图片网站怎么做优化app优化排名

 自十九周开始，我们便开始着手写项目（关于新闻资讯类的Web项目），当然，在这之中我们也学到了很多高效且有用的好技术，在接下来的内容中将去具体的描述这些好技术，介绍它们的具体用法和应用场景。本周向各位介绍的是Model类中的addAttribute()方法和RedirectAttributes中的addFlashAttribute()方法的区别，以及很多项目中常需用的限流操作的介绍。

addAttribute与addFlashAttribute区别

 **1.作用范围**model.addAttribute()：在当前请求中有效，用于向视图传递数据。redirectAttributes.addFlashAttribute()：在重定向后的第一个请求中有效，之后自动清除。**2.使用场景**

model.addAttribute()：普通请求转发时使用

@GetMapping("/users")public String users(Model model) {model.addAttribute("users", userList); // 直接传递给视图return "userList";}

redirectAttributes.addFlashAttribute()：重定向时传递临时数据

  @PostMapping("/users/update")public String update(User user, RedirectAttributes redirectAttributes) {redirectAttributes.addFlashAttribute("message", "更新成功"); // 重定向后显示一次return "redirect:/users";}

 **4.生命周期**
addAttribute：当前请求结束即失效。
flashAttribute：存活到下一个请求结束。
**5.数据存储方式**model：数据存储在request作用域。redirectAttributes：数据存储在session中，重定向后立即移除。**6.典型使用场景区别**使用model：直接渲染视图时传递数据。使用redirectAttributes.addFlashAttribute()：表单提交后重定向并显示一次性提示消息。

限流操作实现

 **1.关于令牌桶算法（实现限流操作的重要方式）**令牌桶算法（Token Bucket Algorithm）：是一种常用的流量整形和限流算法，用于控制数据传输速率或请求处理速率，防止系统因流量过大而崩溃。算法原理：令牌桶算法的核心概念是有一个固定容量的令牌桶，系统会以固定的速率向桶中放入令牌。每个请求需要从令牌桶中获取一个或多个令牌才能被处理，如果桶中没有足够的令牌，请求将被阻塞或丢弃。具体步骤如下：
令牌生成：系统按照固定的速率（例如每秒生成 r 个令牌）向令牌桶中添加令牌。
令牌存储：令牌桶有一个最大容量 b，当桶中的令牌数量达到最大容量时，新生成的令牌将被丢弃。
请求处理：每个请求到来时，会检查令牌桶中是否有足够的令牌。如果有，请求将被处理，同时从桶中移除相应数量的令牌；如果没有，请求将被阻塞或拒绝。应用场景：网络流量控制：在网络设备（如路由器、防火墙）中，令牌桶算法可以用于限制网络流量，确保网络带宽的合理使用。API 限流：对于提供 API 服务的系统，令牌桶算法可以限制每个用户或客户端的请求速率，防止恶意攻击或过度使用。
数据库访问控制：在数据库系统中，令牌桶算法可以用于控制并发访问，避免过多的请求对数据库造成压力。2.介绍一个以外部Redis和Lua结合的限流操作如下面的将Java代码与Redis、Lua技术结合实现的限流操作

import redis.clients.jedis.Jedis;import java.util.Collections;public class TokenBucketRateLimiter {private static final String TOKEN_BUCKET_KEY = "rate_limit_bucket";private static final String LUA_SCRIPT ="local current_tokens = tonumber(redis.call('hget', KEYS[1], 'tokens'))\n" +"local last_update = tonumber(redis.call('hget', KEYS[1], 'last_update'))\n" +"if current_tokens == nil then\n" +"    current_tokens = tonumber(ARGV[1])\n" +"    last_update = tonumber(ARGV[3])\n" +"end\n" +"local elapsed_time = tonumber(ARGV[3]) - last_update\n" +"local new_tokens = math.min(tonumber(ARGV[1]), current_tokens + elapsed_time * tonumber(ARGV[2]))\n" +"if new_tokens >= tonumber(ARGV[4]) then\n" +"    redis.call('hset', KEYS[1], 'tokens', new_tokens - tonumber(ARGV[4]))\n" +"    redis.call('hset', KEYS[1], 'last_update', tonumber(ARGV[3]))\n" +"    return 1\n" +"else\n" +"    return 0\n" +"end";private final Jedis jedis;private final int bucketCapacity;private final int tokenRate;public TokenBucketRateLimiter(Jedis jedis, int bucketCapacity, int tokenRate) {this.jedis = jedis;this.bucketCapacity = bucketCapacity;this.tokenRate = tokenRate;}public boolean isAllowed(int requestTokens) {long currentTime = System.currentTimeMillis() / 1000;Object result = jedis.eval(LUA_SCRIPT, Collections.singletonList(TOKEN_BUCKET_KEY),Collections.singletonList(String.valueOf(bucketCapacity),String.valueOf(tokenRate),String.valueOf(currentTime),String.valueOf(requestTokens)));return (Long) result == 1;}public static void main(String[] args) {Jedis jedis = new Jedis("localhost", 6379);TokenBucketRateLimiter rateLimiter = new TokenBucketRateLimiter(jedis, 100, 10);for (int i = 0; i < 15; i++) {boolean allowed = rateLimiter.isAllowed(1);System.out.println("Request " + (i + 1) + " is allowed: " + allowed);try {Thread.sleep(200);} catch (InterruptedException e) {e.printStackTrace();}}jedis.close();}
}      

在这其中常量定义：TOKEN_BUCKET_KEY：这是 Redis 里存储令牌桶状态的键名。LUA_SCRIPT：该 Lua 脚本用于实现令牌桶算法的核心逻辑，会在 Redis 服务器端执行。
构造函数：
TokenBucketRateLimiter(Jedis jedis, int bucketCapacity, int tokenRate)：接收 Jedis 客户端实例、令牌桶容量以及令牌生成速率作为参数。
isAllowed 方法：
此方法用来判断请求是否被允许。
先获取当前时间，接着调用 jedis.eval 方法执行 Lua 脚本，最后依据返回结果判断请求是否通过。
main 方法：
这里创建了一个 TokenBucketRateLimiter 实例，模拟 15 次请求并输出每次请求是否被允许的结果，最后关闭 Redis 连接