非注册用户每分钟最多可以调用10次,非注册用户每分钟最多可以调用10次

今昔,因为各类因素,你无法不对一个呼吁或者措施进行频率上的走访限制。
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,非注册用户每秒钟最多可以调用10次。
例如,
有一个要命吃服务器资源的不二法门,在同样时刻不可能跨越10私家调用这一个艺术,否则服务器满载。
比如说, 有局部特有的页面,访客并不可能反复的拜会或发言。
比如, 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。
如上各种的比方,也就是说,如何从一个断面的角度对调用的法子开展频率上的限定。而对效率限制,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,因为各个因素,你无法不对一个请求或者措施开展频率上的走访限制。
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。
比如,
有一个可怜吃服务器资源的艺术,在同等时刻无法跨越10私有调用这多少个形式,否则服务器满载。
诸如, 有局部新鲜的页面,访客并不可能反复的造访或发言。
譬如, 秒杀活动等举办。
例如
,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。
如上各类的比方,也就是说,如何从一个断面的角度对调用的方法开展频率上的限量。而对效率限制,服务器层面都有最直白的缓解措施,现在本身说的则是代码层面上的频率管控。

正文给出三个示范,一个是基于单机环境的落实,第二个则是据悉分布式的Redis实现

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



以率先个API接口需求为例,先说下单机环境下的贯彻。
按照惯性思维,大家自然会想到缓存的超时策略那种艺术,不过严厉来讲就HttpRuntime.Cache而言,通过缓存的过期策略来对请求举办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,通过这些技能可以发明六个缓存对象,可以为各种对象设置过期时间,当过期时间到达后该缓存对象就会烟消云散(也就是当您拜访该目的的时候为Null)

以率先个API接口需求为例,先说下单机环境下的实现。
听从惯性思维,我们自然会想到缓存的过期策略这种方法,然则严刻来讲就HttpRuntime.Cache而言,通过缓存的超时策略来对请求进行频率的产出控制是不合适的。
  HttpRuntime.Cache
是应用程序级其它Asp.Net的缓存技术,通过这些技术可以表明六个缓存对象,可以为各类对象设置过期时间,当过期光阴到达后该缓存对象就会流失(也就是当你拜访该目的的时候为Null)

  为何这样说吧?比如对某个方法(方法名:GetUserList)大家要拓展1秒钟最多10次的限制,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对象的值是否领先10,借使超出10就不履行GetUserList方法,假若低于10则允许实施。每当访问该目的的时候假诺不设有或者逾期就新建,这样循环,则该目的永远不能超过10。

  为何这么说呢?比如对某个方法(方法名:GetUserList)大家要举行1分钟最多10次的范围,现在我们就新建一个int型的Cache对象,然后设置1秒钟后过期消失。那么每当访问GetUserList方法前,我们就先判断这么些Cache对象的值是否高于10,假使过量10就不进行GetUserList方法,假如低于10则允许实施。每当访问该目的的时候如若不存在或者逾期就新建,这样循环,则该目标永远不容许超越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   }

如此这般的盘算及贯彻相对来说非凡简单,可是按照这样的一个模子设定,那么就会并发这种气象:

如此的想想及实现相对来说卓殊简单,不过遵照这样的一个模型设定,那么就会现出这种状态:

 图片 1

 图片 2

 

 

如上图,每个点代表两回访问请求,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,然后我们跟着访问,该目的重置为0.
              
 在第1~1.5秒之内,依旧访问了7次,在第1.5秒~2秒之内做客了3次。

如上图,每个点代表四回访问请求,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,依旧访问了7次,在第1.5秒~2秒之内走访了3次。

依照这种简单缓存过期策略的模子,在这2分钟内,大家即使平均每秒钟都访问了10次,满意这么些确定,不过假若大家从中取一个期间段,0.5秒~1.5秒之内,也是1分钟,可是却实实在在的访问了14次!远远超过了我们设置的
1分钟最多访问10次的 限制。

基于这种简易缓存过期策略的模子,在这2分钟内,我们即使平均每分钟都访问了10次,满意这多少个确定,不过一旦我们从中取一个以内段,0.5秒~1.5秒之内,也是1分钟,不过却的确的造访了14次!远远超越了大家设置的
1分钟最多访问10次的 限制。

 

 

那么哪些正确的来化解地点的问题啊?我们得以由此模拟对话级另外信号量这一手法,那也就是大家前几天的要旨了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的趣味就表示在多线程情状下,在此外一天天,只好同时5个线程去拜谒。

那么怎么着正确的来化解地点的题目呢?我们能够透过模拟对话级其余信号量这一伎俩,这也就是我们明天的主旨了。
   什么是信号量?仅就以代码而言,  static
SemaphoreSlim semaphoreSlim = new SemaphoreSlim(5); 
它的意味就意味着在多线程情形下,在其它一随时,只可以同时5个线程去访问。

