微服務：鑑權與限流#

微服務架構中，鑑權和限流是保障系統穩定運行的關鍵機制。

鑑權 (Authentication)#

場景#

不同應用對同一服務的不同介面有不同的訪問權限。

應用 A → 可訪問 /user/info, /user/login
應用 B → 可訪問 /user/info
應用 C → 可訪問 /user/register

實作策略#

根據匹配模式選擇不同的資料結構：

精確匹配#

將規則存入有序陣列，使用二分查找：

規則：["/user/info", "/user/login", "/user/register"]
請求："/user/login"
→ 二分查找 → 匹配成功

時間複雜度：O(log n)

前缀匹配#

使用 Trie 樹，節點存儲 URL 子目錄：

        root
         |
       user
      /    \
   info    login

將子節點組織成有序陣列，可用二分查找加速子節點定位。

模糊匹配#

規則包含通配符（* 匹配單層，** 匹配多層）：

規則：/user/**/info
匹配：/user/123/info, /user/abc/def/info

策略：

1. 無通配符規則 → 有序陣列或 Trie
2. 有通配符規則 → 陣列 + 回溯演算法

先查無通配符規則，不匹配再查有通配符規則。

限流 (Rate Limiting)#

固定時間窗口#

|-------- 1s --------|-------- 1s --------|
   計數: 0...100          計數: 0...
         ↓                     ↓
      達到限制              重新計數

問題：無法處理臨界時刻的突發流量

第 1 秒末 10ms：100 次請求 ✓
第 2 秒初 10ms：100 次請求 ✓

滑動時間窗口#

維護一個迴圈佇列，記錄每個請求的時間戳：

// 限制 K 次/秒
CircularQueue queue = new CircularQueue(K + 1);

boolean allowRequest(long timestamp) {
    // 移除超過 1 秒的舊請求
    while (!queue.isEmpty() &&
           timestamp - queue.peek() > 1000) {
        queue.dequeue();
    }

    // 檢查是否還有空間
    if (queue.size() < K) {
        queue.enqueue(timestamp);
        return true;
    }
    return false;
}

優點：保證任意 1 秒窗口內不超過限制

滑動窗口仍無法限制更細粒度的突發（如 10ms 內的集中請求）。如需更平滑的流量控制，可使用令牌桶或漏桶演算法。

其他限流演算法#

資料結構總結#

實踐建議#

基礎架構工程師必須精通資料結構和演算法，才能開發出性能卓越的中間件。

1. 根據匹配模式選擇合適的資料結構
2. 優先使用簡單方案，複雜方案按需引入
3. 考慮實際場景的性能需求