上一节课，我们介绍了如何通过合理的设计，来实现功能性需求的同时，满足易用、易扩展、灵活、低延迟、高容错等非功能性需求。在设计的过程中，我们也借鉴了之前讲过的一些开源项目的设计思想。比如，我们借鉴了 Spring 的低侵入松耦合、约定优于配置等设计思想，还借鉴了 MyBatis 通过 MyBatis-Spring 类库将框架的易用性做到极致等设计思路。

今天，我们讲解这样一个问题，针对限流框架的开发，如何做高质量的代码实现。说的具体点就是，如何利用之前讲过的设计思想、原则、模式、编码规范、重构技巧等，写出易读、易扩展、易维护、灵活、简洁、可复用、易测试的代码。

话不多少，让我们正式开始今天的学习吧！

V1 版本功能需求

我们前面提到，优秀的代码是重构出来的，复杂的代码是慢慢堆砌出来的。小步快跑、逐步迭代是我比较推崇的开发模式。所以，针对限流框架，我们也不用想一下子就做得大而全。况且，在专栏有限的篇幅内，我们也不可能将一个大而全的代码阐述清楚。所以，我们可以先实现一个包含核心功能、基本功能的 V1 版本。

针对上两节课中给出的需求和设计，我们重新梳理一下，看看有哪些功能要放到 V1 版本中实现。

在 V1 版本中，对于接口类型，我们只支持 HTTP 接口（也就 URL）的限流，暂时不支持 RPC 等其他类型的接口限流。对于限流规则，我们只支持本地文件配置，配置文件格式只支持 YAML。对于限流算法，我们只支持固定时间窗口算法。对于限流模式，我们只支持单机限流。

尽管功能“裁剪”之后，V1 版本实现起来简单多了，但在编程开发的同时，我们还是要考虑代码的扩展性，预留好扩展点。这样，在接下来的新版本开发中，我们才能够轻松地扩展新的限流算法、限流模式、限流规则格式和数据源。

最小原型代码

上节课我们讲到，项目实战中的实现等于面向对象设计加实现。而面向对象设计与实现一般可以分为四个步骤：划分职责识别类、定义属性和方法、定义类之间的交互关系、组装类并提供执行入口。在第 14 讲中，我还带你用这个方法，设计和实现了一个接口鉴权框架。如果你印象不深刻了，可以回过头去再看下。

不过，我们前面也讲到，在平时的工作中，大部分程序员都是边写代码边做设计，边思考边重构，并不会严格地按照步骤，先做完类的设计再去写代码。而且，如果想一下子就把类设计得很好、很合理，也是比较难的。过度追求完美主义，只会导致迟迟下不了手，连第一行代码也敲不出来。所以，我的习惯是，先完全不考虑设计和代码质量，先把功能完成，先把基本的流程走通，哪怕所有的代码都写在一个类中也无所谓。然后，我们再针对这个 MVP 代码（最小原型代码）做优化重构，比如，将代码中比较独立的代码块抽离出来，定义成独立的类或函数。

我们按照先写 MVP 代码的思路，把代码实现出来。它的目录结构如下所示。代码非常简单，只包含 5 个类，接下来，我们针对每个类一一讲解一下。

com.xzg.ratelimiter
–RateLimiter
com.xzg.ratelimiter.rule
–ApiLimit
–RuleConfig
–RateLimitRule
com.xzg.ratelimiter.alg
–RateLimitAlg

**我们先来看下 RateLimiter 类。**代码如下所示：

public class RateLimiter {
private static final Logger log = LoggerFactory.getLogger(RateLimiter.class);
// 为每个 api 在内存中存储限流计数器
private ConcurrentHashMap<String, RateLimitAlg> counters = new ConcurrentHashMap<>();
private RateLimitRule rule;

public RateLimiter() {
// 将限流规则配置文件 ratelimiter-rule.yaml 中的内容读取到 RuleConfig 中
InputStream in = null;
RuleConfig ruleConfig = null;
try {
in = this.getClass().getResourceAsStream("/ratelimiter-rule.yaml");
if (in != null) {
Yaml yaml = new Yaml();
ruleConfig = yaml.loadAs(in, RuleConfig.class);
}
} finally {
if (in != null) {
try {
in.close();
} catch (IOException e) {
log.error(“close file error:{}”, e);
}
}
}

