【十分钟搞懂限流及常见方案】在互联网应用中，面对突发的高并发请求，系统可能会因为资源不足而崩溃或响应变慢。为了解决这一问题，限流（Rate Limiting）成为一种非常重要的技术手段。它通过控制请求的速率，防止系统过载，保障服务的稳定性与可用性。
一、什么是限流？
限流是指对系统的访问频率进行限制，防止过多的请求同时涌入，导致系统无法正常处理。通俗来说，就是“不让太多人同时挤进来”。
二、限流的目的
| 目的 | 说明 |
| 防止系统崩溃 | 控制流量，避免超出系统承载能力 |
| 保障服务质量 | 确保正常用户的服务体验 |
| 提升系统稳定性 | 减少因异常流量导致的宕机风险 |
三、常见的限流方案
1. 令牌桶算法（Token Bucket）
- 原理：系统以固定速度生成令牌，用户需要获取令牌才能执行操作。
- 特点：
- 支持突发流量（如短时间内大量请求）
- 可调节令牌生成速率和容量
- 适用场景：适合需要应对突发流量的场景，如秒杀活动、API调用等。
2. 漏桶算法（Leaky Bucket）
- 原理：将请求视为水滴，以固定速率从桶中流出，超过容量则被丢弃。
- 特点：
- 流量被平滑处理，不支持突发流量
- 更加严格地控制流量速率
- 适用场景：适用于需要严格控制流量的场景，如网络带宽限制、接口调用频率控制。
3. 计数器法（Counter）
- 原理：在一定时间窗口内统计请求次数，超过阈值则拒绝请求。
- 特点：
- 实现简单，性能高
- 容易出现“瞬间突增”问题（如时间窗口边界处的攻击）
- 适用场景：适合对性能要求高、但对精确度要求不高的场景。
4. 滑动时间窗口（Sliding Window）
- 原理：将时间窗口划分为多个小段，动态维护当前窗口内的请求数量。
- 特点：
- 比传统计数器更精确
- 能有效避免“瞬间突增”问题
- 适用场景：适用于需要更精细控制流量的场景，如API网关、微服务调用。
5. 分布式限流（Redis + Lua脚本）
- 原理：利用 Redis 的原子操作（如 `INCR`）来实现跨节点的限流控制。
- 特点：
- 适用于分布式系统
- 可扩展性强
- 适用场景：适用于微服务架构、多节点部署的系统。
四、限流方案对比表
| 方案 | 实现复杂度 | 是否支持突发流量 | 是否支持分布式 | 优点 | 缺点 |
| 令牌桶 | 中等 | 支持 | 支持 | 支持突发流量，灵活 | 实现较复杂 |
| 漏桶 | 简单 | 不支持 | 支持 | 稳定性好 | 不支持突发流量 |
| 计数器 | 简单 | 不支持 | 不支持 | 实现简单，性能高 | 容易出现突增问题 |
| 滑动窗口 | 中等 | 支持 | 支持 | 精确控制流量 | 实现略复杂 |
| 分布式限流 | 高 | 支持 | 支持 | 适合大规模系统 | 依赖外部组件 |
五、总结
限流是保障系统稳定运行的重要手段，选择合适的限流策略可以有效防止系统过载，提升用户体验。根据业务场景的不同，可以选择不同的限流方式：
- 如果需要支持突发流量，可使用 令牌桶 或 滑动窗口；
- 如果需要严格的流量控制，可使用 漏桶；
- 如果是分布式系统，推荐使用 Redis + Lua脚本 实现分布式限流。
合理配置限流策略，是构建高可用系统的关键一步。