在上一篇文章中，博主带领大家一起深入了解 ConcurrencyLimiter 这个中间件，正当我得意洋洋地向 Catcher Wong 大佬吹嘘这一点小收获时，大佬一脸嫌弃地说，一个单机版的方案有什么好得意的啊。大佬言下之意，显然是指，这个中间件在分布式环境中毫无用武之地。其实，你只需要稍微想一下，就能想明白这个问题。毕竟，它只是通过SeamphoreSlim控制线程数量而已，一旦放到分布式环境中，这个并发控制就被大大地削弱。所以，在今天这篇文章中，博主会带领大家一起“探案” ASP.NET Core 中的限流中间件 AspNetCoreRateLimite，希望大家可以从中感悟到不一样的东西。对我而言，这可能是人到中年的焦虑感所催生出来的一种源动力，同时亦是为了不让那些订阅专栏的同学失望。
关于“限流”这个话题，我个人以为，它可以引申出非常多的东西，譬如“熔断”和“限流”，其实可以看作是同一类问题的“一体两面”。最早接触熔断，是源于 Spring Cloud 中的 Hystrix，它其实是指当服务不可用的时候，客户端应该采取什么样的措施去应对，实际使用中我们可能会考虑重试、超时、降级等策略。相应地，当服务端在面对来自客户端的异常流量时，就产生了“限流”这个概念，“限流”可以是线程隔离**(线程数 + 队列大小限制)，可以是信号量隔离(设置最大并发请求数目)，可以是限制QPS。这里，我们讨论的主要是第三种，而实现限流的常见算法主要有计数器算法、漏桶算法和令牌桶算法。这里，AspNetCoreRateLimit 这个中间件，则主要使用了计数器算法，并配合 IMemoryCache 和 IDistributedCache 分别实现了基于内存和基于分布式缓存的持久化逻辑。
源代码解读
首先，使用者通过配置定义了一个或者多个规则，这些规则决定了每个客户端在访问特定终结点时，一段时间内可以访问的最大次数。 RateLimitMiddleware 通过注入的IRateLimitProcessor 来匹配规则，然后依次判断每个规则是否达到了限流条件。一旦达到限流条件，中间件会改变 HTTP 响应的状态码、响应头、返回值，告知使用者已达到最大调用次数。而针对每一种 IRateLimitProcessor ，主要通过ProcessRequestAsync() 方法来实现计数，如果上一次的请求对应的时间戳 + 规则中时间间隔 >= 当前时间，则说明请求没有过期，此时，就需要给这个计数增加1。好了，现在我们来针对 AspNetCoreRateLimit 中的核心部件逐个进行解读。
RateLimitProcessor
RateLimitProcessor，是一个抽象类，实现了IRateLimitProcessor接口，公开的方法有 3 个：ProcessRequestAsync()、IsWhitelisted() 和 GetRateLimitHeaders()。在此基础上，派生出ClientRateLimitProcessor和IpRateLimitProcessor两个子类。两者最大的不同在于，其所依赖的Store不同，前者为IClientPolicyStore，后者IIpPolicyStore，它们都实现了同一个接口IRateLimitStore：
public interface IRateLimitStore<T>
{
Task<bool> ExistsAsync(string id, CancellationToken cancellationToken = default);
Task<T> GetAsync(string id, CancellationToken cancellationToken = default);
Task RemoveAsync(string id, CancellationToken cancellationToken = default);
Task SetAsync(string id, T entry, TimeSpan? expirationTime = null,
CancellationToken cancellationToken = default
);
}
可以注意到，这些都是典型的基于键-值的存储，所以，不管是基于内存的IMemeryCache，还是基于分布式缓存的IDistributedCache，都可以做到无缝切换。不同的Processor，本质上是它们生成缓存键的方式不同，例如，IpRateLimitProcessor是用一个前缀来表示一组IP，而ClientRateLimitProcessor则是用通过客户端前缀和客户端Id来作为区分：
// src/AspNetCoreRateLimit/Core/IpRateLimitProcessor.cs
public async Task<IEnumerable<RateLimitRule>> GetMatchingRulesAsync(
ClientRequestIdentity identity,
CancellationToken cancellationToken = default
)
{
var policies = await _policyStore.GetAsync(
$"{_options.IpPolicyPrefix}",
cancellationToken
);
var rules = new List<RateLimitRule>();
if (policies?.IpRules?.Any() == true)
{
// search for rules with IP intervals containing client IP
var matchPolicies = policies.IpRules
.Where(r => IpParser.ContainsIp(r.Ip, identity.ClientIp));
foreach (var item in matchPolicies)
{
rules.AddRange(item.Rules);
}
}
return GetMatchingRules(identity, rules);
}
// src/AspNetCoreRateLimit/Core/ClientRateLimitProcessor.cs
public async Task<IEnumerable<RateLimitRule>> GetMatchingRulesAsync(
ClientRequestIdentity identity,
CancellationToken cancellationToken = default
)
{
var policy = await _policyStore.GetAsync(
$"{_options.ClientPolicyPrefix}_{identity.ClientId}",
cancellationToken
