在同等时刻不可以超过10私家调用这一个艺术,非注册用户每分钟最多可以调用10次

非注册用户每秒钟最多可以调用10次,非注册用户每秒钟最多可以调用10次

现行,因为各样因素,你必须对一个请求或者措施开展频率上的拜访限制。
例如,
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。
譬如说,
有一个丰富吃服务器资源的不二法门,在相同时刻不可能跨越10私房调用这些措施,否则服务器满载。
诸如, 有一对优异的页面,访客并不可能反复的走访或发言。
例如, 秒杀活动等开展。
诸如
,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。
如上各类的比喻,也就是说,怎样从一个断面的角度对调用的办法开展频率上的界定。而对功效限制,服务器层面都有最直接的缓解办法,现在我说的则是代码层面上的频率管控。

当今,因为各样因素,你无法不对一个请求或者措施进行频率上的拜访限制。
比如,
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。
例如,
有一个丰盛吃服务器资源的措施,在同样时刻无法跨越10私有调用这一个主意,否则服务器满载。
比如说, 有一些非正规的页面,访客并不可以屡屡的访问或发言。
比如, 秒杀活动等展开。
比如说
,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。
如上各种的比喻,也就是说,如何从一个断面的角度对调用的方法举办频率上的限制。而对功效限制,服务器层面都有最直接的解决方法,现在自己说的则是代码层面上的功效管控。

正文给出多少个示范,一个是依据单机环境的兑现,第二个则是据悉分布式的Redis实现

正文给出四个示范,一个是据悉单机环境的落实,第二个则是按照分布式的Redis实现



以第一个API接口需求为例,先说下单机环境下的实现。
遵照惯性思维,大家自然会想到缓存的过期策略这种措施,可是严谨来讲就HttpRuntime.Cache而言,通过缓存的晚点策略来对请求举行频率的出现控制是不合适的。
  HttpRuntime.Cache
是应用程序级另外Asp.Net的缓存技术,通过这多少个技术可以讲明六个缓存对象,可以为每个对象设置过期时间,当过期时间到达后该缓存对象就会收敛(也就是当你拜访该对象的时候为Null)

以率先个API接口需求为例,先说下单机环境下的实现。
按照惯性思维,我们本来会想到缓存的超时策略那种办法,不过严俊来讲就HttpRuntime.Cache而言,通过缓存的晚点策略来对请求进行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,通过这多少个技术可以表明多少个缓存对象,可以为每个对象设置过期时间,当过期光阴到达后该缓存对象就会没有(也就是当你拜访该目的的时候为Null)

  为何如此说啊?比如对某个方法(方法名:GetUserList)我们要开展1分钟最多10次的界定,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,我们就先判断这个Cache对象的值是否抢先10,如果超越10就不实施GetUserList方法,即使低于10则允许实施。每当访问该对象的时候假使不设有或者逾期就新建,这样循环,则该对象永远无法超越10。

  为啥这样说吧?比如对某个方法(方法名:GetUserList)大家要开展1分钟最多10次的范围,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,大家就先判断这么些Cache对象的值是否超出10,即便超出10就不履行GetUserList方法,假如低于10则允许实施。每当访问该目标的时候假使不设有或者逾期就新建,这样循环,则该目的永远不能领先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   }

如此这般的讨论及实现相对来说卓殊简单,然而依照这样的一个模型设定,那么就会并发那种状态:

这么的思辨及贯彻相对来说相当简单,不过按照这样的一个模型设定,那么就会出现这种景观:

 图片 1

 图片 2

 

 

如上图,每个点代表一遍访问请求,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,该目标消失,然后我们随后访问,该对象重置为0.
              
 在第1~1.5秒之内,依然访问了7次,在第1.5秒~2秒之内走访了3次。

如上图,每个点代表三遍访问请求,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,大家走访了7次。此时,该目的消失,然后我们随后访问,该对象重置为0.
              
