非注册用户每分钟最多可以调用10次,你必须对一个呼吁或者措施开展频率上的访问限制

方今,因为各种因素,你不可以不对一个伸手或者措施举行频率上的访问限制。
诸如,
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,
有一个充分吃服务器资源的不二法门,在同等时刻不可以跨越10私房调用这个主意,否则服务器满载。
比如, 有一对非常的页面,访客并不可能屡屡的走访或发言。
比如说, 秒杀活动等开展。
例如
,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。
如上各个的比喻,也就是说,如何从一个断面的角度对调用的办法举行频率上的限制。而对效率限制,服务器层面都有最直接的缓解方法,现在自我说的则是代码层面上的频率管控。

现在,因为各类因素,你不可能不对一个呼吁或者措施举办频率上的拜会限制。
譬如说,
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。
比如说,
有一个这些吃服务器资源的艺术,在一如既往时刻不可以超过10个体调用这些主意,否则服务器满载。
诸如, 有部分特种的页面,访客并不可能屡屡的拜访或发言。
例如, 秒杀活动等进行。
譬如
,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。
如上各种的比喻,也就是说,怎么着从一个断面的角度对调用的法子开展频率上的限定。而对效用限制,服务器层面都有最直接的化解办法,现在我说的则是代码层面上的频率管控。

正文给出三个示范,一个是依照单机环境的贯彻,第二个则是按照分布式的Redis实现

正文给出五个示范,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兑现。
依照惯性思维,大家本来会想到缓存的过期策略这种艺术,但是严刻来讲就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
是应用程序级另外Asp.Net的缓存技术,通过这么些技术可以发明五个缓存对象,能够为各种对象设置过期时间,当过期时光到达后该缓存对象就会不复存在(也就是当你拜访该对象的时候为Null)

以第一个API接口需求为例,先说下单机环境下的实现。
按照惯性思维,大家自然会想到缓存的超时策略这种艺术,可是严峻来讲就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,通过这些技术可以表明两个缓存对象,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(也就是当您拜访该对象的时候为Null)

  为啥如此说吧?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,现在咱们就新建一个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,大家就先判断这么些Cache对象的值是否超越10,假使过量10就不履行GetUserList方法,即便低于10则允许实施。每当访问该对象的时候假若不设有或者逾期就新建,这样循环,则该对象永远不容许超越10。

  为啥如此说吗?比如对某个方法(方法名:GetUserList)我们要举行1分钟最多10次的限量,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,我们就先判断这个Cache对象的值是否超越10,假使过量10就不执行GetUserList方法,假诺低于10则允许实施。每当访问该对象的时候假使不存在或者逾期就新建,这样循环,则该对象永远不容许超过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   }

如此这般的考虑及贯彻相对来说非常简单,不过按照这样的一个模子设定,那么就会师世这种状况:

如此的构思及落实相对来说相当简单,不过遵照那样的一个模子设定,那么就会并发这种情景:

 图片 1

 图片 2

 

 

如上图,每个点代表一次访问请求,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,我们访问了7次。此时,该对象消失,然后大家跟着访问,该目的重置为0.
              
 在第1~1.5秒之内,仍旧访问了7次,在第1.5秒~2秒之内做客了3次。

如上图,每个点代表一回访问请求,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,我们访问了7次。此时,该对象消失,然后大家跟着访问,该目的重置为0.
              
 在第1~1.5秒之内,仍然访问了7次,在第1.5秒~2秒之内做客了3次。

依据这种简单缓存过期策略的模子,在这2分钟内,我们尽管平均每分钟都访问了10次,满意这一个确定,可是只要我们从中取一个期间段,0.5秒~1.5秒之内,也是1分钟,但是却的确的走访了14次!远远超越了我们设置的
1分钟最多访问10次的 限制。

按照这种简易缓存过期策略的模子,在这2分钟内,我们虽然平均每分钟都访问了10次,满意这个确定,不过倘使我们从中取一个里头段,0.5秒~1.5秒之内,也是1秒钟,不过却的确的拜会了14次!远远超越了大家设置的
1秒钟最多访问10次的 限制。

 

 

那么怎么样正确的来化解地方的题目呢?我们可以透过模拟对话级此外信号量这一伎俩,这也就是我们今天的核心了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的意味就意味着在多线程意况下,在此外一时时,只可以同时5个线程去访问。

那么什么样科学的来解决地点的题材吗?大家可以通过模拟对话级此外信号量这一手腕,这也就是大家前几日的核心了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的情趣就象征在多线程情状下,在其它一时时,只可以同时5个线程去做客。

 

 

