HoRain云--限流算法全解析：从理论到实践-优快云博客

本文链接：https://blog.youkuaiyun.com/2401_86544677/article/details/148731848

🎬 HoRain云小助手：个人主页

⛺️生活的理想，就是为了理想的生活!

⛳️ 推荐

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

请求限流是保护系统免遭流量过载的关键技术，尤其在分布式高并发场景中至关重要。以下是主流限流算法及其实现方案，结合业务场景给出实践建议：

🔢 一、常见限流算法及核心原理

固定窗口计数器算法
- 原理：以固定时间窗口（如1秒）为单位统计请求量，超过阈值则拒绝请求。
- 实现简单：通过原子计数器（如AtomicLong）实现。
- 缺陷：存在临界点突刺问题（如窗口切换时突发流量突破限制）。
- 适用场景：日志采集、非核心接口的粗粒度限流。
滑动窗口算法
- 原理：将时间窗口细分为多个小窗口（如10个100ms单元），动态统计最近N个单位时间的总请求量。
- 优势：消除临界突刺，精度提升至毫秒级（如Redis ZSET记录时间戳实现）。
- 案例：某证券系统采用滑动窗口后，API异常率从5%降至0.3%。
漏桶算法（Leaky Bucket）
- 原理：请求像水流入桶，以恒定速率流出（如每秒10次）。桶满则丢弃新请求。
- 特点：强制平滑流量，无突发处理能力，适合严格控速场景（如IoT设备指令下发）。
- 实现：通过信号量（Semaphore）或队列模拟流出过程。
令牌桶算法（Token Bucket）
- 原理：系统以固定速率生成令牌存入桶中，请求需获取令牌才能执行。桶内令牌可积累应对突发流量。
- 优势：兼顾平均速率控制与突发流量吸收（如Guava RateLimiter）。
- 案例：视频平台突发流量时允许3秒内超限50%，既防雪崩又保体验。

算法特性对比

算法	平滑性	突发处理	实现复杂度	典型场景
固定窗口计数器	❌	❌	⭐⭐	非关键接口限流
滑动窗口	✅	⚠️	⭐⭐⭐	高精度API限流
漏桶	✅	❌	⭐⭐⭐	恒定速率处理（如支付）
令牌桶	⚠️	✅	⭐⭐⭐⭐	电商秒杀、热点事件

⚙️ 二、限流实现方案

1. 单机限流（适合单体应用）

Guava RateLimiter
基于令牌桶算法，支持预热与突发调整：

RateLimiter limiter = RateLimiter.create(10.0); // 每秒10个令牌
if (limiter.tryAcquire()) { 
    // 处理请求
} else {
    // 返回"请求过快"提示
}

通过反射可动态调整令牌数，应对突发流量。

AOP + 自定义注解
在Spring Boot中通过切面拦截注解标记的接口：
```
@RateLimit(value = 5) // 每秒限流5次
@GetMapping("/api")
public String api() { ... }
```
需注意单机限流在分布式环境中不适用。

2. 分布式限流（适合微服务集群）

Redis + Lua脚本
利用Redis原子操作实现滑动窗口或令牌桶：

// Redis滑动窗口限流Lua脚本
String luaScript = """
    local now = tonumber(ARGV[1]);
    local window = tonumber(ARGV[2]);
    redis.call('ZREMRANGEBYSCORE', KEYS[1], '-inf', now - window);
    local count = redis.call('ZCARD', KEYS[1]);
    if count < tonumber(ARGV[3]) then
        redis.call('ZADD', KEYS[1], now, now);
        return 1;
    end
    return 0;
""";

确保集群内限流计数一致性。

Redisson 分布式信号量
简化Redis分布式限流操作：

RSemaphore semaphore = redisson.getSemaphore("apiLimit");
if (semaphore.tryAcquire()) {
    // 执行业务
} else {
    // 限流降级
}

支持公平锁与超时控制。

3. 网关层限流（全局入口控制）

Nginx限流模块
通过limit_req指令实现漏桶算法：

http {
    limit_req_zone $binary_remote_addr zone=apiLimit:10m rate=10r/s;
    server {
        location /api/ {
            limit_req zone=apiLimit burst=20; // 允许突发20个请求
        }
    }
}

Spring Cloud Gateway
集成RedisRateLimiter过滤器，动态配置路由限流规则。

🎯 三、关键实践策略

分层限流设计
- 网关层：拦截恶意IP或全局流量洪峰（如Nginx限制单个IP每秒100次）。
- 服务层：按接口重要性设置差异化阈值（如支付接口QPS=500，查询接口QPS=1000）。
- 用户层：限制单个用户行为（如社交平台用户每日发帖≤20次）。
动态调参与熔断
- 结合监控系统（如Prometheus）实时调整限流阈值。
- 流量激增时自动触发熔断（如Sentinel将阈值从5万降至3万）。
避坑指南
- ❌ 避免在数据库连接池前限流：可能导致连接泄漏，应在入口层拦截。
- ✅ 性能优化：单机限流使用LongAdder替代AtomicLong，吞吐量提升220%。
- ⚠️ 令牌桶容量设定：过大可能导致突发流量压垮系统（建议：突发量≤系统承载力的2倍）。