Java分布式IP限流和防止恶意IP攻击方案

2019/04/10 10:10
阅读数 10

前言

限流是分布式系统设计中经常提到的概念,在某些要求不严格的场景下,使用Guava RateLimiter就可以满足。但是Guava RateLimiter只能应用于单进程,多进程间协同控制便无能为力。本文介绍一种简单的处理方式,用于分布式环境下接口调用频次管控。

如何防止恶意IP攻击某些暴露的接口呢(比如某些场景下短信验证码服务)?本文介绍一种本地缓存和分布式缓存集成方式判断远程IP是否为恶意调用接口的IP。

分布式IP限流

思路是使用redis incr命令,完成一段时间内接口请求次数的统计,以此来完成限流相关逻辑。

private static final String LIMIT_LUA =
    "local my_limit = redis.call('incr', KEYS[1])\n" +
            " if tonumber(my_limit) == 1 then\n" +
            "   redis.call('expire', KEYS[1], ARGV[1])\n" +
            "   return 1\n" +
            " elseif tonumber(my_limit) > tonumber(ARGV[2]) then\n" +
            "   return 0\n" +
            " else\n" +
            "   return 1\n" +
            " end\n";

这里为啥时候用lua脚本来实现呢?因为要保证incr命令和expire命令的原子性操作。KEYS[1]代表自增key值, ARGV[1]代表过期时间,ARGV[2]代表最大频次,明白了这些参数的含义,整个lua脚本逻辑也就不言而喻了。

/**
 * @param limitKey 限制Key值
 * @param maxRate  最大速率
 * @param expire   Key过期时间
 */
public boolean access(String limitKey, int maxRate, int expire) {
    if (StringUtils.isBlank(limitKey)) {
        return true;
    }

    String cacheKey = LIMIT_KEY_PREFIX + limitKey;

    return REDIS_SUCCESS_STATUS.equals(
            this.cacheService.eval(
                    LIMIT_LUA
                    , Arrays.asList(cacheKey)
                    , Arrays.asList(String.valueOf(expire), String.valueOf(maxRate))
            ).toString()
    );
}

public void unlimit(String limitKey) {
    if (StringUtils.isBlank(limitKey)) {
        return;
    }
    String cacheKey = LIMIT_KEY_PREFIX + limitKey;
    this.cacheService.decr(cacheKey);
}

access方法用来判断 limitKey 是否超过了最大访问频次。缓存服务对象(cacheService)的eval方法参数分别是lua脚本、key list、value list。

unlimit方法其实就是执行redis decr操作,在某些业务场景可以回退访问频次统计。

防止恶意IP攻击

由于某些对外暴露的接口很容易被恶意用户攻击,必须做好防范措施。最近我就遇到了这么一种情况,我们一个快应用产品,短信验证码服务被恶意调用了。通过后台的日志发现,IP固定,接口调用时间间隔固定,明显是被人利用了。虽然我们针对每个手机号每天发送短信验证码的次数限制在5次以内。但是短信验证码服务每天这样被重复调用,会打扰用户并产生投诉。针对这种现象,简单的做了一个方案,可以自动识别恶意攻击的IP并加入黑名单。

思路是这样的,针对某些业务场景,约定在一段时间内同一个IP访问最大频次,如果超过了这个最大频次,那么就认为是非法IP。识别了非法IP后,把IP同时放入本地缓存和分布式缓存中。非法IP再次访问的时候,拦截器发现本地缓存(没有则去分布式缓存)有记录这个IP,直接返回异常状态,不会继续执行正常业务逻辑。

Guava本地缓存集成Redis分布式缓存

public abstract class AbstractCombineCache<K, V> {
    private static Logger LOGGER = LoggerFactory.getLogger(AbstractCombineCache.class);

    protected Cache<K, V> localCache;

    protected ICacheService cacheService;

    public AbstractCombineCache(Cache<K, V> localCache, ICacheService cacheService) {
        this.localCache = localCache;
        this.cacheService = cacheService;
    }

    public Cache<K, V> getLocalCache() {
        return localCache;
    }

    public ICacheService getCacheService() {
        return cacheService;
    }

    public V get(K key) {
       //只有LoadingCache对象才有get方法,如果本地缓存不存在key值, 会执行CacheLoader的load方法,从分布式缓存中加载。
        if (localCache instanceof LoadingCache) {
            try {
                return ((LoadingCache<K, V>) localCache).get(key);
            } catch (ExecutionException e) {
                LOGGER.error(String.format("cache key=%s loading error...", key), e);
                return null;
            } catch (CacheLoader.InvalidCacheLoadException e) {
                //分布式缓存中不存在这个key
                LOGGER.error(String.format("cache key=%s loading fail...", key));
                return null;
            }
        } else {
            return localCache.getIfPresent(key);
        }
    }

    public void put(K key, V value, int expire) {
        this.localCache.put(key, value);
        String cacheKey = key instanceof String ? (String) key : key.toString();
        if (value instanceof String) {
            this.cacheService.setex(cacheKey, (String) value, expire);
        } else {
            this.cacheService.setexObject(cacheKey, value, expire);
        }
    }
}

