Dio 并发请求限制的实现方案
2025-05-18 17:12:09作者:凤尚柏Louis
在基于 Dart 的 HTTP 客户端库 Dio 中,控制并发请求数量是一个常见的需求场景。本文将详细介绍如何在 Dio 中实现并发请求限制,帮助开发者更好地管理网络请求流量,避免服务器过载或触发 API 限流机制。
并发控制的核心原理
并发请求限制的核心在于建立一个请求队列和并发控制机制。当并发请求数达到上限时,新的请求需要排队等待,直到有正在进行的请求完成释放出"名额"后才能继续执行。
实现方案
基于计数锁和拦截器的实现
Dio 的拦截器机制为实现并发控制提供了天然的扩展点。我们可以通过以下组件构建并发控制系统:
- 计数器锁:用于跟踪当前活跃的请求数量
- 请求队列:存储等待执行的请求
- 拦截器:在请求发出前检查并发数,在请求完成后释放资源
具体实现步骤
- 创建一个并发控制器类,维护当前活跃请求数和最大并发数
- 在请求拦截器中:
- 检查当前活跃请求数是否已达上限
- 如果已达上限,将请求加入等待队列
- 否则增加活跃计数并放行请求
- 在响应/错误拦截器中:
- 减少活跃请求计数
- 检查等待队列并处理下一个请求
代码示例
class ConcurrencyController {
final int maxConcurrent;
int _activeCount = 0;
final Queue<Completer<void>> _queue = Queue();
ConcurrencyController(this.maxConcurrent);
Future<void> acquire() async {
if (_activeCount < maxConcurrent) {
_activeCount++;
return;
}
final completer = Completer<void>();
_queue.add(completer);
await completer.future;
}
void release() {
_activeCount--;
if (_queue.isNotEmpty) {
_queue.removeFirst().complete();
_activeCount++;
}
}
}
class ConcurrencyInterceptor extends Interceptor {
final ConcurrencyController controller;
ConcurrencyInterceptor(this.controller);
@override
Future<void> onRequest(
RequestOptions options,
RequestInterceptorHandler handler,
) async {
await controller.acquire();
super.onRequest(options, handler);
}
@override
void onResponse(Response response, ResponseInterceptorHandler handler) {
controller.release();
super.onResponse(response, handler);
}
@override
void onError(DioException err, ErrorInterceptorHandler handler) {
controller.release();
super.onError(err, handler);
}
}
使用方式
final dio = Dio();
final controller = ConcurrencyController(5); // 最大并发数为5
dio.interceptors.add(ConcurrencyInterceptor(controller));
高级优化方向
- 优先级队列:为请求添加优先级,高优先级请求可以插队
- 超时机制:为等待队列中的请求设置最大等待时间
- 动态调整:根据网络状况或服务器负载动态调整最大并发数
- 错误恢复:在请求失败时提供重试机制
适用场景
- API 限流:遵守第三方API的请求频率限制
- 资源控制:避免移动设备网络资源被过度占用
- 服务器保护:防止后端服务因突发流量过载
- 性能优化:在低带宽环境下优化请求顺序
总结
通过拦截器机制实现 Dio 的并发请求限制是一种优雅且高效的解决方案。开发者可以根据实际需求调整并发数,平衡响应速度和系统负载。这种模式不仅适用于 Dio,其设计思路也可以迁移到其他类似的网络请求库中。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 K
Ascend Extension for PyTorch
Python
353
420
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
889
616
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
339
186
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
194
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
115
142
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.35 K
759