 在第1~1.5秒之内,仍旧访问了7次,在第1.5秒~2秒之内走访了3次。

据悉这种概括缓存过期策略的模型,在这2分钟内,我们即便平均每分钟都访问了10次,满足那些规定,可是如若我们从中取一个里边段,0.5秒~1.5秒之内,也是1分钟,可是却实实在在的拜访了14次!远远超越了俺们设置的
1分钟最多访问10次的 限制。

据悉那种概括缓存过期策略的模型,在这2分钟内,大家固然平均每分钟都访问了10次,知足这一个规定,不过只要我们从中取一个之内段,0.5秒~1.5秒之内,也是1分钟,不过却的确的走访了14次!远远抢先了俺们设置的
1分钟最多访问10次的 限制。

 

 

这就是说什么样科学的来解决地方的题材吗?大家得以经过模拟对话级此外信号量这一一手,这也就是大家前几天的主旨了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的意趣就象征在多线程情形下,在另外一每日,只好同时5个线程去做客。

这就是说怎么样科学的来化解地点的问题吧?我们可以透过模拟对话级其余信号量这一伎俩,那也就是我们今日的大旨了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的意思就意味着在多线程状况下,在此外一随时,只好同时5个线程去拜访。

 

 

4容器4线程模型

现行,在实现代码的先头大家先规划一个模子。

图片 3

  如若我们有一个用户A的管道,这些管道里装着用户A的伸手,比如用户A在一分钟发出了10次呼吁,那么每一个伸手过来,管道里的因素都会多一个。可是我们设定这一个管道最五只可以容纳10个要素,而且每个元素的存活期为1秒,1秒后则该因素消失。那么这样设计的话,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,无论从哪一个年华节点依然时间间隔出发,这多少个管道都能满足我们的功用限制要求。

而这边的管道,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。这一个会话id按照自己场景所定,可以是sessionId,可以是ip,也可以是token。

这就是说既然这一个管道是会话级其余,我们肯定得需要一个容器,来装这些管道。现在,大家以IP来定名会话管道,并把装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,大家还索要对容器内的每条管道的元素进行拍卖,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 5

自然,由于用户量多,一个器皿内或许存在上万个管道,这么些时候只是用一个容器来装载来清理,在功用上家喻户晓是不够的。这么些时候,我们就得对容器举行横向扩大了。

  比如,大家可以依照Cpu主旨数自动生成对应的多少的容器,然后依照一个算法,对IP来进展导流。我当下cpu是4个逻辑主题,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 6

 

那么,最后就形成了大家的4容器4线程模型了。

现在,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,这么些载体类似于连接池的概念,可以遵照局部亟待自动生成适应数量的器皿,要是有特殊要求的话,还足以在容器上切出一个器皿管理的面,在线程上切出一个线程管理的面以便于实时监察和调度。要是真要做如此一个系统,那么
容器的调度 和 线程的调度功能是必不可少的,而本Demo则是形成了首要效率,像容器和线程在代码中自我也没剥离开来,算法也是直接写死的,实际设计中,对算法的统筹依旧很关键的,还有多线程模型中,怎样上锁才能让效率最大化也是第一的。

而这里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
     }
}

目前,我们假使 有编号为 0 到 40 这样的 41个用户。那么这几个导流算法
我也就直接写死,编号0至9的用户
将他们的乞请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的用户放到第六个容器。

那么这几个代码就是那般的:

 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];
  }

当我们的对话请求经过算法的导流之后,都必须调用一个艺术,用于辨别管道数量。如果管道数量已经不止10,则请求失败,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:当三个线程同时读写同一个共享元素的时候,就会出现数量错乱,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
  ReaderWriterLockSlim:较里德rWriterLock优化的读写锁,六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

然后当你向容器添加一条管道中的数据是由此这一个主意:

 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(),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,为了在后头的线程遍历删除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(此间自己说明下: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连续于List<T>的安全项目,在此处
封装了3个需要利用的主意。

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();
        }
    }
}

末尾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);
             }
         }
     }
   );
 }

最后,是法力图,一个是按照控制台的,还一个是遵照Signalr的。

 图片 7图片 8

4容器4线程模型

现今,在促成代码的前头我们先规划一个模型。

图片 9

  假使我们有一个用户A的管道,这一个管道里装着用户A的哀告,比如用户A在一分钟发出了10次呼吁,那么每一个伸手过来,管道里的元素都会多一个。不过我们设定这几个管道最多只好容纳10个要素,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,无论是速率仍旧多少的突进,都会有管道长度的限量。那样一来,无论从哪一个日子节点仍旧时间距离出发,那一个管道都能满足我们的功能限制要求。

