前言
本文已收录到 Github-java3c ，里面有我的系列文章，欢迎大家Star。
Hello 大家好，我是l拉不拉米，这篇文章是我的『超级架构师』专栏系列文章，欢迎大家关注该专栏。
限流是什么？
限流，也称流量控制。是指系统在面临高并发，或者大流量请求的情况下，限制新的请求对系统的访问，从而保证系统的稳定性。限流会导致部分用户请求处理不及时或者被拒，这就影响了用户体验。所以一般需要在系统稳定和用户体验之间平衡一下。
举个栗子：
停车场停车，车位已满时，车辆只能在外面等待，出来一辆，才能放进去一辆。
常见的限流算法
固定窗口限流算法
算法分析
首先维护一个计数器，将单位时间段当做一个窗口，计数器记录这个窗口接收请求的次数。
- 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。
假设单位时间是1秒，限流阀值为3。在单位时间1秒内，每来一个请求,计数器就加1，如果计数器累加的次数超过限流阀值3，后续的请求全部拒绝。等到1s结束后，计数器清0，重新开始计数。如下图：
伪代码
/**
* 限流工具初始化系统时间
*/
private long currentTime = System.currentTimeMillis();
/**
* 固定时间访问次数阈值
*/
private int LIMIT = 10;
/**
* 计数器更新间隔时间(ms)
*/
private long INTERVAL = 1000;
/**
* 计数器当前访问次数，初始为0
*/
private long reqCount = 0;
/**
* 限流-计数器算法(固定窗口)
* 时间段内允许访问的数量是固定的
*/
public boolean counterAlgorithm() {
long now = System.currentTimeMillis();
if (now < currentTime + INTERVAL) { // 在窗口期内
reqCount++; // 计数器当前窗口期访问次数+1
return reqCount <= LIMIT; // 小于窗口期内的访问次数限制，返回true，请求放行
} else { // 不在窗口期内
currentTime = now; // 重置窗口期开始时间
reqCount = 0; // 访问次数清零
}
return false; // 请求拦截
}
优缺点
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。
滑动窗口限流算法
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。
算法分析
假设单位时间还是1s，滑动窗口算法把它划分为5个小周期，也就是滑动窗口（单位时间）被划分为5个小格子。每格表示0.2s。每过0.2s，时间窗口就会往右滑动一格。然后呢，每个小周期，都有自己独立的计数器，如果请求是0.83s到达的，0.8~1.0s对应的计数器就会加1。
当滑动窗口的格子周期划分的越多，那么滑动窗口的滚动就越平滑，限流的统计就会越精确。
伪代码
/**
* 单位时间划分的小周期（单位时间是1分钟，10s一个小格子窗口，一共6个格子）
*/
private int SUB_CYCLE = 10;
/**
* 每分钟限流请求数
*/
private int thresholdPerMin = 100;
/**
* 计数器, k-为当前窗口的开始时间值秒，value为当前窗口的计数
*/
private final Map<Long, Integer> counters = new HashMap<>();
/**
* 滑动窗口时间算法实现
*/
public boolean slidingWindowsTryAcquire() {
long currentWindowTime = LocalDateTime.now().toEpochSecond(ZoneOffset.UTC) / SUB_CYCLE; // 获取当前时间在哪个小周期窗口
int currentWindowNum = countCurrentWindow(currentWindowTime); // 当前窗口总请求数
// 超过阀值限流
if (currentWindowNum >= thresholdPerMin) {
return false;
}
// 计数器+1
Integer windowTime = counters.get(currentWindowTime);
windowTime++;
counters.put(currentWindowTime, windowTime);
return true;
}
/**
* 统计当前窗口的请求数
*/
private int countCurrentWindow(long currentWindowTime) {
// 计算窗口开始位置
long startTime = currentWindowTime - SUB_CYCLE * (60 / SUB_CYCLE - 1);
int count = 0;
// 遍历存储的计数器
Iterator<Map.Entry<Long, Integer>> iterator = counters.entrySet().iterator();
while (iterator.hasNext()) {
Map.Entry<Long, Integer> entry = iterator.next();
// 删除无效过期的子窗口计数器
if (entry.getKey() < startTime) {
iterator.remove();
} else {
// 累加当前窗口的所有计数器之和
count = count + entry.getValue();
}
}
return count;
}
优缺点
滑动窗口算法虽然解决了固定窗口的临界问题，但是一旦到达限流后，请求都会直接暴力被拒绝。
最后
创作不易，感谢您的点赞！！🙏🙏
PS：今天先介绍并用代码实战讲解常见的两种限流算法-固定窗口和滑动窗口，明天继续讲解另外两种，敬请期待！
