限流

从是否对限流数据进行统一聚合，可以大致划分为本地（单实例）限流和分布式（中心化）限流。

固定窗口（计数器）

在单位时间内进行计数，如果请求数大于设置的最大值，则进行拒绝；如果过了单位时间，则重新进行计数。

• 优势：简单易实现。
• 劣势：突发流量会出现毛刺现象，限流不准确。

由于是对整一秒进行计数，假设我们限制一秒内最多10条请求。在第一秒的后0.5秒出现了10条，在第二秒的前0.5秒出现了10条。这样由于它只对整一秒进行计数，因此这样是不会触发限制。而实际上在一秒内触发了20条请求，是限流不准确的情况。

滑动窗口

在滑动窗口中根据统计周期和窗口的大小开始滑动。窗口越大统计精准度越低，但并发性能好；窗口越小，统计精准度越高，并发性能随之降低。

• 优势：将固定时间段分块，时间比”计数器”复杂，适用于稍微精准的场景。较好地解决了固定窗口存在的边界（毛刺问题）问题。
• 劣势：时间区间精度越高，算法所需的空间容量就越大。不能彻底解决“计数器”存在的边界问题。

漏桶

使用一个有最大容量的队列来作为漏桶。请求进入队列，队列按照固定速率出队，如果队列已满则丢弃请求。

漏桶算法能够在一定程度上解决“计数器”存在的边界问题，但是任何请求的出入都会有延迟和资源的消耗。

• 优势：限流稳定。
• 劣势：即便服务器在没有负载的情况下，每个进来的请求在响应前也会存在一段延迟。

令牌桶

令牌以固定速率生成。生成的令牌放入令牌桶中存放，如果令牌桶满了则多余的令牌会直接丢弃，当请求到达时，会尝试从令牌桶中取令牌，取到了令牌的请求可以执行。如果桶空了，那么尝试取令牌的请求会被直接丢弃。

• 优势：令牌桶算法既能够将所有的请求平均分布到时间区间内，又能接受服务器能够承受范围内的突发请求，因此是目前使用较为广泛的一种限流算法。

• 劣势：需要提前设置阈值；结构复杂；频繁获取令牌压力大；令牌获取异常会导致流量被误限。

总结

综上，我们可以发现“固定窗口”和“滑动窗口”这两种限流方式，其实都是被动地扫描。用户把请求先打进来，服务端再根据进来的请求进行处理，看看到底能放行多少请求进去。

而对于“漏桶”和“令牌桶”则是主动地控制流量，通过控制流量的进入和流出，达到限流的目的。请求主动地来申请通过的权限，如果服务器不给权限，则无法通过。

这两种的对比其实就像 select 和 epoll 系统调用的对比，select 是被动的，使用轮询去查看；epoll 则是主动的，基于事件的，不关注对方的状态，只关注自己感兴趣的事件。