0_note.md

限流算法

https://segmentfault.com/a/1190000041141345 考虑两个问题：能否应对突发流量和能否平滑处理请求。

1. 滑动窗口算法（Sliding Window）

   • 优点 能应对突发流量
   • 缺点 限流不够平滑。仅能控制时间段内请求总量。

2. 漏桶限流算法（Leaky Bucket） 维持一定量的请求空间，以稳定的速度处理请求，当漏斗累积的请求数量超过最大值时开始拒绝请求

   • 优点 永远匀速处理请求，保证了服务稳定性
   • 缺点 无法应对突发流量，由于处理速度恒定，当大量请求到来时，用户等待时间长，用户体验差

3. 令牌桶算法（Token Bucket） Guava 库中的 RateLimiter 类是对令牌桶算法的单机版实现，基于 RateLimiter 我们可以设置每秒生成的令牌数，并允许以阻塞、尝试，以及超时等策略获取令牌。

   令牌桶算法通过令牌来控制请求的处理。系统按照固定速率生成令牌，放入令牌桶中。当有请求到来时，需要先从令牌桶中取出一个令牌，才能被处理。如果令牌桶为空，则请求被限流或进入等待队列。

   • 优点
     • 可以处理突发流量(预先生成的令牌可以在一瞬间被取走)
     • 限制平均处理速率(生成令牌的速率)
   • 缺点 几乎没有

---

选择

• 需要时间段内的精确控制：滑动窗口算法（Sliding Window）
• 需要严格控制请求速率，保持稳定：漏桶算法（Leaky Bucket）
• 高并发、需要支持突发流量：令牌桶算法（Token Bucket）