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。那些会话id按照自己场景所定,可以是sessionId,可以是ip,也足以是token。

这就是说既然这些管道是会话级其余,咱们一定得需要一个容器,来装那个管道。现在,我们以IP来命名会话管道,并把拥有的管道都装载在一个容器中,如图

图片 10

而据悉刚才的设定,大家还亟需对容器内的每条管道的因素举行处理,把过期的给删除掉,为此,还索要独自为该容器开辟出一个线程来为每条管道展开元素的清理。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 11

自然,由于用户量多,一个器皿内或许存在上万个管道,这些时候只是用一个容器来装载来清理,在功能上肯定是不够的。这一个时候,我们就得对容器举办横向扩大了。

  比如,大家得以依照Cpu主题数自动生成对应的数额的器皿,然后依据一个算法,对IP来展开导流。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,这多少个算法会对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,最终就形成了大家的4容器4线程模型了。

前些天,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,这一个载体类似于连接池的定义,可以按照部分急需自动生成适应数量的器皿,假若有特殊要求的话,还足以在容器上切出一个器皿管理的面,在线程上切出一个线程管理的面以便于实时监察和调度。即使真要做如此一个系统,那么
容器的调度 和 线程的调度效用是必不可少的,而本Demo则是成就了首要功效,像容器和线程在代码中自己也没剥离开来,算法也是一贯写死的,实际设计中,对算法的规划如故很重大的,还有多线程模型中,如何上锁才能让功用最大化也是着重的。

而这边为了案例的直观就直接写死成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
     }
}

明日,大家只要 有编号为 0 到 40 这样的 41个用户。那么这些导流算法
我也就直接写死,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的用户放到第四个容器。

那么这几个代码就是这么的:

 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,都必须调用一个办法,用于辨别管道数量。假设管道数量已经超过10,则请求战败,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。

这边,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当三个线程同时读写同一个共享元素的时候,就会现出数量错乱,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线程安全而出的新品类
  里德(Reade)rWriterLockSlim:较里德rWriterLock优化的读写锁,多少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

然后当你向容器添加一条管道中的数据是经过那个艺术:

 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,为了在末端的线程遍历删除ConcurrentList的管道的时候保证ConcurrentList的安全性,所以这边要加读锁。

 而ConcurrentList,因为.Net没有推出List集合类的线程安全(count和add加锁),所以自己新建了一个持续于List<T>的平安项目,在这边
封装了3个需要采用的措施。

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();
        }
    }
}

最终就是线程的运作情势:

 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);
             }
         }
     }
   );
 }

说到底,是功力图,一个是按照控制台的,还一个是依照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子,分布式与单机相比较,无非就是载体不同,大家只要把那个容器的载体从程序上移植出来,来弄成一个独门的劳动如故间接借用Redis也是可行的。

此地就介绍分布式情况下,Redis的实现。

不同于Asp.Net的多线程模型,大概因为Redis的各样类型的要素非凡粒度的操作造成各个加锁的复杂性,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由来在编码角度不用太多着想到与逻辑无关的问题。

  简单介绍下,Redis是一个内存数据库,那些数据库属于非关系型数据库,它的定义不同于一般的我们体会的Mysql
Oracle
SqlServer关系型数据库,它没有Sql没有字段名从未表名那么些概念,它和HttpRun提姆(Tim)e.Cache的概念差不多一样,首先从操作上属于键值对模式,就如
Cache[“键名”]
那样就能收获到值类似,而且可以对各类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,它协助五种数据类型:string(字符串),hash(哈希),list(列表),set(集合)及sorted
set(有序聚集)。

明日要说的是Sorted
set有序聚集,有序聚集相比其他的会见类型的特殊点在于,使用有序聚集的时候还可以给插入的因素指定一个
积分score,我们把这一个积分score明白为排连串,它里面会对积分进行排序,积分允许再一次,而不变聚集中的元素则是绝无仅有。

