基于Memcache的速率限制算法？(令牌桶？)

Question

我正在寻找一种有效的方法来限制从Google App Engine到第三方服务的速率限制请求。第三方服务率限制了每个帐户的请求，而在Google App Engine方面，大多数工作都是在任务内部执行的。令牌桶在这里是一个很好的通用算法。

问:可以使用什么方法有效地限制每个帐户而不是每个服务的请求速率？

这不应该涉及设置GAE任务队列的速率，因为每个帐户的请求数量和服务的帐户数量将有很大差异。出于性能原因，我最感兴趣的是基于memcache的(incr/decr?)点子！

我认为这可以归结为基于memcache的令牌桶？

有什么想法？

Answer 1

不久前，我将这个项目保存为书签：http://code.google.com/p/gaedjango-ratelimitcache/

对你的具体问题不是一个真正的答案，但也许它可以帮助你开始。

Answer 2

我知道这是一个老生常谈的问题，但这是一个排名靠前的搜索结果，我想其他人可能会找到我做的有用的替代方案。它比上面的解决方案更细粒度(一直到第二个)、简单(只有一个函数)和性能(只有一次memcache查找)：

import webapp2
from functools import wraps
from google.appengine.api import memcache


def rate_limit(seconds_per_request=1):
  def rate_limiter(function):
    @wraps(function)
    def wrapper(self, *args, **kwargs):
      added = memcache.add('%s:%s' % (self.__class__.__name__, self.request.remote_addr or ''), 1,
                           time=seconds_per_request, namespace='rate_limiting')
      if not added:
        self.response.write('Rate limit exceeded.')
        self.response.set_status(429)
        return
      return function(self, *args, **kwargs)
    return wrapper
  return rate_limiter


class ExampleHandler(webapp2.RequestHandler):
  @rate_limit(seconds_per_request=2)
  def get(self):
    self.response.write('Hello, webapp2!')

Answer 3

下面是我如何在GAE上使用memcache实现令牌存储桶：

编辑:对此进行(另一个)尝试。

这部分是从https://github.com/simonw/ratelimitcache/blob/master/ratelimitcache.py借用的

def throttle(key, rate_count, rate_seconds, tries=3):
    '''
    returns True if throttled (not enough tokens available) else False
    implements token bucket algorithm
    '''
    client = memcache.Client(CLIENT_ARGS)
    for _ in range(tries):
        now = int(time.time())
        keys = ['%s-%s' % (key, str(now-i)) for i in range(rate_seconds)]
        client.add(keys[0], 0, time=rate_seconds+1)
        tokens = client.get_multi(keys[1:])
        tokens[keys[0]] = client.gets(keys[0])
        if sum(tokens.values()) >= rate_count:
            return True
        if client.cas(keys[0], tokens[keys[0]] + 1, time=rate_seconds+1) != 0:
            return False
    logging.error('cache contention error')
    return True

以下是使用示例：

def test_that_it_throttles_too_many_requests(self):
    burst = 1
    interval = 1
    assert shared.rate_limit.throttle('test', burst, interval) is False
    assert shared.rate_limit.throttle('test', burst, interval) is True


def test_that_it_doesnt_throttle_burst_of_requests(self):
    burst = 16
    interval = 1
    for i in range(burst):
        assert shared.rate_limit.throttle('test', burst, interval) is False
    time.sleep(interval + 1) # memcache has 1 second granularity
    for i in range(burst):
        assert shared.rate_limit.throttle('test', burst, interval) is False