 

 

4容器4线程模型

现在,在促成代码的前头我们先规划一个模型。

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的请求,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。可是我们设定这一个管道最两只可以容纳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定。这样一来,无论从哪一个时辰节点如故时间距离出发,这多少个管道都能满足大家的功用限制需求。

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。这一个会话id依照自己场景所定,能够是sessionId,可以是ip,也足以是token。

这就是说既然这些管道是会话级另外,我们必将得需要一个器皿,来装这一个管道。现在,咱们以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,大家还亟需对容器内的每条管道的因素举行拍卖,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。而当管道的因素为0时,大家就清掉该管道,以便节省容器空间。

 图片 5

本来,由于用户量多,一个容器内或许存在上万个管道,这些时候偏偏用一个器皿来装载来清理,在效率上显著是不够的。这么些时候,我们就得对容器举办横向扩展了。

  比如,我们得以遵照Cpu主题数自动生成对应的数量的器皿,然后按照一个算法,对IP来拓展导流。我眼前cpu是4个逻辑主旨,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举行拍卖,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

 

那就是说,最终就形成了大家的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,可以遵照局部索要自动生成适应数量的容器,假如有特殊要求的话,还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监察和调度。尽管真要做这么一个系统,那么
容器的调度 和 线程的调度效能是不可或缺的,而本Demo则是成功了根本效能,像容器和线程在代码中自己也没剥离开来,算法也是直接写死的,实际设计中,对算法的宏图依然很关键的,还有多线程模型中,怎么样上锁才能让效用最大化也是非同小可的。

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
     }
}

前几日,我们倘诺 有编号为 0 到 40 这样的 41个用户。那么那些导流算法
我也就直接写死,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的用户放到第多少个容器。

这就是说那个代码就是这样的:

 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,都不可能不调用一个情势,用于辨别管道数量。假诺管道数量已经不止10,则呼吁战败,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。

此地,对容器的选型用线程安全的ConcurrentDictionary类。
  线程安全:当六个线程同时读写同一个共享元素的时候,就会并发数量错乱,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rWriterLockSlim: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

下一场当你向容器添加一条管道中的数据是因此这么些格局:

 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,所以这边要加读锁。

 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继承于List<T>的平安项目,在这里
封装了3个需要运用的法门。

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();
        }
    }
}

说到底就是线程的运行情势:

 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,是效果图,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

今昔,在促成代码的事先大家先规划一个模子。

图片 9

  假诺大家有一个用户A的管道,这么些管道里装着用户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。不过我们设定这么些管道最四只好容纳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。那么这样设计的话,无论是速率仍然多少的突进,都会有管道长度的限定。这样一来,无论从哪一个刻钟节点仍旧时间距离出发,这一个管道都能满足我们的效用限制要求。

而那里的管道,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。这一个会话id依照自己场景所定,可以是sessionId,可以是ip,也得以是token。

这就是说既然那些管道是会话级其余,我们必定得需要一个容器,来装那几个管道。现在,我们以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 10

而遵照刚才的设定,我们还需要对容器内的每条管道的要素进行处理,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,我们就清掉该管道,以便节省容器空间。

 图片 11

当然,由于用户量多,一个器皿内可能存在上万个管道,这些时候只是用一个器皿来装载来清理,在功用上明确是不够的。这一个时候,我们就得对容器举办横向扩充了。

  比如,我们得以遵照Cpu核心数自动生成对应的多寡的器皿,然后依据一个算法,对IP来展开导流。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,最后就形成了大家的4容器4线程模型了。

前些天,着眼于编码实现:

  首先大家需要一个能承载这么些器皿的载体,这么些载体类似于连接池的概念,可以依照部分急需自动生成适应数量的器皿,如果有特殊要求的话,还足以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。倘若真要做如此一个系统,那么
容器的调度 和 线程的调度功用是必不可少的,而本Demo则是瓜熟蒂落了首要功用,像容器和线程在代码中自己也没剥离开来,算法也是直接写死的,实际设计中,对算法的宏图仍然很重大的,还有多线程模型中,怎么样上锁才能让效能最大化也是第一的。

而这里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,我们假诺 有编号为 0 到 40 这样的 41个用户。那么那多少个导流算法
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放到第三个容器,编号30~40的用户放到第两个容器。

这就是说那多少个代码就是这般的:

 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,都无法不调用一个艺术,用于辨别管道数量。假如管道数量一度超越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:当两个线程同时读写同一个共享元素的时候,就会油但是生数量错乱,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(Reade)rWriterLockSlim:较里德(Reade)rWriterLock优化的读写锁,五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

然后当您向容器添加一条管道中的数据是通过那个法子:

 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延续于List<T>的固原项目,在这里
封装了3个需要使用的法门。

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形式:

 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);
             }
         }
     }
   );
 }