  仍旧一样的思路,每当有用户访问的时候,都对该用户的
管道(有序聚集)中添加一个元素,然后设置该因素的积分为当下时间。接着在程序中开个线程,来对管道中积分小于约定时辰的要素举办清理。因为规定有序聚集中的元素只可以是绝无仅有值,所以在赋值方面淌如若满意uuid即可。

 图片 15

那么用Redis来贯彻的代码这就是接近这种:

图片 16

经过using语法糖实现IDisposable而卷入的Redis分布式锁,然后中间正常的逻辑判断。

这么的代码即便也能形成功用,但不够自己。Redis是个基于内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get两回发生五遍呼吁相相比较,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,
其计划目标是为着放置应用程序中,从而为应用程序提供灵活的扩展和定制功用。
  大致意思就是,直接向Redis发送一段脚本或者让它一向本地读取一段脚本从而直接实现所有的逻辑。

/// <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,这段脚本意思就是只要
大于10(AccountNum) 就回去1   否则就扩充一条集合中的元素 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脚本的款型来成功了整个过程,因为Redis的网络模型原因,所以把LuaForeachRemove方法给提出来做个劳务来单独处理即可。至于这种多容器多线程的贯彻,则一心可以开两个Redis的实例来促成。最后放上效果图。

图片 17

说到底,我把那多少个都给做成了个Demo。可是没有找到适合的上传网盘,所以大家可以留邮箱(留了就发),或者直接加QQ群文件自取,研究互换:166843154

 

本人欣赏和本人同一的人交朋友,不被环境影响,自己是团结的教员,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 

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,我们倘诺把这一个容器的载体从程序上移植出来,来弄成一个独立的劳务仍旧直接借用Redis也是实用的。

这边就介绍分布式情形下,Redis的实现。

不同于Asp.Net的多线程模型,大概因为Redis的各类类型的因素非凡粒度的操作导致各样加锁的扑朔迷离,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原故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,这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,它并未Sql没有字段名没有表名这个概念,它和HttpRun提姆(Tim)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,而且可以对各样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,它协理五种数据类型:string(字符串),hash(哈希),list(列表),set(集合)及sorted
set(有序聚集)。

明日要说的是Sorted
set有序聚集,有序聚集相相比另外的聚众类型的特殊点在于,使用有序聚集的时候还是可以给插入的要素指定一个
积分score,大家把这多少个积分score了然为排连串,它其中会对积分举办排序,积分允许再度,而不变聚集中的元素则是唯一。

  依旧一如既往的思路,每当有用户访问的时候,都对该用户的
管道(有序聚集)中添加一个元素,然后设置该因素的积分为当前时间。接着在先后中开个线程,来对管道中积分小于约定时间的元素进行清理。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设满足uuid即可。

 图片 18

那就是说用Redis来实现的代码这就是相仿这种:

图片 19

通过using语法糖实现IDisposable而卷入的Redis分布式锁,然后中间正常的逻辑判断。

诸如此类的代码即使也能不辱使命效率,但不够自己。Redis是个基于内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get四次发出一回呼吁比较,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,用规范C语言编写并以源代码情势开放,
其计划目标是为着放置应用程序中,从而为应用程序提供灵活的扩张和定制功用。
  大致意思就是,直接向Redis发送一段脚本或者让它一直本地读取一段脚本从而直接促成所有的逻辑。

/// <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就是表达一个为名uu的变量的情趣,redis.call就是redis命令,这段脚本意思就是如若大于10(AccountNum) 就回来1   否则就充实一条集合中的元素 并赶回 空。

管道内元素处理的不二法门就是:

 /// <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脚本的样式来完成了全体经过,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贯彻,则统统可以开两个Redis的实例来实现。最后放上效果图。

图片 20

终极,我把这个都给做成了个Demo。不过没有找到适合的上传网盘,所以我们可以留邮箱(留了就发),或者直接加QQ群文件自取,研究交流:166843154

 

自我欣赏和自我同一的人交朋友,不被环境影响,自己是温馨的司令员,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