// 将限流规则构建成支持快速查找的数据结构 RateLimitRule  
this.rule = new RateLimitRule(ruleConfig);

}

public boolean limit(String appId, String url) throws InternalErrorException {
ApiLimit apiLimit = rule.getLimit(appId, url);
if (apiLimit == null) {
return true;
}

// 获取 api 对应在内存中的限流计数器（rateLimitCounter）  
String counterKey = appId + ":" + apiLimit.getApi();  
RateLimitAlg rateLimitCounter = counters.get(counterKey);  
if (rateLimitCounter == null) {  
  RateLimitAlg newRateLimitCounter = new RateLimitAlg(apiLimit.getLimit());  
  rateLimitCounter = counters.putIfAbsent(counterKey, newRateLimitCounter);  
  if (rateLimitCounter == null) {  
    rateLimitCounter = newRateLimitCounter;  
  }  
}  

// 判断是否限流  
return rateLimitCounter.tryAcquire();

}
}

RateLimiter 类用来串联整个限流流程。它先读取限流规则配置文件，映射为内存中的 Java 对象（RuleConfig），然后再将这个中间结构构建成一个支持快速查询的数据结构（RateLimitRule）。除此之外，这个类还提供供用户直接使用的最顶层接口（limit() 接口）。

**我们再来看下 RuleConfig 和 ApiLimit 两个类。**代码如下所示：

public class RuleConfig {
private List configs;

public List getConfigs() {
return configs;
}

public void setConfigs(List configs) {
this.configs = configs;
}

public static class AppRuleConfig {
private String appId;
private List limits;

public AppRuleConfig() {}  

public AppRuleConfig(String appId, List<ApiLimit> limits) {  
  this.appId = appId;  
  this.limits = limits;  
}  
//...省略 getter、setter 方法...

}
}

public class ApiLimit {
private static final int DEFAULT_TIME_UNIT = 1; // 1 second
private String api;
private int limit;
private int unit = DEFAULT_TIME_UNIT;

public ApiLimit() {}

public ApiLimit(String api, int limit) {
this(api, limit, DEFAULT_TIME_UNIT);
}

public ApiLimit(String api, int limit, int unit) {
this.api = api;
this.limit = limit;
this.unit = unit;
}
// …省略 getter、setter 方法…
}

从代码中，我们可以看出来，RuleConfig 类嵌套了另外两个类 AppRuleConfig 和 ApiLimit。这三个类跟配置文件的三层嵌套结构完全对应。我把对应关系标注在了下面的示例中，你可以对照着代码看下。

configs:

  • appId: app-1
    limits:
    • api: /v1/user
      limit: 100
      unit：60
    • api: /v1/order
      limit: 50
  • appId: app-2
    limits:
    • api: /v1/user
      limit: 50
    • api: /v1/order
      limit: 50

我们再来看下 RateLimitRule 这个类。

你可能会好奇，有了 RuleConfig 来存储限流规则，为什么还要 RateLimitRule 类呢？这是因为，限流过程中会频繁地查询接口对应的限流规则，为了尽可能地提高查询速度，我们需要将限流规则组织成一种支持按照 URL 快速查询的数据结构。考虑到 URL 的重复度比较高，且需要按照前缀来匹配，我们这里选择使用 Trie 树这种数据结构。我举了个例子解释一下，如下图所示。左边的限流规则对应到 Trie 树，就是图中右边的样子。

