【知识点随笔分享 | 第九篇】常见的限流算法_网站优化分享

前言：

当今互联网时代，随着网络流量的快速增长和系统负载的不断加重，限流算法作为一种重要的网络管理工具变得愈发重要。限流算法通过控制系统的输入和输出流量，有效地保护系统不受过载的影响，确保系统能够稳定可靠地运行。本文将介绍几种常见的限流算法及其应用场景，旨在帮助读者更好地理解限流算法的原理和实际应用，从而为网络性能优化提供有力支持。限流算法的研究和应用对于保障网络安全、提升系统稳定性具有重要意义，在当前信息化社会具有广泛的应用前景。

【知识点随笔分享 | 第九篇】常见的限流算法,第1张

1.固定窗口限流：

固定窗口限流就是在单位时间（时间窗口）内，只能接收指定数量的请求。

在固定窗口限流算法中，时间被划分为固定大小的窗口，并且每个窗口内允许通过的请求数是固定的。

算法步骤：

统计当前窗口内的请求数；
如果请求数超过了限制值，则拒绝该请求；
重置新的窗口开始计数。

用汉堡店举例：固定窗口限流就是在固定的时间内只能接待指定数量的顾客。比如一个小时只能接待10个顾客。

固定窗口限流的思路比较简单，代码实现为：

import java.util.concurrent.TimeUnit;
import java.util.concurrent.atomic.AtomicInteger;
public class FixedWindowRateLimiter {
    private final int limit;  // 限制的请求数
    private final long windowSizeInMillis;  // 窗口大小（毫秒）
    private final AtomicInteger counter;
    private long windowStartTime;
    public FixedWindowRateLimiter(int limit, long windowSizeInMillis) {
        this.limit = limit;
        this.windowSizeInMillis = windowSizeInMillis;
        this.counter = new AtomicInteger(0);
        this.windowStartTime = System.currentTimeMillis();
    }
    public boolean allowRequest() {
        long currentTime = System.currentTimeMillis();
        long elapsedTime = currentTime - windowStartTime;
        if (elapsedTime > windowSizeInMillis) {
            // 进入新的窗口，重置计数器和窗口开始时间
            counter.set(0);
            windowStartTime = currentTime;
        }
        // 检查请求数是否超过限制
        if (counter.incrementAndGet() > limit) {
            return false;  // 超过限制，拒绝请求
        }
        return true;  // 没有超过限制，允许请求通过
    }
}

缺点：

固定窗口限流可能会引发流量突刺，也就是可能会发生以下情况：

【知识点随笔分享 | 第九篇】常见的限流算法,第2张

我们用红色来标识在该时间窗口区域发生了请求，也就是说固定窗口限流在窗口的边界处可能会发生流量突刺，在短时间内发生多次请求

2.滑动窗口限流：

滑动窗口限流就是在单位时间（时间窗口）内，只能接收指定数量的请求。但单位时间是滑动的。

在滑动窗口限流算法中，时间被划分为固定大小的窗口，每个窗口内允许通过的请求数是固定的，同时可以滑动窗口来适应请求的变化。

算法步骤：

统计当前窗口内的请求数；
如果请求数超过了限制值，则拒绝该请求；
滑动窗口，将旧的窗口移除。

我们用图片来标识滑动窗口限流和固定窗口限流的区别：

这是固定窗口限流，他的时间窗口是由时间窗口大小决定的。

【知识点随笔分享 | 第九篇】常见的限流算法,第3张这是滑动窗口限流，他的时间窗口是不断滑动的。

【知识点随笔分享 | 第九篇】常见的限流算法,第4张

也就是说：滑动窗口限流不会一次性消除旧窗口的请求次数，而是不断的通过滑动的方式抹除。

用汉堡店举例：滑动窗口限流就是单位时间内限制接客数，相比较于固定窗口而言，假设我们在5.59接待了五位客人，如果时间窗口长度为小时，滑动单位为1分钟，那么六点的时候，并不会刷新窗口接待客人人数，而是继续保留5.59的接待人数。因为此时二者仍位于一个窗口内。

滑动窗口限流的代码思路为:

import java.util.concurrent.TimeUnit;
import java.util.concurrent.atomic.AtomicInteger;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
public class SlidingWindowRateLimiter {
    private final int limit;  // 限制的请求数
    private final long windowSizeInMillis;  // 窗口大小（毫秒）
    private final int[] counter;
    private final Lock lock;
    private long windowStartTime;
    public SlidingWindowRateLimiter(int limit, long windowSizeInMillis) {
        this.limit = limit;
        this.windowSizeInMillis = windowSizeInMillis;
        this.counter = new int[(int) (windowSizeInMillis / 1000)];
        this.lock = new ReentrantLock();
        this.windowStartTime = System.currentTimeMillis();
    }
    public boolean allowRequest() {
        long currentTime = System.currentTimeMillis();
        long elapsedTime = currentTime - windowStartTime;
        lock.lock();
        try {
            // 滑动窗口，将旧的窗口移除
            if (elapsedTime > windowSizeInMillis) {
                int numToRemove = (int) ((elapsedTime - windowSizeInMillis) / 1000);
                for (int i = 0; i < numToRemove; i++) {
                    counter[i] = 0;
                }
                windowStartTime = currentTime - (elapsedTime % windowSizeInMillis);
            }
            // 统计请求数
            int currentWindowIndex = (int) (elapsedTime / 1000);
            counter[currentWindowIndex]++;
            // 检查请求数是否超过限制
            int totalRequests = 0;
            for (int i = 0; i < counter.length; i++) {
                totalRequests += counter[i];
            }
            if (totalRequests > limit) {
                return false;  // 超过限制，拒绝请求
            }
        } finally {
            lock.unlock();
        }
        return true;  // 没有超过限制，允许请求通过
    }
}

