SpringBoot實現(xiàn)IP限流的示例代碼
一、引言
在高并發(fā)的互聯(lián)網(wǎng)應用中,系統(tǒng)穩(wěn)定性面臨嚴峻挑戰(zhàn)。惡意攻擊、爬蟲、以及不合理的接口調用都可能導致系統(tǒng)資源耗盡,影響正常用戶體驗。為了保障系統(tǒng)的穩(wěn)定性和可用性,對請求進行限流是至關重要的技術手段。本文將深入探討如何在 Spring Boot 中實現(xiàn) IP 限流,包括其原理、使用場景、優(yōu)缺點、多種實現(xiàn)方式,并給出完整的代碼案例,助您構建更加健壯的應用。
二、IP 限流原理:深入解析
IP 限流,顧名思義,就是根據(jù)客戶端的 IP 地址對請求進行頻率限制。其核心在于控制每個 IP 地址在單位時間內允許訪問的次數(shù),從而避免單個 IP 大量占用資源,保證系統(tǒng)整體的公平性。以下介紹兩種常用的限流算法:
2.1 令牌桶算法 (Token Bucket)
工作機制:
- 系統(tǒng)以恒定速率 (
r) 向令牌桶中放入令牌。 - 每個請求需要從令牌桶中獲取一個令牌才能被處理。
- 如果令牌桶為空,則請求被拒絕或等待。
- 令牌桶具有最大容量 (
b),當令牌數(shù)量達到上限時,新添加的令牌會被丟棄。
優(yōu)點:
- 平滑突發(fā)流量: 允許短時間內突發(fā)大量請求,因為令牌桶中可能積累了足夠的令牌。
- 容錯性高: 即使短時間內沒有請求,令牌也會持續(xù)積累,允許后續(xù)的請求 burst。
- 動態(tài)適應: 更適合處理動態(tài)變化的請求,可以在一定程度上應對流量高峰。
2.2 漏桶算法 (Leaky Bucket)
工作機制:
- 請求被放入漏桶中,漏桶以恒定速率 (
r) 處理請求。 - 當請求的速率超過漏桶的處理能力時,多余的請求會在桶中堆積。
- 如果桶滿,則新的請求會被丟棄。
優(yōu)點:
- 嚴格控制速率: 能嚴格控制輸出速率,保證請求以固定速度被處理。
- 平滑輸出: 可以將突發(fā)流量轉化為平滑的輸出流量。
缺點:
- 難以應對突發(fā)流量: 即使系統(tǒng)資源充足,也無法快速處理突發(fā)請求,容易導致請求被拒絕。
2.3 令牌桶與漏桶算法對比
| 特性 | 令牌桶算法 | 漏桶算法 |
|---|---|---|
| 流量控制 | 允許突發(fā)流量,平均速率限制 | 嚴格控制速率,平滑輸出 |
| 適用場景 | 需要容忍一定突發(fā)流量的場景,如 API 限流 | 對速率有嚴格要求的場景,如消息隊列削峰填谷 |
| 實現(xiàn)復雜度 | 相對簡單 | 相對簡單 |
| 動態(tài)調整 | 容易實現(xiàn)動態(tài)調整令牌生成速率和桶容量 | 調整輸出速率和桶容量相對困難 |
三、IP 限流的使用場景:應用廣泛
IP 限流作為一種基礎且有效的限流手段,在各種場景中都有廣泛的應用:
3.1 API 網(wǎng)關限流
在 API 網(wǎng)關層實現(xiàn) IP 限流,可以統(tǒng)一管理和控制所有 API 的請求頻率,是微服務架構中保護后端服務的關鍵措施。
3.2 Web 應用安全防護
對登錄、注冊、找回密碼等敏感接口進行 IP 限流,防止暴力 破解和惡意注冊,增強應用的安全性。
3.3 微服務架構
在微服務架構中,對每個微服務的接口進行 IP 限流,保障服務的穩(wěn)定性和可用性,防止服務雪崩。
3.4 防止惡意爬蟲
限制爬蟲程序的訪問頻率,防止爬蟲過度抓取數(shù)據(jù),影響正常用戶體驗。
3.5 控制資源使用
在共享資源的系統(tǒng)中,限制單個 IP 地址的資源使用,確保每個用戶都能公平地使用資源。
四、IP 限流的優(yōu)缺點分析:理性看待
4.1 優(yōu)點
- 精準控制: 可以針對每個 IP 地址進行精確的請求限制,有效防止單個 IP 的過度請求。
- 實現(xiàn)簡單: 相比于其他復雜的限流策略,IP 限流的實現(xiàn)相對簡單,不需要復雜的算法和配置。
- 易于維護: 由于每個 IP 的限流規(guī)則相對獨立,維護和管理起來比較方便。
4.2 缺點
- IP 偽裝繞過: 惡意攻擊者可以通過 IP 代理或 VPN 等方式偽裝自己的 IP 地址,繞過 IP 限流的限制。
- 影響正常用戶: 在某些情況下,正常用戶可能會因為網(wǎng)絡環(huán)境等原因被錯誤地限流,影響用戶體驗。
- IP 地址池問題: 如果多個用戶共享同一個公網(wǎng) IP 地址,可能會導致正常用戶的請求被錯誤地限流。
- 無法區(qū)分用戶: IP 限流只能根據(jù) IP 地址進行限制,無法區(qū)分不同的用戶,可能導致惡意用戶利用合法用戶的 IP 地址發(fā)起攻擊。
- 不能應對分布式攻擊: 對于分布式拒絕服務(DDoS)攻擊,IP 限流只能對單個 IP 進行限制,無法有效應對大量不同 IP 地址的攻擊。
- 維護成本: 如果需要對大量 IP 地址進行限流,維護成本可能會比較高,需要考慮使用更高效的存儲方案,例如 Redis 或數(shù)據(jù)庫。
五、Spring Boot 實現(xiàn) IP 限流:代碼案例
以下提供兩種基于 Spring Boot 的 IP 限流實現(xiàn)方式:
5.1 基于 Guava RateLimiter 的 IP 限流過濾器(推薦)
這種方式使用 Guava 的 RateLimiter 實現(xiàn)令牌桶算法,簡單高效,易于配置。
1. 項目搭建:
創(chuàng)建一個 Spring Boot 項目,并添加以下依賴:
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>31.1-jre</version>
</dependency>
</dependencies>2. 創(chuàng)建 RateLimiterService:
import com.google.common.cache.CacheBuilder;
import com.google.common.cache.CacheLoader;
import com.google.common.cache.LoadingCache;
import com.google.common.util.concurrent.RateLimiter;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Service;
import java.util.concurrent.TimeUnit;
@Service
public class RateLimiterService {
private static final Logger logger = LoggerFactory.getLogger(RateLimiterService.class);
