很早以前，在学习使用 Python 的deque容器时，我写了一篇文章python3 deque 双向队列创建与使用方法分析。最近需要压测线上服务的性能，又不愿意总是在 QA 那边排队，于是需要自己写一个压测用的客户端。其中一个核心需求就是要实现 QPS 限制。

于是，终究逃不开要在 C++ 中实现一个线程安全的频率限制器。

设计思路

所谓频率限制，就是要在一个时间段（inteval）中，限制操作的次数（limit）。这又可以引出两种强弱不同的表述：

• 强表述：在任意一个长度等于设定的时间段（interval）的滑动窗口中，频率限制器放行的操作次数（count）都不高于限制次数（limit）。
• 弱表述：在一组长度等于设定的时间段（interval）且紧密相连的固定窗口中，每一个窗口里频率限制器放行的操作次数（count）都不高于限制次数（limit）。

不难发现，强表述通过「滑动窗口」的方式，不仅限制了频率，还要求了操作在时间上的均匀性。前作的频率限制器，实际上对应了这里的强表述。但实际工程中，我们通常只需要实现弱表述的频率限制器就足够使用了。

对于弱表述，实现起来主要思路如下：

当操作计数（count）小于限制（limit）时直接放行；

单线程实现

在不考虑线程安全时，不难给出这样的实现。

struct ms_clock { using rep = std::chrono::milliseconds::rep; using period = std::chrono::milliseconds::period; using duration = std::chrono::duration<rep, period>; using time_point = std::chrono::time_point<ms_clock, duration>; static time_point now() noexcept { return time_point(std::chrono::duration_cast<duration>( std::chrono::steady_clock::now().time_since_epoch())); }};} // namespace __detailsclass RateLimiter { public: using clock = __details::ms_clock; // 1. private: const uint64_t limit_; const clock::duration interval_; const clock::rep interval_count_; mutable uint64_t count_{std::numeric_limits<uint64_t>::max()}; // 2.a. mutable clock::rep timestamp_{0}; // 2.b. public: constexpr RateLimiter(uint64_t limit, clock::duration interval) : limit_(limit), interval_(interval), interval_count_(interval_.count()) {} RateLimiter(const RateLimiter&) = delete; // 3.a. RateLimiter& operator=(const RateLimiter&) = delete; // 3.b. RateLimiter(RateLimiter&&) = delete; // 3.c. RateLimiter& operator=(RateLimiter&&) = delete; // 3.d. bool operator()() const; double qps() const { return 1000.0 * this->limit_ / this->interval_count_; }};bool RateLimiter::operator()() const { auto orig_count = this->count_++; if (orig_count < this->limit_) { // 4. return true; } else { auto ts = this->timestamp_; auto now = clock::now().time_since_epoch().count(); if (now - ts < this->interval_count_) { // 5. return false; } this->timestamp_ = now; this->count_ = 1; return true; }}

这里，

(1) 表明频率限制器使用单位为毫秒的时钟。在实际使用时，也可以按需改成微妙甚至纳秒。

(2) 使用mutable修饰内部状态count_和timestamp_。这是因为两个limit_和interval_相同的频率限制器，在逻辑上是等价的，但他们的内部状态却不一定相同。因此，为了让const成员函数能够修改内部状态（而不改变逻辑等价），我们要给内部状态数据成员加上mutable修饰。

(2.a) 处将count_设置为类型可表示的最大值是为了让

(4) 的判断失败，而对timestamp_进行初始化。

(2.b) 处将timestamp_设置为0则是基于同样的原因，让 (5) 的判断失败。

(2.a) 和 (2.b) 处通过巧妙的初值设计，将初始化状态与后续正常工作状态的逻辑统一了起来，而无须丑陋的判断。

(3) 禁止了对象的拷贝和移动。这是因为一个频率限制器应绑定一组操作，而不应由两组或更多组操作共享（对于拷贝的情形），或是中途失效（对于移动的情形）。

如此一来，函数调用运算符就忠实地实现了前述逻辑。

多线程改造

第一步改造

当有多线程同时调用RateLimiter::operator()时，显而易见，在count_和timestamp_上会产生竞争。我们有两种办法解决这个问题：要不然加锁，要不然把count_和timestamp_设为原子变量然后用原子操作解决问题。于是，对函数调用运算符，我们有如下第一步的改造。

class RateLimiter { // 其余保持不变 private: mutable std::atomic<uint64_t> count_{std::numeric_limits<uint64_t>::max()}; // 1.a. mutable std::atomic<clock::rep> timestamp_{0}; // 1.b. // 其余保持不变};bool RateLimiter::operator()() const { auto orig_count = this->count_.fetch_add(1UL); // 2. if (orig_count < this->limit_) { return true; } else { auto ts = this->timestamp_.load(); // 3. auto now = clock::now().time_since_epoch().count(); if (now - ts < this->interval_count_) { return false; } this->timestamp_.store(now); // 4. this->count_.store(1UL); // 5. return true; }}