优点：

滑动窗口可以缓解流量突刺：例如固定窗口（窗口大小为1小时，每个窗口最多处理10个请求）可以在1.59进行了十次请求，2.01进行了十次请求。但是在滑动窗口中，如果我们将滑动参数设置为1min，窗口大小设置为1小时，那么1.59时，滑动窗口的范围是1.59-2.59。此时如果设置最大请求数量为10，那么1.59执行的十次请求就已经填满了请求数量上限。2.01的就无法进行请求。通过这种思路避免了窗口边界流量突刺这种情况。

滴桶限流：

滴桶限流就是接收指定数量的请求，按照指定的速率处理。

在滴桶限流算法中，系统以恒定的速率漏水，并以固定速率接收请求。

算法步骤：

当有请求到达时，先检查桶中是否有水滴；
如果有水滴可用，则允许请求通过并漏水；
如果没有水滴可用，则拒绝该请求。

【知识点随笔分享 | 第九篇】常见的限流算法,第5张

用汉堡店举例：滴桶限流就是每个小时接待6个客户，然后每十分钟处理一个客户的请求

java代码实现:

import java.util.concurrent.TimeUnit;
public class LeakyBucketRateLimiter {
    private final int capacity;  // 桶的容量
    private final double rate;   // 水滴漏出速率（水滴/秒）
    private double water;        // 当前桶中的水滴数量
    private long lastLeakTime;   // 上次漏水的时间戳
    public LeakyBucketRateLimiter(int capacity, double rate) {
        this.capacity = capacity;
        this.rate = rate;
        this.water = 0;
        this.lastLeakTime = System.nanoTime();
    }
    public synchronized boolean allowRequest() {
        leak();
        if (water >= 1) {
            water -= 1;
            return true;  // 水滴足够，允许请求通过
        } else {
            return false;  // 水滴不足，拒绝请求
        }
    }
    private void leak() {
        long now = System.nanoTime();
        double elapsedTime = (now - lastLeakTime) / 1e9;
        double waterToLeak = elapsedTime * rate;
        if (waterToLeak > 0) {
            water = Math.max(0, water - waterToLeak);
            lastLeakTime = now;
        }
    }
}

缺点：

滴桶限流的并发性比较差，我们在代码中就可以看到，他需要对水滴（请求）逐个进行处理

令牌桶限流：

令牌桶限流就是创建一个桶，生成指定数量的令牌，只有拿到令牌的请求才可以进行处理。

在令牌桶限流算法中，系统以恒定的速率生成令牌并放入令牌桶中，每个请求需要获取一个令牌才能通过。

算法步骤：

每隔一段时间生成一定数量的令牌放入桶中；
当有请求到达时，从桶中获取一个令牌，如果没有令牌可用，则拒绝该请求。

import java.util.concurrent.TimeUnit;
public class TokenBucketRateLimiter {
    private final int capacity;  // 令牌桶容量
    private final double rate;   // 令牌生成速率（令牌/秒）
    private double tokens;       // 当前桶中的令牌数
    private long lastRefillTime; // 上次填充令牌的时间戳
    public TokenBucketRateLimiter(int capacity, double rate) {
        this.capacity = capacity;
        this.rate = rate;
        this.tokens = capacity;
        this.lastRefillTime = System.nanoTime();
    }
    public synchronized boolean allowRequest() {
        refill();
        if (tokens >= 1) {
            tokens -= 1;
            return true;  // 令牌足够，允许请求通过
        } else {
            return false;  // 令牌不足，拒绝请求
        }
    }
    private void refill() {
        long now = System.nanoTime();
        double elapsedTime = (now - lastRefillTime) / 1e9;
        double tokensToAdd = elapsedTime * rate;
        if (tokensToAdd > 0) {
            tokens = Math.min(capacity, tokens + tokensToAdd);
            lastRefillTime = now;
        }
    }
}

用汉堡店举例：令牌桶限流就是汉堡店有一个餐卷桶，并且会按时补充餐卷桶的餐卷数，只有拿到了餐卷才可以购买汉堡

优点：

令牌桶限流的并发性能比较高，我们可以批量对拿到令牌的请求进行处理。

总结:

在实际的开发中，其实我们并不用手动去实现这些限流算法，很多第三方库都已经为我们实现了限流算法，我们只需要直接使用就好了。而在实际开发中，常用的限流算法是滴桶限流和令牌桶限流。因此我们要掌握好这两个限流算法。

如果我的内容对你有帮助，请点赞，评论，收藏。创作不易，大家的支持就是我坚持下去的动力！

【知识点随笔分享 | 第九篇】常见的限流算法,第6张

装饰公司网站制作建立网站的流程是什么无水印视频素材下载网络搭建比赛佛山公司网站设计团队怎么搭建一个网站教程

上一篇：路径规划 | 图解RRT*算法(附ROS C++PythonMatlab仿真)

下一篇：一文详解8种异常检测算法（附Python代码）