AbstractCombineCache这个抽象类封装了guava本地缓存和redis分布式缓存操作,可以降低分布式缓存压力。

防止恶意IP攻击缓存服务

public class IPBlackCache extends AbstractCombineCache<String, Object> {
    private static Logger LOGGER = LoggerFactory.getLogger(IPBlackCache.class);

    private static final String IP_BLACK_KEY_PREFIX = "wmhipblack_";

    private static final String REDIS_SUCCESS_STATUS = "1";

    private static final String IP_RATE_LUA =
            "local ip_rate = redis.call('incr', KEYS[1])\n" +
                    " if tonumber(ip_rate) == 1 then\n" +
                    "   redis.call('expire', KEYS[1], ARGV[1])\n" +
                    "   return 1\n" +
                    " elseif tonumber(ip_rate) > tonumber(ARGV[2]) then\n" +
                    "   return 0\n" +
                    " else\n" +
                    "   return 1\n" +
                    " end\n";

    public IPBlackCache(Cache<String, Object> localCache, ICacheService cacheService) {
        super(localCache, cacheService);
    }

    /**
     * @param ipKey   IP
     * @param maxRate 最大速率
     * @param expire  过期时间
     */
    public boolean ipAccess(String ipKey, int maxRate, int expire) {
        if (StringUtils.isBlank(ipKey)) {
            return true;
        }

        String cacheKey = IP_BLACK_KEY_PREFIX + ipKey;

        return REDIS_SUCCESS_STATUS.equals(
                this.cacheService.eval(
                        IP_RATE_LUA
                        , Arrays.asList(cacheKey)
                        , Arrays.asList(String.valueOf(expire), String.valueOf(maxRate))
                ).toString()
        );
    }

    /**
     * @param ipKey IP
     */
    public void removeIpAccess(String ipKey) {
        if (StringUtils.isBlank(ipKey)) {
            return;
        }
        String cacheKey = IP_BLACK_KEY_PREFIX + ipKey;
        try {
            this.cacheService.del(cacheKey);
        } catch (Exception e) {
            LOGGER.error(String.format("%s, ip access remove error...", ipKey), e);
        }
    }
}

没有错,IP_RATE_LUA 这个lua脚本和上面说的限流方案对应的lua脚本是一样的。

IPBlackCache继承了AbstractCombineCache,构造函数需要guava的本地Cache对象和redis分布式缓存服务ICacheService 对象。

ipAccess方法用来判断当前ip访问次数是否在一定时间内已经达到了最大访问频次。

removeIpAccess方法是直接移除当前ip访问频次统计的key值。

防止恶意IP攻击缓存配置类

@Configuration
public class IPBlackCacheConfig {
    private static final String IPBLACK_LOCAL_CACHE_NAME = "ip-black-cache";
    private static Logger LOGGER = LoggerFactory.getLogger(IPBlackCacheConfig.class);

    @Autowired
    private LimitConstants limitConstants;

    @Bean
    public IPBlackCache ipBlackCache(@Autowired ICacheService cacheService) {
        GuavaCacheBuilder cacheBuilder = new GuavaCacheBuilder<String, Object>(IPBLACK_LOCAL_CACHE_NAME);
        cacheBuilder.setCacheBuilder(
                CacheBuilder.newBuilder()
                        .initialCapacity(100)
                        .maximumSize(10000)
                        .concurrencyLevel(10)
                        .expireAfterWrite(limitConstants.getIpBlackExpire(), TimeUnit.SECONDS)
                        .removalListener((RemovalListener<String, Object>) notification -> {
                            String curTime = LocalDateTime.now().toString();
                            LOGGER.info(notification.getKey() + " 本地缓存移除时间:" + curTime);
                            try {
                                cacheService.del(notification.getKey());
                                LOGGER.info(notification.getKey() + " 分布式缓存移除时间:" + curTime);
                            } catch (Exception e) {
                                LOGGER.error(notification.getKey() + " 分布式缓存移除异常...", e);
                            }
                        })
        );
        cacheBuilder.setCacheLoader(new CacheLoader<String, Object>() {
            @Override
            public Object load(String key) {
                try {
                    Object obj = cacheService.getString(key);
                    LOGGER.info(String.format("从分布式缓存中加载key=%s, value=%s", key, obj));
                    return obj;
                } catch (Exception e) {
                    LOGGER.error(key + " 从分布式缓存加载异常...", e);
                    return null;
                }
            }
        });

