- 利用机器学习,分析历史数据,生成预测模型,预测API Gateway的负载,提前修改流控阈值或降级服务,保证API Gateway负载平滑稳定 。
- 利用机器学习发现应加入黑名单的请求 。
- Case: API调用流 。
- 设计一种基于API调用流的动态流控策略 。
- 利用机器学习发现API调用流 。流控服务保存API调用关系 。
- 当系统负载较高时,当一个API请求达到阈值被限流后,对于相关联的同一层次和低层次的所有API请求,不再访问Redis获取实时数据和处理,而是直接延迟处理或拒绝 。
- 当API Gateway系统负载正常时,不启动该动态流控策略 。
- 通过这种方式,可在基本不影响API处理速度的前提下,降低API Gateway的负载和流控服务的负载 。
点击关注,第一时间了解华为云新鲜技术~
【详解ROMA Connect API 流控实现技术】
经验总结扩展阅读
- Go_Goroutine详解
- Go_Channel详解
- Docker | 容器数据卷详解
- MyBatis之ResultMap的association和collection标签详解
- Future详解
- Go的网络编程详解
- gorm中的关联操作详解
- Go中的闭包、递归
- liunx之expect操作详解
- 条件期望:Conditional Expectation 举例详解之入门之入门之草履虫都说听懂了