分析常见限流算法及手写三种（计数器、漏斗、令牌桶）代码实现

常见的限流算法分析

限流在我们日常生活中经常见到，如火车站门口的栏杆、一些景点的门票只出售一定的数量等等。在我们的开发中也用到了这种思想。

为什么要限流

在保证可用的情况下尽可能多增加进入的人数,其余的人在排队等待,或者返回友好提示,保证里面的进行系统的用户可以正常使用，防止系统雪崩。

限流算法

限流算法很多,常见的有三类,分别是计数器算法、漏桶算法、令牌桶算法。

（1）计数器：在一段时间间隔内，处理请求的最大数量固定，超过部分不做处理。（2）漏桶：漏桶大小固定，处理速度固定，但请求进入速度不固定（在突发情况请求过多时，会丢弃过多的请求）。（3）令牌桶：令牌桶的大小固定，令牌的产生速度固定，但是消耗令牌（即请求）速度不固定（可以应对一些某些时间请求过多的情况）；每个请求都会从令牌桶中取出令牌，如果没有令牌则丢弃该次请求。

计数器限流

在一段时间间隔内，处理请求的最大数量固定，超过部分不做处理。

举个,比如我们规定对于A接口，我们1分钟的访问次数不能超过100次。

那么我们可以这么做：

在一开始的时候，我们可以设置一个计数器counter，每当一个请求过来的时候，counter就加1，如果counter的值大于100并且该请求与第一个请求的间隔时间还在1分钟之内，那么说明请求数过多,拒绝访问；

如果该请求与第一个请求的间隔时间大于1分钟，且counter的值还在限流范围内，那么就重置 counter,就是这么简单粗暴。

代码实现：

import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.concurrent.atomic.AtomicInteger; import java.util.concurrent.atomic.AtomicLong;

//计数器限流 public class CounterLimiter { //起始时间 private static long startTime = System.currentTimeMillis(); //时间间隔1000ms private static long interval = 1000;

//每个时间间隔内，限制数量 private static long limit = 3;

//累加器 private static AtomicLong accumulator = new AtomicLong(); /** * true 代表放行，请求可已通过 * false 代表限制，不让请求通过 */ public static boolean tryAcquire() { long nowTime = System.currentTimeMillis();

//判断是否在上一个时间间隔内 if (nowTime < startTime + interval) { //如果还在上个时间间隔内 long count = accumulator.incrementAndGet(); if (count <= limit) { return true; } else { return false; } } else {

//如果不在上一个时间间隔内 synchronized (CounterLimiter.class) {

//防止重复初始化 if (nowTime > startTime + interval) { startTime = nowTime; accumulator.set(0); } }

//再次进行判断 long count = accumulator.incrementAndGet(); if (count <= limit) { return true; } else { return false; } } }

// 测试 public static void main(String[] args) { //线程池，用于多线程模拟测试 ExecutorService pool = Executors.newFixedThreadPool(10); // 被限制的次数 AtomicInteger limited = new AtomicInteger(0);

// 线程数 final int threads = 2; // 每条线程的执行轮数 final int turns = 20;

// 同步器 CountDownLatch countDownLatch = new CountDownLatch(threads); long start = System.currentTimeMillis(); for (int i = 0; i < threads; i++) { pool.submit(() -> { try { for (int j = 0; j < turns; j++) { boolean flag = tryAcquire(); if (!flag) {

// 被限制的次数累积 limited.getAndIncrement(); } Thread.sleep(200); } } catch (Exception e) { e.printStackTrace(); }

//等待所有线程结束 countDownLatch.countDown(); }); } try { countDownLatch.await(); } catch (InterruptedException e) { e.printStackTrace(); } float time = (System.currentTimeMillis() - start) / 1000F;

//输出统计结果 System.out.println("限制的次数为：" + limited.get() + ",通过的次数为：" + (threads * turns - limited.get())); System.out.println("限制的比例为：" + (float) limited.get() / (float) (threads * turns)); System.out.println("运行的时长为：" + time + "s"); } } 复制代码

计数器限流的不足：

这个算法虽然简单，但是存在临界问题，我们看下图：

从上图中我们可以看到，假设有一个恶意用户，他在0:59时，瞬间发送了100个请求，并且1:00又瞬间发送了100个请求，那么其实这个用户在 1秒里面，瞬间发送了200个请求。

我们刚才规定的是1分钟最多100个请求（规划的吞吐量），也就是每秒钟最多1.7个请求，用户通过在时间窗口的重置节点处突发请求，可以瞬间超过我们的速率限制。

用户有可能通过算法的这个漏洞，瞬间压垮我们的应用。🙇🏻‍♀️

漏桶限流

漏桶算法限流的基本原理为：水（对应请求）从进水口进入到漏桶里，漏桶以一定的速度出水（请求放行），当水流入速度过大，桶内的总水量大于桶容量会直接溢出，请求被拒绝。大致的漏桶限流规则如下：

