常用限流算法

1、计数器（固定窗口）算法

计数器算法是使用计数器在周期内累加访问次数，当达到设定的限流值时，触发限流策略。下一个周期开始时，进行清零，重新计数。
此算法在单机还是分布式环境下实现都非常简单，使用redis的incr原子自增性和线程安全即可轻松实现。
但该方法存在一个严重问题, 即假设1min内服务器的负载能力为100，因此一个周期的访问量限制在100，然而在第一个周期的最后5秒和下一个周期的开始5秒时间段内，分别涌入100的访问量，虽然没有超过每个周期的限制量，但是整体上10秒内已达到200的访问量，已远远超过服务器的负载能力，由此可见，计数器算法方式限流对于周期比较长的限流，存在很大的弊端。

2、漏斗算法(漏桶算法)

漏斗算法是访问请求到达时直接放入漏斗，如当前容量已达到上限（限流值），则进行丢弃（触发限流策略）。漏斗以固定的速率进行释放访问请求（即请求通过），直到漏斗为空。

3. 令牌桶算法

令牌桶算法可以说是对漏桶算法的改进。漏桶算法能限制请求的速率。而令牌桶算法在限制请求速率的同时还允许一定程度的突发调用
令牌桶算法是程序以r（r=时间周期/限流值）的速度向令牌桶中增加令牌，直到令牌桶满，请求到达时向令牌桶请求令牌，如获取到令牌则通过请求，否则触发限流策略
技术实战篇 - 图1

使用Redis实现令牌桶 :
也就是说我们每访问一次请求的时候，可以从Redis中获取一个令牌，如果拿到令牌了，那就说明没超出限制，而如果拿不到，则结果相反。
依靠上述的思想，我们可以结合Redis的List数据结构很轻易的做到
依靠List的leftPop来获取令牌 : 

  1. // 输出令牌
  2. public Response limitFlow2(Long id){
  3.     Object result = redisTemplate.opsForList().leftPop("limit_list");
  4.     if(result == null){
  5.         return Response.ok("当前令牌桶中无令牌");
  6.     }
  7.     return Response.ok(articleDescription2);
  8. }

再依靠Java的定时任务，定时往List中rightPush令牌 :

  1. // 10S的速率往令牌桶中添加UUID，只为保证唯一性
  2. @Scheduled(fixedDelay = 10_000,initialDelay = 0)
  3. public void setIntervalTimeTask(){
  4.     redisTemplate.opsForList().rightPush("limit_list",UUID.randomUUID().toString());
  5. }