这是小小本周的第一篇，

理论

理论主要体现在两个方面，分别是保证数据在传输过程中的安全性，以及数据如何到达服务器端如何获取到数据，如何不被攻击。

数据加密

数据在传输的过程中很容易被抓包，例如通过Http协议的时候，在用户传输数据的时候既然容易被获取，那么就必须进行加密，这里做法是有两种

1. 对关键字段进行md5加密，

2. 在http和tcp之间添加一层ssl层，这一层负责数据的加密和解密，即，https。

数据加签

数据加签就是由发送这产生一段无法伪造的数字串，来保证数据在传输过程中不被篡改，

时间戳机制

数据很容易抓包，经过加密，加签处理，这时候已经相当安全了，但是如果有不法者不关心真实的数据，直接拿到数据进行恶意请求，这个时候，需要使用时间戳机制，在每次请求中加入当前的时间，查看时间是否超过五分钟，如果超过五分钟就为非法请求，未超过为合法请求。

AppId机制

网站都需要用户名和密码才能登陆，并不是谁都能使用该网站，对应的对外接口需要实现一种机制，确定谁可以调用，这里使用的是appID + 用户密钥，在调用的接口中增加appID + 密钥在服务器端实现相应的验证。

限流机制

如果出现了频繁调用接口的情况，需要给appID进行限流处理，常用的限流算法有令牌桶和漏斗算法。

黑名单机制

如果appID有非法操作，直接列入黑名单，返回错误码。

数据合法性校验

对数据进行合法校验，例如身份证长度，电话号码长度的组成。

实践

数据加密

主流的加密方式有对称加密和非对称加密。

对称加密

对称加密在加密过程中和解密过程中秘钥是相同的，常见的有DES，AES，优点是计算速度快，缺点是数据在传送前，发送方和接收方都需要确定好秘钥，然后双方都能保存好秘钥， 非对称加密，服务器端生成秘钥，秘钥保存在服务器端，公钥给任何人使用，拿着公钥就可以登录秘钥，缺点过慢。

数据加签

这里使用比较多的为md5算法，多种方式组合成为一个字符串，通过md5生成一段加密字符串。一个简单例子。

str：参数1={参数1}&参数2={参数2}&……&参数n={参数n}$key={用户密钥};
MD5.encrypt(str);

时间戳机制

这里进行时间戳机制 代码如下

long interval=5*60*1000；//超时时间
long clientTime=request.getparameter("clientTime");
long serverTime=System.currentTimeMillis();
if(serverTime-clientTime>interval){return new Response("超过处理时长")
}

AppID 机制

生成一个唯一的AppId即可，密钥使用字母、数字等特殊字符随机生成即可；生成唯一AppId根据实际情况看是否需要全局唯一；但是不管是否全局唯一最好让生成的Id有如下属性：趋势递增：这样在保存数据库的时候，使用索引性能更好；信息安全：尽量不要连续的，容易发现规律；关于全局唯一Id生成的方式常见的有类snowflake方式等；

限流机制

1.令牌桶限流 令牌桶算法的原理是系统以一定速率向桶中放入令牌，填满了就丢弃令牌；请求来时会先从桶中取出令牌，如果能取到令牌，则可以继续完成请求，否则等待或者拒绝服务；令牌桶允许一定程度突发流量，只要有令牌就可以处理，支持一次拿多个令牌；2.漏桶限流 漏桶算法的原理是按照固定常量速率流出请求，流入请求速率任意，当请求数超过桶的容量时，新的请求等待或者拒绝服务；可以看出漏桶算法可以强制限制数据的传输速度；3.计数器限流 计数器是一种比较简单粗暴的算法，主要用来限制总并发数，比如数据库连接池、线程池、秒杀的并发数；计数器限流只要一定时间内的总请求数超过设定的阀值则进行限流；

具体基于以上算法如何实现，Guava提供了RateLimiter工具类基于基于令牌桶算法：

RateLimiter rateLimiter = RateLimiter.create(5);

以上代码表示一秒钟只允许处理五个并发请求，以上方式只能用在单应用的请求限流，不能进行全局限流；这个时候就需要分布式限流，可以基于redis+lua来实现；

黑名单机制

给用户设置一个初始的状态，正常状态，中间状态，关闭状态等等。

数据合法性校验

合法性校验包括：常规性校验以及业务校验；常规性校验：包括签名校验，必填校验，长度校验，类型校验，格式校验等；业务校验：根据实际业务而定，比如订单金额不能小于0等；

你微微的笑着，不和我说话，我什么都不求，只求你深情的给我来个点赞和分享。我是小小，我们下期再见！

小明菜市场

推荐阅读

● 文末送书 | 数据分析简单入门

● 优雅 | 今天很水的文章-Excel导入导出

● 理论 | 当 Spring Boot 遇上了消息队列......

● 实践 | kafka 基本使用

● 搭建 | 一步成功搭建Centos + Kubernetes 环境