RateLimitRule 的实现代码比较多，我就不在这里贴出来了，我只给出它的定义，如下所示。如果你感兴趣的话，可以自己实现一下，也可以参看我的另一个专栏《数据结构与算法之美》的第 55 讲。在那节课中，我们对各种接口匹配算法有非常详细的讲解。

public class RateLimitRule {
public RateLimitRule(RuleConfig ruleConfig) {
//…
}

public ApiLimit getLimit(String appId, String api) {
//…
}
}

最后，我们看下 RateLimitAlg 这个类。

这个类是限流算法实现类。它实现了最简单的固定时间窗口限流算法。每个接口都要在内存中对应一个 RateLimitAlg 对象，记录在当前时间窗口内已经被访问的次数。RateLimitAlg 类的代码如下所示。对于代码的算法逻辑，你可以看下上节课中对固定时间窗口限流算法的讲解。

public class RateLimitAlg {
/* timeout for {@code Lock.tryLock() }. */
private static final long TRY_LOCK_TIMEOUT = 200L; // 200ms.
private Stopwatch stopwatch;
private AtomicInteger currentCount = new AtomicInteger(0);
private final int limit;
private Lock lock = new ReentrantLock();

public RateLimitAlg(int limit) {
this(limit, Stopwatch.createStarted());
}

@VisibleForTesting
protected RateLimitAlg(int limit, Stopwatch stopwatch) {
this.limit = limit;
this.stopwatch = stopwatch;
}

public boolean tryAcquire() throws InternalErrorException {
int updatedCount = currentCount.incrementAndGet();
if (updatedCount <= limit) {
return true;
}

try {  
  if (lock.tryLock(TRY_LOCK_TIMEOUT, TimeUnit.MILLISECONDS)) {  
    try {  
      if (stopwatch.elapsed(TimeUnit.MILLISECONDS) > TimeUnit.SECONDS.toMillis(1)) {  
        currentCount.set(0);  
        stopwatch.reset();  
      }  
      updatedCount = currentCount.incrementAndGet();  
      return updatedCount <= limit;  
    } finally {  
      lock.unlock();  
    }  
  } else {  
    throw new InternalErrorException("tryAcquire() wait lock too long:" + TRY_LOCK_TIMEOUT + "ms");  
  }  
} catch (InterruptedException e) {  
  throw new InternalErrorException("tryAcquire() is interrupted by lock-time-out.", e);  
}

}
}

Review 最小原型代码

刚刚给出的 MVP 代码，虽然总共也就 200 多行，但已经实现了 V1 版本中规划的功能。不过，从代码质量的角度来看，它还有很多值得优化的地方。现在，我们现在站在一个 Code Reviewer 的角度，来分析一下这段代码的设计和实现。

结合 SOLID、DRY、KISS、LOD、基于接口而非实现编程、高内聚松耦合等经典的设计思想和原则，以及编码规范，我们从代码质量评判标准的角度重点剖析一下，这段代码在可读性、扩展性等方面的表现。其他方面的表现，比如复用性、可测试性等，这些你可以比葫芦画瓢，自己来进行分析。

首先，我们来看下代码的可读性。

影响代码可读性的因素有很多。我们重点关注目录设计（package 包）是否合理、模块划分是否清晰、代码结构是否高内聚低耦合，以及是否符合统一的编码规范这几点。

因为涉及的代码不多，目录结构前面也给出了，总体来说比较简单，所以目录设计、包的划分没有问题。

按照上节课中的模块划分，RuleConfig、ApiLimit、RateLimitRule 属于“限流规则”模块，负责限流规则的构建和查询。RateLimitAlg 属于“限流算法”模块，提供了基于内存的单机固定时间窗口限流算法。RateLimiter 类属于“集成使用”模块，作为最顶层类，组装其他类，提供执行入口（也就是调用入口）。不过，RateLimiter 类作为执行入口，我们希望它只负责组装工作，而不应该包含具体的业务逻辑，所以，RateLimiter 类中，从配置文件中读取限流规则这块逻辑，应该拆分出来设计成独立的类。

如果我们把类与类之间的依赖关系图画出来，你会发现，它们之间的依赖关系很简单，每个类的职责也比较单一，所以类的设计满足单一职责原则、LOD 迪米特法则、高内聚松耦合的要求。

