常见的限流算法

计数器限流算法（ 固定窗口限流算法）

内部维护一个计数器，单位时间作为一个窗口，假设系统每秒允许1W个请求，当0.5秒的时候请求量已经达到1W，那么后面0.5秒的请求就会被拒绝。

优点：实现简单、性能好。

缺点：无法处理窗口切换瞬间流量突然翻倍的情况。

滑动窗口限流算法

相对与固定窗口，滑动窗口还需要记录窗口内每个请求的到达时间点，假设系统每秒允许1W个请求，当新请求到达时，根据当前时间往前推1秒计算请求量是否达到1W，如果达到请求就会被拒绝。

优点：可以更加精准控制窗口内的流量，使流量控制更加的平滑，不会出现流量突然翻倍的情况。

缺点：需要记录窗口内的每个请求信息，可能会消耗更多的内存资源。

漏桶限流算法

桶大小固定，以固定的速率流出水，不限制流入水的速度，当水溢出时后续请求会被拒绝。有点类似消息队列的削峰填谷思想。

优点：让数据已恒定速度处理，适用于需要限制处理速率的场景（适合削峰）。

缺点：如果流量较大，请求需要排队时间较长，导致消息大量积压，如果请求超出桶容量还会被拒绝。

令牌桶限流算法

桶大小固定，以固定的速率往桶里放入令牌，如果令牌超出桶的容量就丢弃，请求进入时，需要先获取一个令牌，拿到令牌则执行业务逻辑，拿不到令牌则被拒绝。

优点：如果桶中有足够的令牌可以应对一定的流量突发，反之令牌数较小，处理延迟会很低。

缺点：无法精准限制每秒请求数。例如：限流频率每秒10次请求，0-1s一直没有请求，1.1s是突然有10个请求，会被执行，之后1-2s还是可以继续处理10个请求。