说到底,是意义图,一个是遵照控制台的,还一个是基于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,无非就是载体不同,大家只要把这么些容器的载体从程序上移植出来,来弄成一个独门的服务如故直接借用Redis也是有效的。

此地就介绍分布式意况下,Redis的兑现。

不同于Asp.Net的多线程模型,大概因为Redis的各个类型的因素十分粒度的操作导致各个加锁的扑朔迷离,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来由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,这一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,它没有Sql没有字段名没有表名那个概念,它和HttpRun提姆e.Cache的定义差不多一样,首先从操作上属于键值对情势,就如
Cache[“键名”]
这样就能赢得到值类似,而且能够对每个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)。

今天要说的是Sorted
set有序聚集,有序聚集相比较其他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,大家把这么些积分score了然为排体系,它里面会对积分进行排序,积分允许再次,而不变聚集中的元素则是绝无仅有。

  依旧一样的思路,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光阴。接着在程序中开个线程,来对管道中积分小于约定刻钟的元素举行清理。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如满意uuid即可。

 图片 15

这就是说用Redis来兑现的代码这就是相近这种:

图片 16

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。

这般的代码即使也能不负众望效用,但不够自己。Redis是个按照内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get一回暴发两次呼吁相比,能不可能通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格局开放,
其计划指标是为了放置应用程序中,从而为应用程序提供灵活的恢弘和定制功用。
  大致意思就是,直接向Redis发送一段脚本或者让它直接本地读取一段脚本从而平昔促成所有的逻辑。

/// <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就是表明一个为名uu的变量的情趣,redis.call就是redis命令,这段脚本意思就是一旦
大于10(AccountNum) 就重返1   否则就增添一条集合中的元素 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脚本的款型来完成了百分之百经过,因为Redis的网络模型原因,所以把LuaForeachRemove方法给指出来做个服务来单独处理即可。至于这种多容器多线程的实现,则统统可以开两个Redis的实例来促成。最后放上效果图。

图片 17

末段,我把这么些都给做成了个Demo。可是尚未找到确切的上传网盘,所以我们可以留邮箱(留了就发),或者直接加QQ群文件自取,研商互换:166843154

 

我欣赏和我一样的人交朋友,不被环境影响,自己是友善的民办助教,欢迎加群
.Net web互换群, 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子,分布式与单机相比,无非就是载体不同,大家只要把这些容器的载体从程序上移植出来,来弄成一个独自的劳动仍旧直接借用Redis也是立竿见影的。

此处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的各个类型的因素分外粒度的操作造成各样加锁的繁杂,所以在网络请求处理这块Redis是单线程的,基于Redis的贯彻则因为单线程的来头在编码角度不用太多着想到与逻辑无关的题目。

  简单介绍下,Redis是一个内存数据库,这多少个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,它并未Sql没有字段名尚未表名这个概念,它和HttpRun提姆e.Cache的定义差不多一样,首先从操作上属于键值对情势,就如
Cache[“键名”]
这样就能博取到值类似,而且可以对每个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)。

今天要说的是Sorted
set有序聚集,有序聚集相比其他的会聚类型的特殊点在于,使用有序聚集的时候还可以给插入的要素指定一个
积分score,我们把这一个积分score精晓为排连串,它里面会对积分举行排序,积分允许再度,而一成不变聚集中的元素则是绝无仅有。

  仍旧一样的笔触,每当有用户访问的时候,都对该用户的
管道(有序聚集)中添加一个要素,然后设置该因素的积分为眼前光阴。接着在先后中开个线程,来对管道中积分小于约定时间的要素举行清理。因为规定有序聚集中的元素只可以是唯一值,所以在赋值方面只固然满意uuid即可。

 图片 18

这就是说用Redis来兑现的代码那就是相近这种:

图片 19

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。

诸如此类的代码就算也能不负众望效能,但不够自己。Redis是个按照内存的数据库,于性能而言,瓶颈在于网络
IO 上,与Get一次发生一回呼吁相比,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,用标准C语言编写并以源代码形式开放,
其计划目的是为了放置应用程序中,从而为应用程序提供灵活的恢弘和定制成效。
  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就是注解一个为名uu的变量的趣味,redis.call就是redis命令,这段脚本意思就是假使大于10(AccountNum) 就回去1   否则就大增一条集合中的元素 并回到 空。

管道内元素处理的点子就是:

 /// <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整体经过,因为Redis的网络模型原因,所以把LuaForeachRemove方法给提议来做个服务来单独处理即可。至于这种多容器多线程的贯彻,则统统可以开多少个Redis的实例来实现。最终放上效果图。

图片 20

末段,我把这一个都给做成了个Demo。可是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,研究交换:166843154

 

自己爱不释手和自己同样的人交朋友,不被环境影响,自己是上下一心的师资,欢迎加群
.Net web互换群, 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