从编码规范上来讲，没有超级大的类、函数、代码块。类、函数、变量的命名基本能达意，也符合最小惊奇原则。虽然，有些命名不能一眼就看出是干啥的，有些命名采用了缩写，比如 RateLimitAlg，但是我们起码能猜个八九不离十，结合注释（限于篇幅注释都没有写，并不代表不需要写），很容易理解和记忆。

总结一下，在最小原型代码中，目录设计、代码结构、模块划分、类的设计还算合理清晰，基本符合编码规范，代码的可读性不错！

其次，我们再来看下代码的扩展性。

实际上，这段代码最大的问题就是它的扩展性，也是我们最关注的，毕竟后续还有更多版本的迭代开发。编写可扩展代码，关键是要建立扩展意识。这就像下象棋，我们要多往前想几步，为以后做准备。在写代码的时候，我们要时刻思考，这段代码如果要扩展新的功能，那是否可以在尽量少改动代码的情况下完成，还是需要要大动干戈，推倒重写。

具体到 MVP 代码，不易扩展的最大原因是，没有遵循基于接口而非实现的编程思想，没有接口抽象意识。比如，RateLimitAlg 类只是实现了固定时间窗口限流算法，也没有提炼出更加抽象的算法接口。如果我们要替换其他限流算法，就要改动比较多的代码。其他类的设计也有同样的问题，比如 RateLimitRule。

除此之外，在 RateLimiter 类中，配置文件的名称、路径，是硬编码在代码中的。尽管我们说约定优于配置，但也要兼顾灵活性，能够让用户在需要的时候，自定义配置文件名称、路径。而且，配置文件的格式只支持 Yaml，之后扩展其他格式，需要对这部分代码做很大的改动。

重构最小原型代码

根据刚刚对 MVP 代码的剖析，我们发现，它的可读性没有太大问题，问题主要在于可扩展性。主要的修改点有两个，一个是将 RateLimiter 中的规则配置文件的读取解析逻辑拆出来，设计成独立的类，另一个是参照基于接口而非实现编程思想，对于 RateLimitRule、RateLimitAlg 类提炼抽象接口。

按照这个修改思路，我们对代码进行重构。重构之后的目录结构如下所示。我对每个类都稍微做了说明，你可以对比着重构前的目录结构来看。

// 重构前：
com.xzg.ratelimiter
–RateLimiter
com.xzg.ratelimiter.rule
–ApiLimit
–RuleConfig
–RateLimitRule
com.xzg.ratelimiter.alg
–RateLimitAlg

// 重构后：
com.xzg.ratelimiter
–RateLimiter(有所修改)
com.xzg.ratelimiter.rule
–ApiLimit(不变)
–RuleConfig(不变)
–RateLimitRule(抽象接口)
–TrieRateLimitRule(实现类，就是重构前的 RateLimitRule）
com.xzg.ratelimiter.rule.parser
–RuleConfigParser(抽象接口)
–YamlRuleConfigParser(Yaml 格式配置文件解析类)
–JsonRuleConfigParser(Json 格式配置文件解析类)
com.xzg.ratelimiter.rule.datasource
–RuleConfigSource(抽象接口)
–FileRuleConfigSource(基于本地文件的配置类)
com.xzg.ratelimiter.alg
–RateLimitAlg(抽象接口)
–FixedTimeWinRateLimitAlg(实现类，就是重构前的 RateLimitAlg)

其中，RateLimiter 类重构之后的代码如下所示。代码的改动集中在构造函数中，通过调用 RuleConfigSource 来实现了限流规则配置文件的加载。

public class RateLimiter {
private static final Logger log = LoggerFactory.getLogger(RateLimiter.class);
// 为每个 api 在内存中存储限流计数器
private ConcurrentHashMap<String, RateLimitAlg> counters = new ConcurrentHashMap<>();
private RateLimitRule rule;

public RateLimiter() {
//改动主要在这里：调用 RuleConfigSource 类来实现配置加载
RuleConfigSource configSource = new FileRuleConfigSource();
RuleConfig ruleConfig = configSource.load();
this.rule = new TrieRateLimitRule(ruleConfig);
}

public boolean limit(String appId, String url) throws InternalErrorException, InvalidUrlException {
//…代码不变…
}
}