);
return GetMatchingRules(identity, policy?.Rules);
}
对于RateLimitProcessor而言，其实现思路是，通过CounterKeyBuilder及其子类来生成计数器标识(CounterId)，然后再通过AsyncKeyLock来实现计数，最终通过IRateLimitCounterStore来实现存储：
public virtual async Task<RateLimitCounter> ProcessRequestAsync(
ClientRequestIdentity requestIdentity,
RateLimitRule rule,
CancellationToken cancellationToken = default
)
{
var counter = new RateLimitCounter
{
Timestamp = DateTime.UtcNow,
Count = 1
};
// 生成CounterId
var counterId = BuildCounterKey(requestIdentity, rule);
// 基于AsyncLock的计数器
// serial reads and writes on same key
using (await AsyncLock.WriterLockAsync(counterId).ConfigureAwait(false))
{
var entry = await _counterStore.GetAsync(counterId, cancellationToken);
if (entry.HasValue)
{
// entry has not expired
if (entry.Value.Timestamp + rule.PeriodTimespan.Value >= DateTime.UtcNow)
{
// increment request count
var totalCount = entry.Value.Count + _config.RateIncrementer?.Invoke() ?? 1;
// deep copy
counter = new RateLimitCounter
{
Timestamp = entry.Value.Timestamp,
Count = totalCount
};
}
}
// 计数器存储
// stores: id (string) - timestamp (datetime) - total_requests (long)
await _counterStore.SetAsync(
counterId,
counter,
rule.PeriodTimespan.Value,
cancellationToken
);
}
return counter;
}
AsyncKeyLock
在分析RateLimitProcessor类的时候，我们提到了AsyncKeyLock。对于AsyncKeyLock的实现，我个人认为这是整个中间件的精华，因为这里出现了，和SeamphoreSlim一样经典的东西，这里用到了自旋锁SpinLock。我个人理解，SpinLock 约等于 Interlocked + 内核级别的while。这部分代码本身并不复杂，难就难在这样一个精妙的想法上面。其中，AsyncKeyLockDoorman 这个类的实现，应该是参考了微软的一篇博客—— Building Async Coordination Primitives, Part 7: AsyncReaderWriterLock，因为ReaderLockAsync()、WriterLockAsync()、ReaderRelease() 和 WriterRelease() 这 4 个关键方法完全一样。结合限流这个场景来看，它是典型的“多写”场景，因为如果是相同的请求，那么就会产生相同的计数器标识(CounterId)，所以，这个AsyncLockDoorman这个类所定义的上下文边界，其实是“一读多写”的问题，所以，我们可以注意到，它里面定义了一个“写”操作的队列_waitingWriters，一个“读操作”的_waitingReader：
public AsyncKeyLockDoorman(Action<AsyncKeyLockDoorman> reset)
{
// 多个写入者
_waitingWriters = new Queue<TaskCompletionSource<Releaser>>();
// 单个读取者
_waitingReader = new TaskCompletionSource<Releaser>();
_status = 0;
_readerReleaser = Task.FromResult(new Releaser(this, false));
_writerReleaser = Task.FromResult(new Releaser(this, true));
_reset = reset;
}
对于“写”操作而言，当一个新的写入者希望进来的时候，如果此时锁没有被别人占用，那么这个新的写入者会获得这个锁，状态值m_status会被修改为-1。反之，如果此时这个锁已经被别人占用了，那么这个新的写入者将会进入等待队列。
public Task<Releaser> WriterLockAsync()
{
lock (_waitingWriters)
{
if (_status == 0)
{
_status = -1;
return _writerReleaser;
}
else
{
var waiter = new TaskCompletionSource<Releaser>();
_waitingWriters.Enqueue(waiter);
return waiter.Task;
}
}
}
对于“读”操作而言，我们来思考这样一个问题，什么时候“读”操作会被允许呢？答案是这一时刻没有写入者正在“写”或者“等”，因为如果不这样的话，就会发生我们平常所说的“脏读”，所以，这种情况下，就必须强迫“读取者”去等待写入者“空闲”下来。此时，不难理解ReadLockAsync()的实现：
public Task<Releaser> ReaderLockAsync()
{
lock (_waitingWriters)
{
if (_status >= 0 && _waitingWriters.Count == 0)
{
++_status;
return _readerReleaser;
}
else
{
++_readersWaiting;
return _waitingReader.Task.ContinueWith(t => t.Result);
}
}
}