这里，

• (1) 将count_和timestamp_声明为原子的，从而方便后续进行原子操作。
• (2) -- (5) 则将原有操作分别改为对应的原子操作。

这样看起来很完美，但其实是有 bug 的。我们重点关注 (4) 这里。(4) 的本意是更新timestamp_，以备下一次orig_count >= this->limit_时进行判断。准确设置这一timestamp是频率限制器正确工作的基石。但是，如果有两个（或更多）线程，同时走到了 (4)会发生什么？

• 因为原子操作的存在，两个线程会先后执行 (4)。于是timestamp_的值究竟是什么，我们完全不可预期。
• 此外，两个线程会先后执行 (5)，即原子地将count_置为1。但是你想，频率限制器先后放行了两次操作，但为什么count_是1呢？这是不是就「偷跑」了一次操作？

为此，我们要保证只有一个线程会真正设置timestamp_，而拒绝其他同样走到 (4) 位置的线程的操作，以避免其重复设置timestamp_以及错误地将count_再次置为1。

第二步改进

于是有以下改进。

bool RateLimiter::operator()() const { auto orig_count = this->count_.fetch_add(1UL); // 3. if (orig_count < this->limit_) { // 4. return true; } else { auto ts = this->timestamp_.load(); auto now = clock::now().time_since_epoch().count(); if (now - ts < this->interval_count_) { // 5. return false; } if (not this->timestamp_.compare_and_exchange_strong(ts, now)) { // 1. return false; } this->count_.store(1UL); // 2. return true; }}

这里，(1) 是一个 CAS 原子操作。它会原子地比较timestamp_和ts的值（Compare）：若他们相等，则将now的值写入timestamp_（Swap），并返回true；若他们不相等，则将timestamp_的值写入ts，并返回false。如果没有其他线程抢先修改timestamp_的值，那么 CAS 操作应该成功并返回true，继续执行后面的代码；否则，说明其他线程已经抢先修改了timestamp_，当前线程的操作被记入上一个周期而被频率限制器拒绝。

现在要考虑 (2)。如果执行完 (1) 之后立即立刻马上没有任何延迟地执行 (2)，那么当然一切大吉。但如果这时候当前线程被切出去，会发生什么？我们要分情况讨论。

如果ts == 0，也就是「当前线程」是频率限制器第一次修改timestamp_。于是，当前线程可能会在 (3) 处将count_（溢出地）自增为0，从而可能有其他线程通过 (4)。此时，当前线程在当前分片有可能应当被拒绝操作。为此，我们需要在 (1) 和 (2) 之间做额外的判断。

if (ts == 0) { auto orig_count = this->count.fetch_add(1UL); return (orig_count < this->limit_);}

如果ts != 0，也就是「当前线程」并非频率限制器第一次修改timestamp_。那么其他线程在 (4) 处必然判断失败，但在 (5) 处的判断可能成功，从而可能继续成功执行 (1)，从而接连两次执行 (2)。但这不影响正确性。因为通过 (5) 表明相对当前线程填入的timestamp_，已经由过了一个时间段（interval），而在这个时间段里，只有当前线程的一次操作会被接受。

第三次改进

由此，我们得到：

bool RateLimiter::operator()() const { auto orig_count = this->count_.fetch_add(1UL); if (orig_count < this->limit_) { return true; } else { auto ts = this->timestamp_.load(); auto now = clock::now().time_since_epoch().count(); if (now - ts < this->interval_count_) { return false; } if (not this->timestamp_.compare_and_exchange_strong(ts, now)) { return false; } if (ts == 0) { auto orig_count = this->count.fetch_add(1UL); return (orig_count < this->limit_); } this->count_.store(1UL); return true; }}

至此，我们的代码在逻辑上已经成立了，接下来要做一些性能方面的优化。

原子操作默认采用std::memory_order_seq_cst的内存模型。这是 C++ 中最严格的内存模型，它有两个保证：

• 程序指令和源码顺序一致；
• 所有线程的所有操作都有一致的顺序。

为了实现顺序一致性（sequential consistency），编译器会使用很多对抗编译器优化和 CPU 乱序执行（Out-of-Order Execution）的手段，因而性能较差。对于此处的count_，我们无需顺序一致性模型，只需要获取释放模型（Aquire-Release）模型就足够了。

第四次改进

于是有第四次改进：

bool RateLimiter::operator()() const { auto orig_count = this->count_.fetch_add(1UL, std::memory_order_acq_rel); if (orig_count < this->limit_) { return true; } else { auto ts = this->timestamp_.load(); auto now = clock::now().time_since_epoch().count(); if (now - ts < this->interval_count_) { return false; } if (not this->timestamp_.compare_and_exchange_strong(ts, now)) { return false; } if (ts == 0) { auto orig_count = this->count.fetch_add(1UL, std::memory_order_acq_rel); return (orig_count < this->limit_); } this->count_.store(1UL, std::memory_order_release); return true; }}

至此，我们就完整实现了一个频率限制器，可以愉快地开始拉 QPS 压测了！

总结

到此这篇关于在 C++ 中实现一个线程安全的频率限制器的文章就介绍到这了,更多相关在 C++ 中实现一个线程安全的频率限制器内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！