua 文件夹专门用来存放 lua 脚本，脚本内容如下：
1 2 3 4 5 6 7 8 9 10 11 12 local key = KEYS[1 ]local count = tonumber (ARGV[1 ])local time = tonumber (ARGV[2 ])local current = redis.call('get' , key)if current and tonumber (current) > count then return tonumber (current) end current = redis.call('incr' , key) if tonumber (current) == 1 then redis.call('expire' , key, time ) end return tonumber (current)
这个脚本其实不难，大概瞅一眼就知道干啥用的。 KEYS 和 ARGV 都是一会调用时候传进来的参数，tonumber 就是把字符串转为数字，redis.call 就是执行具体的 redis 指令，具体流程是这样：
首先获取到传进来的 key 以及 限流的 count 和时间 time。
通过 get 获取到这个 key 对应的值，这个值就是当前时间窗内这个接口可以访问多少次。
如果是第一次访问，此时拿到的结果为 nil，否则拿到的结果应该是一个数字，所以接下来就判断，如果拿到的结果是一个数字，并且这个数字还大于 count，那就说明已经超过流量限制了，那么直接返回查询的结果即可。
如果拿到的结果为 nil，说明是第一次访问，此时就给当前 key 自增 1，然后设置一个过期时间。
最后把自增 1 后的值返回就可以了。
其实这段 Lua 脚本很好理解。
接下来我们在一个 Bean 中来加载这段 Lua 脚本，如下：
1 2 3 4 5 6 7 @Bean public DefaultRedisScript<Long> limitScript () DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>(); redisScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("lua/limit.lua" ))); redisScript.setResultType(Long.class); return redisScript; }
可以啦，我们的 Lua 脚本现在就准备好了。
5. 注解解析 接下来我们就需要自定义切面，来解析这个注解了，我们来看看切面的定义：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 @Aspect @Component public class RateLimiterAspect private static final Logger log = LoggerFactory.getLogger(RateLimiterAspect.class); @Autowired private RedisTemplate<Object, Object> redisTemplate; @Autowired private RedisScript<Long> limitScript; @Before ("@annotation(rateLimiter)" ) public void doBefore (JoinPoint point, RateLimiter rateLimiter) throws Throwable String key = rateLimiter.key(); int time = rateLimiter.time(); int count = rateLimiter.count(); String combineKey = getCombineKey(rateLimiter, point); List<Object> keys = Collections.singletonList(combineKey); try { Long number = redisTemplate.execute(limitScript, keys, count, time); if (number==null || number.intValue() > count) { throw new ServiceException("访问过于频繁，请稍候再试" ); } log.info("限制请求'{}',当前请求'{}',缓存key'{}'" , count, number.intValue(), key); } catch (ServiceException e) { throw e; } catch (Exception e) { throw new RuntimeException("服务器限流异常，请稍候再试" ); } } public String getCombineKey (RateLimiter rateLimiter, JoinPoint point) StringBuffer stringBuffer = new StringBuffer(rateLimiter.key()); if (rateLimiter.limitType() == LimitType.IP) { stringBuffer.append(IpUtils.getIpAddr(((ServletRequestAttributes) RequestContextHolder.currentRequestAttributes()).getRequest())).append("-" ); } MethodSignature signature = (MethodSignature) point.getSignature(); Method method = signature.getMethod(); Class<?> targetClass = method.getDeclaringClass(); stringBuffer.append(targetClass.getName()).append("-" ).append(method.getName()); return stringBuffer.toString(); } }
这个切面就是拦截所有加了 @RateLimiter 注解的方法，在前置通知中对注解进行处理。
首先获取到注解中的 key、time 以及 count 三个参数。
获取一个组合的 key，所谓的组合的 key，就是在注解的 key 属性基础上，再加上方法的完整路径，如果是 IP 模式的话，就再加上 IP 地址。以 IP 模式为例，最终生成的 key 类似这样：rate_limit:127.0.0.1-org.javaboy.ratelimiter.controller.HelloController-hello（如果不是 IP 模式，那么生成的 key 中就不包含 IP 地址）。
将生成的 key 放到集合中。
通过 redisTemplate.execute 方法取执行一个 Lua 脚本，第一个参数是脚本所封装的对象，第二个参数是 key，对应了脚本中的 KEYS，后面是可变长度的参数，对应了脚本中的 ARGV。
将 Lua 脚本执行的结果与 count 进行比较，如果大于 count，就说明过载了，抛异常就行了。
好了，大功告成了。
6. 接口测试 接下来我们就进行接口的一个简单测试，如下：
1 2 3 4 5 6 7 8 @RestController public class HelloController @GetMapping ("/hello" ) @RateLimiter (time = 5 ,count = 3 ,limitType = LimitType.IP) public String hello () return "hello>>>" +new Date(); } }
每一个 IP 地址，在 5 秒内只能访问 3 次。
这个自己手动刷新浏览器都能测试出来。
7. 全局异常处理 由于过载的时候是抛异常出来，所以我们还需要一个全局异常处理器，如下：
1 2 3 4 5 6 7 8 9 10 @RestControllerAdvice public class GlobalException @ExceptionHandler (ServiceException.class) public Map<String,Object> serviceException (ServiceException e) HashMap<String, Object> map = new HashMap<>(); map.put("status" , 500 ); map.put("message" , e.getMessage()); return map; } }
这是一个小 demo，我就不去定义实体类了，直接用 Map 来返回 JSON 了。
好啦，大功告成。
最后我们看看过载时的测试效果：
好啦，这就是我们使用 Redis 做限流的方式。
松哥最近正在录制 TienChin 项目视频，本文的内容也是 TienChin 项目视频的一部分～TienChin 项目采用 Spring Boot+Vue3 技术栈，里边会涉及到各种好玩的技术，小伙伴们来和松哥一起做一个完成率超 90% 的项目，戳戳戳这里–>TienChin 项目配套视频来啦 。