        Cache<String, Object> localCache = cacheBuilder.build();
        IPBlackCache ipBlackCache = new IPBlackCache(localCache, cacheService);
        return ipBlackCache;
    }
}

注入redis分布式缓存服务ICacheService对象。

通过GuavaCacheBuilder构建guava本地Cache对象,指定初始容量(initialCapacity)、最大容量(maximumSize)、并发级别、key过期时间、key移除监听器。最终要的是CacheLoader这个参数,是干什么用的呢?如果GuavaCacheBuilder指定了CacheLoader对象,那么最终创建的guava本地Cache对象是LoadingCache类型(参考AbstractCombineCache类的get方法),LoadingCache对象的get方法首先从内存中获取key对应的value,如果内存中不存在这个key则调用CacheLoader对象的load方法加载key对应的value值,加载成功后放入内存中。

最后通过ICacheService对象和guava本地Cache对象创建IPBlackCache(防止恶意IP攻击缓存服务)对象。

拦截器里恶意IP校验

定义一个注解,标注在指定方法上,拦截器里会识别这个注解。

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface IPBlackLimit {
    //统计时间内最大速率
    int maxRate();

    //频次统计时间
    int duration();

    //方法名称
    String method() default StringUtils.EMPTY;
}

拦截器里加入ipAccess方法,校验远程IP是否为恶意攻击的IP。

/**
* @param method 需要校验的方法
* @param remoteAddr 远程IP
*/
private boolean ipAccess(Method method, String remoteAddr) {
    if (StringUtils.isBlank(remoteAddr) || !AnnotatedElementUtils.isAnnotated(method, IPBlackLimit.class)) {
        return true;
    }
    IPBlackLimit ipBlackLimit = AnnotatedElementUtils.getMergedAnnotation(method, IPBlackLimit.class);
    try {
        String ip = remoteAddr.split(",")[0].trim();
        String cacheKey = "cipb_" + (StringUtils.isBlank(ipBlackLimit.method()) ? ip : String.format("%s_%s", ip, ipBlackLimit.method()));

        String beginAccessTime = (String) ipBlackCache.get(cacheKey);
        if (StringUtils.isNotBlank(beginAccessTime)) {
            LocalDateTime beginTime = LocalDateTime.parse(beginAccessTime, DateTimeFormatter.ISO_LOCAL_DATE_TIME), endTime = LocalDateTime.now();
            Duration duration = Duration.between(beginTime, endTime);
            if (duration.getSeconds() >= limitConstants.getIpBlackExpire()) {
                ipBlackCache.getLocalCache().invalidate(cacheKey);
                return true;
            } else {
                return false;
            }
        }

        boolean access = ipBlackCache.ipAccess(cacheKey, ipBlackLimit.maxRate(), ipBlackLimit.duration());
        if (!access) {
            ipBlackCache.removeIpAccess(cacheKey);
            String curTime = LocalDateTime.now().format(DateTimeFormatter.ISO_LOCAL_DATE_TIME);
            ipBlackCache.put(cacheKey, curTime, limitConstants.getIpBlackExpire());
        }
        return access;
    } catch (Exception e) {
        LOGGER.error(String.format("method=%sï¼remoteAddr=%s, ip access check error.", method.getName(), remoteAddr), e);
        return true;
    }
}

remoteAddr取的是X-Forwarded-For对应的值。利用remoteAddr构造cacheKey参数,通过IPBlackCache判断cacheKey是否存在。

如果是cacheKey存在的请求,判断黑名单IP限制是否已经到达有效期,如果已经超过有效期则清除本地缓存和分布式缓存的cacheKey,请求合法;如果没有超过有效期则请求非法。

否则是cacheKey不存在的请求,使用IPBlackCache对象的ipAccess方法统计一定时间内的访问频次,如果频次超过最大限制,表明是非法请求IP,需要往IPBlackCache对象写入“cacheKey=当前时间”。

总结

本文的两种方案都使用redis incr命令,如果不是特殊业务场景,redis的key要指定过期时间,严格来讲需要保证incr和expire两个命令的原子性,所以使用lua脚本方式。如果没有那么严格,完全可以先setex(设置key,value,过期时间),然后再incr(注:incr不会更新key的有效期)。本文的设计方案仅供参考,并不能应用于所有的业务场景。

原文出处:https://www.cnblogs.com/hujunzheng/p/12593397.html

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部