限流算法

181 阅读2分钟

概述

  • 腾讯面试的时候,问到了几种常见的限流算法,再这里做个总结

1、固定窗口

  • 维护一个固定大小的窗口,再单位时间内,用计数器去记录做个窗口接受请求的次数

    • 当次数少于限流阀值,就允许访问,并且计数器+1
    • 当次数大于限流阀值,就拒绝访问。
    • 当前的时间窗口过去之后,计数器清零。

缺点

  • 存在明显的的临界问题:假设限流阀值为5个请求,单位时间窗口是1s,如果我们在单位时间内的前0.8-1s和1-1.2s,分别并发5个请求。

  • 虽然都没有超过阀值,但是如果算0.8-1.2s,则并发数高达10,已经超过单位时间1s不超过5阀值的定义啦。

image.png

2、滑动窗口

  • 滑动窗口限流解决固定窗口临界值的问题。它将单位时间周期分为n个小周期,分别记录每个小周期内接口的访问次数,并且根据时间滑动删除过期的小周期。

image.png

3、漏桶

  • 漏桶算法面对限流,就更加的柔性,不存在直接的粗暴拒绝。

image.png

  • 流入的水滴,可以看作是访问系统的请求,这个流入速率是不确定的。
  • 桶的容量一般表示系统所能处理的请求数。
  • 如果桶的容量满了,就达到限流的阀值,就会丢弃水滴(拒绝请求)
  • 流出的水滴,是恒定过滤的,对应服务按照固定的速率处理请求。

4、令牌桶

  • 有一个令牌管理员,根据限流大小,定速往令牌桶里放令牌。
  • 如果令牌数量满了,超过令牌桶容量的限制,那就丢弃。
  • 系统在接受到一个用户请求时,都会先去令牌桶要一个令牌。如果拿到令牌,那么就处理这个请求的业务逻辑;
  • 如果拿不到令牌,就直接拒绝这个请求。 image.png

5、令牌桶和漏桶对比

  • 对于很多应用场景来说,除了要求能够限制数据的平均传输速率外,还要求允许某种程度的突发传输。这时候漏桶算法可能就不合适了,令牌桶算法更为适合

  • 漏桶无法处理突发的访问激增

  • 固定窗口和滑动窗口:固定窗口可能出现相邻的两个窗口激增

参考