背景
我们有一个业务场景是给学生发布考试，发布的过程不复杂，就是一个老师传递一些考试相关的参数过来，服务器自动给所有学生生成一份任务，但是在学生上交的时候会有个问题，就是成百上千的学生一起上交，会有并发流量的问题。
这里由于我们的考试可能会设计多个班级的联考，乃至一个学校或多个学校的联考，因为上交成绩单是一个比较集中的时间段，因此这里需要考虑的是服务器能承受的最大QPS以及学校的流量峰值。
这里比较特殊的是需要考虑学校的流量峰值，我们不希望因为考试把学校网络给整瘫痪了。
功能实现
鉴于上面两种情况，我首先想到的是限流，因此就有了第一种方案
方案一
采用阿里的Sentinel或者Guava的RateLimiter限流器，限流器的好处在于能对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理。
这里不去研究限流采用的是滑动窗口法，还是漏桶算法或是令牌桶算法，因为这些都能达到我们的目的，而且框架已经封装的很好。
限流的大小如何去确定呢，我们可以根据实际情况计算得出，int maxQps=学校最大允许上传流量*某个百分比/每份作业大小（我们每份作业按50KB算），这里的百分比是控制流量的大小，可以设定为80%或90%。
客户端请求时，超过maxQps的请求就return false，然后客户端做延时重试上传。
下面是流程图：
现在看上去已经很完美了，把限流器一加，就已经达到了控制QPS的目的，但其实这里有个很大的问题，服务器的QPS是控制住了，但是学校的流量并没有控制住，学校每次都是把所有作业数据请求过来，然后才知道这次请求是true还是false的，这样还是会导致学校流量瘫痪。
因此就有了下面的第二种方案
方案二
在HTTP跨域请求中，在正式跨域之前，浏览器会根据需要发起一次预检（也就是option请求，这次请求是不带任何数据的），用来让服务端返回允许的方法（如get、post），被跨域访问的Origin（来源或者域），还有是否需要Credentials(认证信息)等。当然跨域的PreFlight也有个前提，就是用了自定义的请求头，不过这些都不是重点，这里我引用这个option请求知识点的目的在于，我们是否也可以运用这种思想。
第一步，客户端先发送一次类似option的PreFlight请求去获取token，这个token就是是否能进行第二次请求的令牌。
第二步，服务器接受到请求，根据限流器返回结果（true或false）。
第三步，客户端根据返回的结果，来决定是否进行真实的请求，如果是false则需要重试。
第四步，假设客户端已经获取到令牌，然后发送真实的请求。
流程图：
通过上面的操作，我们可以一直限制请求个数在maxQps范围内，因为永远最多只有maxQps的令牌可以通过申请，也就只有maxQps的客户端可以发送出真实请求，达到了控制学校流量的目的。
这样看上去依旧很完美，然而很不幸，这个方案还是有很大的问题：
假定我们设置的令牌桶（或者滑动窗口）大小为5，则必然会出现真实请求和PreFlight请求同时出现在桶里的情况，结果可能是一个桶里面的请求大部分都是这样PreFlight请求，就会导致真实请求数量达不到预期的结果，使QPS大大下降。
而且如果PreFlight请求和真实请求是同一个接口也不利于接口参数的判断。
造成这个结果的原因是因为真实请求和PreFlight请求同时出现在一个桶里，那我们把他们分开，于是就有了方案三。
方案三
在这里，我把PreFlight请求单独设立一个getToken接口，和上交考试的接口分开，然后PreFlight请求设立一个限流器，称作A限流器。
第一步，客户端调用getToken接口，获取令牌。
第二步，服务器根据限流器返回结果（true或false）。
第三步，客户端根据返回的结果，来决定是否进行真实的请求，如果是false则需要重试。
第四步，假设客户端已经获取到令牌，然后发送真实的请求。
这里的操作步骤和上面是一样的，无非就是把Token请求接口给单独分离，这样不会影响真实请求的发送，并且实现了限制客户端每秒能获取到的令牌数量，也就实现了限制真实请求的QPS。
（2）获取Token接口由于限流是针对一个学校的流量的，所以这里还得考虑多个学校联考时，各个学校Token的获取不能受干扰，这样就得给每个学校设置一个限流器。
我查阅了阿里的Sentinel根据接口限流的功能，Sentinel根据可以实现根据不同接口限流，但是需要给固定的接口设置限流规则，也就是这接口一开始就定义好的，如果是接口里有路径参数（如/v1/homework/token/{schoolId}），就会视为不同接口，也就需要配置不同的规则。所以这种方案是不符合我们的场景的，所以我自己摸索了一套方法用于给每个学校设定限流器。
大体思路就是每次调用Token请求时，我都会创建一个这个学校的规则，并且和已经存在的规则去做对比，如果已存在规则里有这个学校的规则，就不添加，不然就添加到规则里，并重载到FlowRuleManager。代码如下：
/**
* 限流器规则
*/
private Set<FlowRule> rules = new ConcurrentSkipListSet<>((rule1, rule2) -> Objects.equals(rule1, rule2) ? 0 : 1);
/**
* 获取是否能上交考试作业的令牌
*
* @return
*/
public Boolean getToken(Integer schoolId) {
String resourceName = ConstantUtil.Sentinel.EXAM_RULE_PREFIX + schoolId;
FlowRule rule = new FlowRule(resourceName);
rule.setCount(100);
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
//每次进来都创建规则，如果这个学校没在限流列表，那就加入规则列表，并重载规则if (rules.add(rule)) {FlowRuleManager.loadRules(Lists.newArrayList(rules));} return SphO.entry(resourceName);
}
这里限流器规则rules需要用Set存储，防止重复（因为Sentinel规则是List的，不能去重，所以需要我们自己去重），Set我选择了ConcurrentSkipListSet来存储，效率较高，而且是线程安全的，不会有并发问题。
（3）接下来为了不影响QPS性能，我们在上交考试模块增加了一个RabbitMQ,能增加QPS的同时，也能减少数据库的压力，所以最后的逻辑图是这样的：
这里稍微提一下，RabbitMQ我会增加一个死信队列，用于保存推送失败时数据的保存，死信队列的数据我会保存到dead_exam_data表，当线上出现问题时，可以通过手动调用/v1/dead/exam接口，把死信数据提取出来，重新保存到HomeworkDetail作业表。