@Value("${rate.limit.permitsPerSecond:10}") // 默認值 10
private double permitsPerSecond;
// 使用 LoadingCache 緩存每個 IP 的 RateLimiter
private final LoadingCache<String, RateLimiter> rateLimiterCache = CacheBuilder.newBuilder()
.expireAfterWrite(1, TimeUnit.MINUTES) // 緩存 1 分鐘
.build(new CacheLoader<String, RateLimiter>() {
@Override
public RateLimiter load(String ip) {
logger.info("Creating RateLimiter for IP: {}, rate: {}", ip, permitsPerSecond);
return RateLimiter.create(permitsPerSecond);
}
});
/**
* 嘗試獲取令牌
* @param ip 客戶端 IP 地址
* @return true: 允許訪問, false: 限流
*/
public boolean tryAcquire(String ip) {
RateLimiter rateLimiter = rateLimiterCache.getUnchecked(ip);
return rateLimiter.tryAcquire();
}
}3. 創(chuàng)建 IP 限流過濾器:
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Component;
import org.springframework.web.filter.OncePerRequestFilter;
import jakarta.servlet.FilterChain;
import jakarta.servlet.ServletException;
import jakarta.servlet.http.HttpServletRequest;
import jakarta.servlet.http.HttpServletResponse;
import java.io.IOException;
@Component
public class IpRateLimitFilter extends OncePerRequestFilter {
private static final Logger logger = LoggerFactory.getLogger(IpRateLimitFilter.class);
@Autowired
private RateLimiterService rateLimiterService;
@Value("${rate.limit.enabled:true}")
private boolean rateLimitEnabled;
@Value("${rate.limit.excludePatterns:}") // 排除的URL,用逗號分隔
private String excludePatterns;
@Override
protected void doFilterInternal(HttpServletRequest request, HttpServletResponse response, FilterChain filterChain)
throws ServletException, IOException {
if (!rateLimitEnabled) {
filterChain.doFilter(request, response);
return; // 如果禁用限流,直接放行
}
// 排除不需要限流的URL
String requestURI = request.getRequestURI();
if (excludePatterns != null && !excludePatterns.isEmpty()) {
String[] patterns = excludePatterns.split(",");
for (String pattern : patterns) {
if (requestURI.startsWith(pattern.trim())) {
filterChain.doFilter(request, response);
return;
}
}
}
String clientIp = getClientIp(request);
if (rateLimiterService.tryAcquire(clientIp)) {
filterChain.doFilter(request, response); // 允許訪問
} else {
logger.warn("Rate limit exceeded for IP: {}", clientIp);
response.setStatus(HttpServletResponse.SC_TOO_MANY_REQUESTS);
response.getWriter().write("Too many requests from this IP.");
}
}
private String getClientIp(HttpServletRequest request) {
String xffHeader = request.getHeader("X-Forwarded-For");
if (xffHeader == null) {
return request.getRemoteAddr();
}
return xffHeader.split(",")[0];
}
}4. 配置過濾器:
import org.springframework.boot.web.servlet.FilterRegistrationBean;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class FilterConfig {
@Bean
public FilterRegistrationBean<IpRateLimitFilter> ipRateLimitFilterRegistration(IpRateLimitFilter ipRateLimitFilter) {
FilterRegistrationBean<IpRateLimitFilter> registration = new FilterRegistrationBean<>();