4容器4线程模型

现今,在落实代码的事先我们先规划一个模子。

图片 3

  假如我们有一个用户A的管道,这些管道里装着用户A的呼吁,比如用户A在一分钟发出了10次呼吁,那么每一个呼吁过来,管道里的元素都会多一个。不过大家设定这几个管道最五只好容纳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,无论是速率如故多少的突进,都会有管道长度的限量。那样一来,无论从哪一个时日节点仍旧时间间隔出发,那一个管道都能满足大家的效用限制要求。

而这边的管道,就不可能不和会话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。这么些会话id遵照自己场景所定,能够是sessionId,可以是ip,也可以是token。

那么既然这多少个管道是会话级其它,我们自然得需要一个器皿,来装这个管道。现在,我们以IP来定名会话管道,并把具备的管道都装载在一个器皿中,如图

图片 4

而依照刚才的设定,大家还索要对容器内的每条管道的要素举办处理,把过期的给删除掉,为此,还需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。而当管道的元素为0时,大家就清掉该管道,以便节省容器空间。

 图片 5

理所当然,由于用户量多,一个器皿内可能存在上万个管道,这个时候只是用一个容器来装载来清理,在效率上明明是不够的。这么些时候,我们就得对容器举办横向扩充了。

  比如,大家可以按照Cpu主题数自动生成对应的数指标容器,然后遵照一个算法,对IP来举办导流。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,这么些算法会对IP举办处理,如192.168.1.11~192.168.1.13这一个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。

前几日,着眼于编码实现:

  首先大家需要一个能承载这多少个器皿的载体,这么些载体类似于连接池的定义,可以依据部分索要自动生成适应数量的容器,假设有特殊要求的话,仍是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监察和调度。假设真要做如此一个体系,那么
容器的调度 和 线程的调度效率是必要的,而本Demo则是瓜熟蒂落了重大功能,像容器和线程在代码中自我也没剥离开来,算法也是一向写死的,实际设计中,对算法的筹划依然很关键的,还有多线程模型中,如何上锁才能让功效最大化也是着重的。

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
     }
}

现行,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
将他们的央求给抛转到首个容器,编号10~19的用户
放到第二个容器,编号20~29放到第两个容器,编号30~40的用户放到第两个容器。

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];
  }

当我们的对话请求经过算法的导流之后,都不可能不调用一个形式,用于辨别管道数量。假诺管道数量已经抢先10,则呼吁失败,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。

这里,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当五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(Reade)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

接下来当您向容器添加一条管道中的数据是透过这多少个艺术:

 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(),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,所以那边要加读锁。

 而ConcurrentList,因为.Net没有推出List集合类的线程安全(此处我表明下:之所以不用ConcurrentBag是因为要保管count和add的一致性,这里补充一下),所以自己新建了一个无冕于List<T>的绥化项目,在这里
封装了3个需要使用的方法。

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();
        }
    }
}

最后就是线程的运转模式:

 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);
             }
         }
     }
   );
 }

终极,是效率图,一个是基于控制台的,还一个是按照Signalr的。

 图片 7图片 8

4容器4线程模型

后日,在落实代码的前边大家先规划一个模子。

图片 9

  假使大家有一个用户A的管道,那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。不过我们设定那一个管道最三只好容纳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,无论是速率依旧多少的突进,都会有管道长度的限制。这样一来,无论从哪一个光阴节点依然时间距离出发,这个管道都能满意我们的功效限制要求。

而这边的管道,就不能够不和会话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依照自己场景所定,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别的,我们一定得需要一个器皿,来装这多少个管道。现在,我们以IP来定名会话管道,并把拥有的管道都装载在一个器皿中,如图

图片 10

而遵照刚才的设定,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,还亟需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。而当管道的要素为0时,我们就清掉该管道,以便节省容器空间。

 图片 11

本来,由于用户量多,一个容器内或者存在上万个管道,那一个时候偏偏用一个容器来装载来清理,在效率上肯定是不够的。这多少个时候,大家就得对容器举行横向扩充了。

  比如,大家可以遵照Cpu大旨数自动生成对应的数额的容器,然后遵照一个算法,对IP来拓展导流。我眼前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,这一个算法会对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 12

 

那么,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:

  首先大家需要一个能承载这一个器皿的载体,这个载体类似于连接池的定义,可以依据一些亟需自动生成适应数量的容器,假设有特殊要求的话,仍是可以够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督查和调度。假如真要做这么一个系列,那么
容器的调度 和 线程的调度效用是少不了的,而本Demo则是水到渠成了重要效能,像容器和线程在代码中本身也没剥离开来,算法也是一贯写死的,实际设计中,对算法的设计仍然很重点的,还有多线程模型中,如何上锁才能让效用最大化也是重中之重的。