现在，让我们把视线拉回到AsyncKeyLock，它负责维护一组AsyncKeyLockDoorman，其内部部通过一个字典来维护CounterId和AsyncKeyLockDoorman间的关系。与此同时，为了减少创建·AsyncKeyLockDoorman·带来的性能损耗，它使用一个栈来存储AsyncKeyLockDoorman。每次获取AsyncKeyLockDoorman的过程，本质上就是为指定的Key分配AsyncKeyLockDoorman的过程，同时会更新其引用数RefCount。相应地，释放AsyncKeyLockDoorman的过程，本质上就是减少其引用数RefCount，从字典中移除指定Key，“归还”对象池的过程：
// GetDoorman()
private static AsyncKeyLockDoorman GetDoorman(string key)
{
AsyncKeyLockDoorman doorman;
bool lockTaken = false;
try
{
_spinLock.Enter(ref lockTaken);
if (!Keys.TryGetValue(key, out doorman))
{
doorman = (Pool.Count > 0) ? Pool.Pop() :
new AsyncKeyLockDoorman(ReleaseDoorman);
doorman.Key = key;
Keys.Add(key, doorman);
}
doorman.RefCount++;
}
finally
{
if (lockTaken)
{
_spinLock.Exit();
}
}
return doorman;
}
// ReleaseDoorman()
private static void ReleaseDoorman(AsyncKeyLockDoorman doorman)
{
bool lockTaken = false;
try
{
_spinLock.Enter(ref lockTaken);
if (--doorman.RefCount == 0)
{
Keys.Remove(doorman.Key);
if (Pool.Count < MaxPoolSize)
{
doorman.Key = null;
Pool.Push(doorman);
}
}
}
finally
{
if (lockTaken)
{
_spinLock.Exit();
}
}
}
RateLimitMiddleware
OK，到这里，我们再回过头去看源代码解读这里的内容，大概就可以串起来整合中间件的调用链路，Middleware->RateLimteProcessor->AsyncKeyLock->AsyncKeyLockDoorman，坦白来讲，我一直没能想明白为什么要用SpinLock？难道仅仅是为了减少等待时间、提高性能吗？经过精简，我们发现，整个中间件的Invoke()方法，大致要经历下面几个阶段：
public async Task Invoke(HttpContext context)
{
// 检查限流是否启用
if (_options == null)
{
await _next.Invoke(context);
return;
}
// 获取用户身份
var identity = await ResolveIdentityAsync(context);
// 检查白名单
if (_processor.IsWhitelisted(identity))
{
await _next.Invoke(context);
return;
}
//获取限流规则
var rulesDict = new Dictionary<RateLimitRule, RateLimitCounter>();
var rules = await _processor.GetMatchingRulesAsync(
identity,
context.RequestAborted
);
foreach (var rule in rules)
{
// 获取计数器数目
var rateLimitCounter = await _processor.ProcessRequestAsync(
identity,
rule,
context.RequestAborted
);
if (rule.Limit > 0)
{
// 请求未过期
if (rateLimitCounter.Timestamp + rule.PeriodTimespan.Value < DateTime.UtcNow)
{
continue;
}
// 请求过期
if (rateLimitCounter.Count > rule.Limit)
{
// 各种记日志，告诉调用者多长时间后再重试
var retryAfter = rateLimitCounter.Timestamp.RetryAfterFrom(rule);
// ...
// 中止请求
await ReturnQuotaExceededResponse(context, rule, retryAfter);
return;
}
}
else
{
// Limit <= 0, 相当于直接不允许放行，中止请求
await ReturnQuotaExceededResponse(
context,
rule,
int.MaxValue.ToString(System.Globalization.CultureInfo.InvariantCulture)
);
}
// ...
}
// 设置X-Rate-Limit头
// ...
await _next.Invoke(context);
}
本文小结
作为 并发限制 这一篇的“姊妹篇”，这一篇的难度相对上一篇堪称“高山仰止”，主要的难点是 SpinLock 、“一读多写”的异步读写锁 AsyncKeyLock 以及 AsyncKeyLockDoorman 。如果大家感兴趣的话，可以去搜索一下 AsyncKeyLock 这个关键字，大家就会发现在好多开源项目 中都能找到类似的代码片段，莫非这是某种神奇的算法吗？阅读源代码，其实是一个无法“立竿见影”的学习方法，有时候我们要通过叙述或者表达来输出我们对待一件事物的看法。这是因为，我们自以为是的“学会”和真正的“学会”，这两者间可能千差万别，就像我最近在用 ABP vNext 搭建一个小项目，阅读文档的时候，眼睛觉得它“学会”了，而实际需要需要扩展或者替换 ABP 的实体/服务的时候。我的手会告诉我，它真的“不会”。做一个知难行易的“调包”侠也许会非常容易，可正因为如此，你要凸显自我就会非常困难。世上的事情，“夫夷以近，则游者众；险以远，则至者少。而世之奇伟、瑰怪，非常之观，常在于险远，而人之所罕至焉，故非有志者不能至也”，哪怕就是增长一下见识呢，你说对吧……