registration.setFilter(ipRateLimitFilter);
registration.addUrlPatterns("/*"); // 對所有請求進行限流
registration.setOrder(1);
return registration;
}
}5. 創(chuàng)建測試控制器:
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class TestController {
@GetMapping("/test")
public String test() {
return "Hello, this is a test API.";
}
}6. application.properties 配置:
# 限流配置 rate.limit.enabled=true rate.limit.permitsPerSecond=10 rate.limit.excludePatterns=/health,/metrics # 排除的URL
5.2 基于 ConcurrentHashMap 的 IP 限流
import org.springframework.http.HttpStatus;
import org.springframework.stereotype.Component;
import org.springframework.web.servlet.HandlerInterceptor;
import jakarta.servlet.http.HttpServletRequest;
import jakarta.servlet.http.HttpServletResponse;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.atomic.AtomicInteger;
@Component
public class IPRequestRateLimiter implements HandlerInterceptor {
private final int REQUEST_LIMIT = 10; // 每秒最大請求數(shù)
private final Map<String, AtomicInteger> requestCountsPerIP = new ConcurrentHashMap<>();
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
String ipAddress = request.getRemoteAddr();
// 1. 初始化計數(shù)器
requestCountsPerIP.computeIfAbsent(ipAddress, k -> new AtomicInteger(0));
// 2. 檢查請求是否超限
if (requestCountsPerIP.get(ipAddress).incrementAndGet() > REQUEST_LIMIT) {
response.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
response.getWriter().write("Too many requests from this IP. Please try again later.");
return false; // 阻止請求
}
return true; // 允許請求
}
@Override
public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
String ipAddress = request.getRemoteAddr();
// 3. 請求完成后,減少計數(shù)
requestCountsPerIP.get(ipAddress).decrementAndGet();
}
}注意: 此方式只是一個簡易的實現(xiàn),存在時間窗口不精準等問題,生產(chǎn)環(huán)境不建議使用.
5.3 測試
啟動 Spring Boot 項目,使用工具(如 Postman)模擬不同 IP 地址的請求。當某個 IP 的請求頻率超過配置的限制時,會收到 Too many requests from this IP. 的響應。
六、進階特性:提升 IP 限流的可靠性
- 動態(tài)調整限流規(guī)則: 可以根據(jù)系統(tǒng)負載情況動態(tài)調整
permitsPerSecond的值,實現(xiàn)更靈活的限流策略。可以通過 Spring Cloud Config 等配置中心實現(xiàn)動態(tài)更新。 - 黑名單和白名單: 支持黑名單和白名單 IP 地址,對特定的 IP 地址進行特殊處理。可以使用 Redis 等緩存存儲黑白名單,并定期更新。
- 監(jiān)控和告警: 集成監(jiān)控系統(tǒng)(如 Prometheus、Grafana),實時監(jiān)控 IP 限流的效果,并設置告警規(guī)則,及時發(fā)現(xiàn)異常情況。
- 分布式限流: 對于分布式系統(tǒng),需要使用分布式鎖或 Redis 等技術實現(xiàn)分布式限流,保證所有節(jié)點使用相同的限流規(guī)則。
- 更精細化的限流維度: 可以結合用戶 ID、API 接口等維度進行更精細化的限流,例如限制每個用戶每天可以訪問某個 API 接口的次數(shù)。
七、總結
在 Spring Boot 中實現(xiàn) IP 限流是一種簡單而有效的方式來保障系統(tǒng)的穩(wěn)定性和可用性。通過本文的詳細介紹和代碼案例,相信您已經(jīng)掌握了 IP 限流的基本原理和實現(xiàn)方式。在實際應用中,請根據(jù)您的具體需求選擇合適的限流算法和實現(xiàn)方式,并結合其他安全措施,構建更加健壯的系統(tǒng)。請記住,安全策略應該是全面的,限流只是其中一部分。
以上就是SpringBoot實現(xiàn)IP限流的示例代碼的詳細內容,更多關于SpringBoot IP限流的資料請關注腳本之家其它相關文章!
相關文章
Mybatis如何自動生成數(shù)據(jù)庫表的實體類
這篇文章主要介紹了Mybatis自動生成數(shù)據(jù)庫表的實體類的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-06-06
MyBatis Plus 實現(xiàn)多表分頁查詢功能的示例代碼
這篇文章主要介紹了MyBatis Plus 實現(xiàn)多表分頁查詢功能,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-08-08