而这边为了案例的直观就一贯写死成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,大家只要 有编号为 0 到 40 那样的 41个用户。那么那些导流算法
我也就向来写死,编号0至9的用户
将他们的请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放到第多少个容器,编号30~40的用户放到第三个容器。

那么这一个代码就是这么的:

 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];
  }

当我们的对话请求经过算法的导流之后,都不能够不调用一个办法,用于辨别管道数量。即便管道数量已经高于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。

此处,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当五个线程同时读写同一个共享元素的时候,就会产出数量错乱,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rWriterLockSlim:较里德(Reade)rWriterLock优化的读写锁,七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

下一场当您向容器添加一条管道中的数据是透过这么些办法:

 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(), 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,所以这边要加读锁。

 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无冕于List<T>的雅安项目,在这里
封装了3个需要动用的章程。

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();
        }
    }
}

末尾就是线程的运转情势:

 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);
             }
         }
     }
   );
 }

最后,是法力图,一个是基于控制台的,还一个是依据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,我们只要把这多少个容器的载体从程序上移植出来,来弄成一个独门的劳务仍然直接借用Redis也是立竿见影的。

此地就介绍分布式情形下,Redis的落实。

不同于Asp.Net的多线程模型,大概因为Redis的各个类型的要素分外粒度的操作导致各个加锁的纷繁,所以在网络请求处理这块Redis是单线程的,基于Redis的兑现则因为单线程的由来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,这些数据库属于非关系型数据库,它的概念不同于一般的大家体会的Mysql
Oracle
SqlServer关系型数据库,它从未Sql没有字段名从未表名这多少个概念,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情势,就如
Cache[“键名”]
这样就能获取到值类似,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)。

前些天要说的是Sorted
set有序聚集,有序聚集相相比其它的集合类型的特殊点在于,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,我们把这个积分score精通为排体系,它其中会对积分举办排序,积分允许再度,而一成不变聚集中的元素则是唯一。

  仍旧一如既往的思路,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如今时间。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,所以在赋值方面假设是满意uuid即可。

 图片 15

这就是说用Redis来实现的代码这就是看似这种:

图片 16

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。

如此的代码即使也能完成功用,但不够自己。Redis是个依照内存的数据库,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的变量的意思,redis.call就是redis命令,那段脚本意思就是倘若大于10(AccountNum) 就再次来到1   否则就充实一条集合中的元素 并回到 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脚本的花样来形成了所有经过,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,则完全可以开三个Redis的实例来贯彻。最后放上效果图。

图片 17

最终,我把这一个都给做成了个Demo。可是从未找到合适的上传网盘,所以大家可以留邮箱(留了就发),或者直接加QQ群文件自取,研究交换:166843154

 

自家爱不释手和自家一样的人交朋友,不被环境影响,自己是祥和的少校,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,分布式与单机比较,无非就是载体不同,我们如若把那些容器的载体从程序上移植出来,来弄成一个独立的服务或者直接借用Redis也是有效的。

这里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的各类类型的元素异常粒度的操作导致各个加锁的复杂,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考虑到与逻辑无关的题目。

  简单介绍下,Redis是一个内存数据库,这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,它没有Sql没有字段名尚未表名这多少个概念,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格局,就如
Cache[“键名”]
这样就能博拿到值类似,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)。

明天要说的是Sorted
set有序聚集,有序聚集相比较此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元素指定一个
积分score,大家把这么些积分score精晓为排体系,它其中会对积分举办排序,积分允许再度,而一成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前岁月。接着在先后中开个线程,来对管道中积分小于约定时间的因素进行清理。因为规定有序聚集中的元素只可以是唯一值,所以在赋值方面假假使知足uuid即可。

 图片 18

这就是说用Redis来落实的代码这就是类似这种:

图片 19

通过using语法糖实现IDisposable而包装的Redis分布式锁,然后里面正常的逻辑判断。

这么的代码即便也能成功效能,但不够自己。Redis是个依照内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get一遍爆发三次呼吁相比较,能不可以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,用标准C语言编写并以源代码形式开放,
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扩张和定制功效。
  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贯促成所有的逻辑。

/// <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的变量的意味,redis.call就是redis命令,这段脚本意思就是只要
大于10(AccountNum) 就赶回1   否则就扩大一条集合中的元素 并赶回 空。

管道内元素处理的措施就是:

 /// <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脚本的格局来成功了全部经过,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,则统统能够开多个Redis的实例来实现。最后放上效果图。

图片 20

最终,我把这么些都给做成了个Demo。但是没有找到适当的上传网盘,所以我们可以留邮箱(留了就发),或者间接加QQ群文件自取,商量交换:166843154

 

自己欣赏和自家同一的人交朋友,不被环境影响,自己是温馨的导师,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