（1）进水口（对应客户端请求）以任意速率流入进入漏桶。

（2）漏桶的容量是固定的，出水（放行）速率也是固定的。

（3）漏桶容量是不变的，如果处理速度太慢，桶内水量会超出了桶的容量，则后面流入的水滴会溢出，表示请求拒绝。

漏桶算法其实很简单，可以粗略的认为就是注水漏水过程，往桶中以任意速率流入水，以一定速率流出水，当水超过桶容量（capacity）则丢弃，因为桶容量是不变的，保证了整体的速率。以一定速率流出水，

削峰：有大量流量进入时,会发生溢出,从而限流保护服务可用

缓冲：不至于直接请求到服务器, 缓冲压力

代码实现：

//漏斗限流 public class LeakBucketLimiter { //桶的大小 private static long capacity = 10;

//流出速率,每秒两个 private static long rate = 2; //开始时间 private static long startTime = System.currentTimeMillis();

//桶中剩余的水 private static AtomicLong water = new AtomicLong(); /** * true 代表放行，请求可已通过 * false 代表限制，不让请求通过 */ public synchronized static boolean tryAcquire() {

//如果桶的余量问0，直接放行 if (water.get() == 0) { startTime = System.currentTimeMillis(); water.set(1); return true; }

//计算从当前时间到开始时间流出的水，和现在桶中剩余的水 //桶中剩余的水 water.set(water.get() - (System.currentTimeMillis() - startTime) / 1000 * rate);

//防止出现<0的情况 water.set(Math.max(0, water.get())); //设置新的开始时间 startTime += (System.currentTimeMillis() - startTime) / 1000 * 1000; //如果当前水小于容量，表示可以放行 if (water.get() < capacity) { water.incrementAndGet(); return true; } else { return false; } }

// 测试 public static void main(String[] args) {

//线程池，用于多线程模拟测试 ExecutorService pool = Executors.newFixedThreadPool(10);

// 被限制的次数 AtomicInteger limited = new AtomicInteger(0);

// 线程数 final int threads = 2;

// 每条线程的执行轮数 final int turns = 20;

// 被限制的次数累积 limited.getAndIncrement(); } Thread.sleep(200); } } catch (Exception e) { e.printStackTrace(); }

漏桶的不足：

漏桶的出水速度固定，也就是请求放行速度是固定的。漏桶出口的速度固定，不能灵活的应对后端能力提升。比如，通过动态扩容，后端流量从1000QPS提升到1WQPS，漏桶没有办法。

令牌桶限流

令牌桶算法中新请求到来时会从桶里拿走一个令牌，如果桶内没有令牌可拿，就拒绝服务。当然，令牌的数量也是有上限的。令牌的数量与时间和发放速率强相关，时间流逝的时间越长，会不断往桶里加入越多的令牌，如果令牌发放的速度比申请速度快，令牌桶会放满令牌，直到令牌占满整个令牌桶。

令牌桶限流大致的规则如下：

（1）进水口按照某个速度，向桶中放入令牌。

（2）令牌的容量是固定的，但是放行的速度不是固定的，只要桶中还有剩余令牌，一旦请求过来就能申请成功，然后放行。

（3）如果令牌的发放速度，慢于请求到来速度，桶内就无牌可领，请求就会被拒绝。

总之，令牌的发送速率可以设置，从而可以对突发的出口流量进行有效的应对。

代码实现：

//令牌桶 public class TokenBucketLimiter { //桶的容量 private static long capacity = 10;

//放入令牌的速率,每秒2个 private static long rate = 2; //上次放置令牌的时间 private static long lastTime = System.currentTimeMillis();

//桶中令牌的余量 private static AtomicLong tokenNum = new AtomicLong(); /** * true 代表放行，请求可已通过 * false 代表限制，不让请求通过 */ public synchronized static boolean tryAcquire() {

//更新桶中剩余令牌的数量 long now = System.currentTimeMillis(); tokenNum.addAndGet((now - lastTime) / 1000 * rate); tokenNum.set(Math.min(capacity, tokenNum.get()));

//更新时间 lastTime += (now - lastTime) / 1000 * 1000;

//桶中还有令牌就放行 if (tokenNum.get() > 0) { tokenNum.decrementAndGet(); return true; } else { return false; } }

//测试 public static void main(String[] args) { //线程池，用于多线程模拟测试 ExecutorService pool = Executors.newFixedThreadPool(10);

// 被限制的次数 AtomicInteger limited = new AtomicInteger(0);

// 线程数 final int threads = 2; // 每条线程的执行轮数 final int turns = 20;

// 被限制的次数累积 limited.getAndIncrement(); } Thread.sleep(200); } } catch (Exception e) { e.printStackTrace(); }

令牌桶的好处：

令牌桶的好处之一就是可以方便地应对突发出口流量（后端能力的提升）。

比如，可以改变令牌的发放速度，算法能按照新的发送速率调大令牌的发放数量，使得出口突发流量能被处理。