我们再来看下，从 RateLimiter 中拆分出来的限流规则加载的逻辑，现在是如何设计的。这部分涉及的类主要是下面几个。我把关键代码也贴在了下面。其中，各个 Parser 和 RuleConfigSource 类的设计有点类似策略模式，如果要添加新的格式的解析，只需要实现对应的 Parser 类，并且添加到 FileRuleConfig 类的 PARSER_MAP 中就可以了。

com.xzg.ratelimiter.rule.parser
–RuleConfigParser(抽象接口)
–YamlRuleConfigParser(Yaml 格式配置文件解析类)
–JsonRuleConfigParser(Json 格式配置文件解析类)
com.xzg.ratelimiter.rule.datasource
–RuleConfigSource(抽象接口)
–FileRuleConfigSource(基于本地文件的配置类)

public interface RuleConfigParser {
RuleConfig parse(String configText);
RuleConfig parse(InputStream in);
}

public interface RuleConfigSource {
RuleConfig load();
}

public class FileRuleConfigSource implements RuleConfigSource {
private static final Logger log = LoggerFactory.getLogger(FileRuleConfigSource.class);

public static final String API_LIMIT_CONFIG_NAME = “ratelimiter-rule”;
public static final String YAML_EXTENSION = “yaml”;
public static final String YML_EXTENSION = “yml”;
public static final String JSON_EXTENSION = “json”;

private static final String[] SUPPORT_EXTENSIONS =
new String[] {YAML_EXTENSION, YML_EXTENSION, JSON_EXTENSION};
private static final Map<String, RuleConfigParser> PARSER_MAP = new HashMap<>();

static {
PARSER_MAP.put(YAML_EXTENSION, new YamlRuleConfigParser());
PARSER_MAP.put(YML_EXTENSION, new YamlRuleConfigParser());
PARSER_MAP.put(JSON_EXTENSION, new JsonRuleConfigParser());
}

@Override
public RuleConfig load() {
for (String extension : SUPPORT_EXTENSIONS) {
InputStream in = null;
try {
in = this.getClass().getResourceAsStream("/" + getFileNameByExt(extension));
if (in != null) {
RuleConfigParser parser = PARSER_MAP.get(extension);
return parser.parse(in);
}
} finally {
if (in != null) {
try {
in.close();
} catch (IOException e) {
log.error(“close file error:{}”, e);
}
}
}
}
return null;
}

private String getFileNameByExt(String extension) {
return API_LIMIT_CONFIG_NAME + “.” + extension;
}
}

重点回顾

好了，今天的内容到此就讲完了。我们一块来总结回顾一下，你需要重点掌握的内容。

优秀的代码是重构出来的，复杂的代码是慢慢堆砌出来的。小步快跑、逐步迭代是我比较推崇的开发模式。追求完美主义会让我们迟迟无法下手。所以，为了克服这个问题，一方面，我们可以规划多个小版本来开发，不断迭代优化；另一方面，在编程实现的过程中，我们可以先实现 MVP 代码，以此来优化重构。

如何对 MVP 代码优化重构呢？我们站在 Code Reviewer 的角度，结合 SOLID、DRY、KISS、LOD、基于接口而非实现编程、高内聚松耦合等经典的设计思想和原则，以及编码规范，从代码质量评判标准的角度，来剖析代码在可读性、扩展性、可维护性、灵活、简洁、复用性、可测试性等方面的表现，并且针对性地去优化不足。

课堂讨论

  1. 针对 MVP 代码，如果让你做 code review，你还能发现哪些问题？如果让你做重构，你还会做哪些修改和优化？
  2. 如何重构代码，支持自定义限流规则配置文件名和路径？如果你熟悉 Java，你可以去了解一下 Spring 的设计思路，看看如何借鉴到限流框架中来解决这个问题？

欢迎留言和我分享你的想法。如果有收获，也欢迎你把这篇文章分享给你的朋友。