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。
