【手撕系列】Java限流算法详解上篇：从原理到实现，一文搞定！（建议收藏）

🔥 本文是限流算法系列的上篇，将带你深入理解固定窗口和滑动窗口限流算法。从原理到代码实现，全方位掌握这两种限流技术。

📚博主匠心之作，强推专栏：

• JAVA集合专栏 【夜话集】
• JVM知识专栏
• 数据库sql理论与实战【博主踩坑之道】
• 小游戏开发【博主强推 匠心之作 拿来即用无门槛】

一、为什么需要限流？

在开发高并发系统时，限流是一个绕不开的话题。还记得我在一个电商项目中遇到的真实案例：某次大促活动，系统瞬间涌入大量用户，短短几分钟内数据库连接池就被打满，眼看着系统就要崩溃…

如果当时系统有合适的限流机制，就不会出现这样的问题。那么，究竟为什么需要限流呢？

1.1 限流的意义

1. 保护系统稳定性

   就像我们上面说的电商大促场景，如果不对流量进行限制，瞬时的高并发可能会导致：

   • 服务器CPU飙升
   • 内存溢出
   • 数据库连接耗尽
   • 线程池打满

   合理的限流可以让系统在承受范围内稳定运行。

2. 控制资源利用

   在实际项目中，我们的系统资源都是有限的：

   • 数据库最大连接数
   • 线程池大小
   • 网络带宽
   • 第三方服务调用配额

   通过限流，我们可以让资源使用保持在合理范围内。

3. 保护核心业务

   拿常见的电商系统来说，我们通常会对不同业务设置不同的限流策略：

   • 下单支付等核心接口设置较高的限制
   • 商品评论等非核心接口设置较低的限制

   这样在流量高峰期，核心业务依然能正常运行。

4. 防止恶意攻击

   限流还能有效防范：

   • 爬虫大量抓取
   • 恶意刷单
   • 暴力破解密码
   • DDOS攻击

1.2 常见的限流场景

1. 接口访问控制

   比如用户登录接口，限制单个IP每分钟最多调用100次，避免暴力破解。

2. 秒杀场景

   在秒杀系统中，我们通常会：

   • 限制单个用户的抢购频率
   • 控制整体流量的进入速率
   • 对不同商品设置不同的限流规则

3. 用户操作频率

   常见的例子：

   • 发帖、评论限制每分钟不超过5次
   • 短信验证码每天最多发送10条
   • 支付密码错误次数限制

4. 第三方服务调用

   很多第三方服务都有调用限制：

   • 短信服务：每秒最多100条
   • 支付接口：每秒最多1000次
   • 地图服务：每天最多100万次

   这时就需要在代码层面做好限流，避免超限导致服务不可用。

二、计数器限流算法详解

2.1 固定窗口计数器

算法原理

固定窗口计数器的思想其实很简单，以我之前做过的用户注册限流为例：我们限制同一个手机号一分钟内只能发送一次验证码。具体是这样实现的：

1. 时间窗口

   我们把时间分成一个个的窗口，比如每分钟一个窗口。假设用户在12:00:00发送了一次验证码，那这次请求会落在12:00这个窗口内。

2. 计数规则

   每个窗口都有一个计数器。当请求到来时：

   • 先判断请求所属的时间窗口
   • 将该窗口的计数器+1
   • 判断是否超过限制

3. 窗口重置

   当时间进入下一个窗口时，计数器会自动清零。比如12:00的窗口结束后，进入12:01时，计数器就会重置。

4. 代码实现

先来看看最基础的固定窗口限流器实现：

public class FixedWindowRateLimiter {
   
   
    // 窗口大小（毫秒）
    private final long windowSize;
    // 窗口内允许的最大请求数
    private final int maxRequests;
    
    // 使用Map来存储每个窗口的计数，key是窗口的起始时间戳
    private final Map<Long, AtomicInteger> windowCountMap = new ConcurrentHashMap<>();
    
    public FixedWindowRateLimiter(int maxRequests, long windowSize) {
   
   
        this.maxRequests = maxRequests;
        this.windowSize = windowSize;
    }
    
    public boolean tryAcquire() {
   
   
        long now = System.currentTimeMillis();
        // 计算当前时间所属的窗口起始时间
        long windowStart = now - (now % windowSize);
        
        // 获取当前窗口的计数器，如果不存在则创建
        AtomicInteger counter = windowCountMap.computeIfAbsent(windowStart, 
            k -> new AtomicInteger(0));
        
        // 如果计数未达到阈值，计数加1
        if (counter.get() < maxRequests) {
   
   
            if (counter.incrementAndGet() <= maxRequests) {
   
   
                // 清理过期的窗口
                removeExpiredWindows(windowStart);
                return true;
            }
            // 超过阈值，计数减1
            counter.decrementAndGet();
        }
        
        return false;
    }
    
    private void removeExpiredWindows(long currentWindowStart) {
   
   
        // 删除一个窗口之前的所有计数
        windowCountMap.entrySet().removeIf(entry -> 
            entry.getKey() < currentWindowStart - windowSize);
    }
}

使用示例：

// 创建限流器：每分钟最多100个请求
FixedWindowRateLimiter limiter = new FixedWindowRateLimiter(100, 60 * 1000);

// 在业务代码中使用
public void handleRequest() {
   
   
    if (!limiter.tryAcquire()) {
   
   
        throw new RuntimeException("请求太频繁，请稍后再试");
    }
    // 处理业务逻辑
}

代码分析与优缺点

看完具体实现，我们来分析下这个固定窗口限流器的优缺点。

优点：