1. 固定窗口算法（Fixed Window）
怎么理解？
把时间按段切，比如每分钟一段，只统计当前这一分钟的请求数。
举个例子：
你开了一个网红奶茶店，规定每分钟最多接待10个顾客。不管他们什么时候来，只要这一分钟内超过10个，第11个就被挡在门外。
- 比如：10:00:00 到 10:00:59 进来了10个人，第11个人只能等到10:01:00再进。
优点：
- 实现简单，性能好（计数器 + 当前窗口时间即可）
- 很适合每秒、每分钟那种定量控制场景
缺点：
- 边界突发，比如 10:00:59 来10个，10:01:00又来10个，就变成1秒内来了20个，系统有可能扛不住（容易“抖动”）
2. 滑动窗口算法（Sliding Window）
怎么理解？
也是按时间统计，但窗口会“滑动”。比如当前是 10:01:30，就统计过去60秒内的请求数，而不是固定每分钟。
举个例子：
你给奶茶店加了个自动检测系统：每隔1秒查一次，过去60秒里来了多少人。超过限额就暂时不让新顾客进门。
- 比如现在是10:01:30，它会统计 10:00:31 到 10:01:30 的总请求数
优点：
- 更平滑，不会像固定窗口那样在边界抖动
- 限流更精准，系统更稳定
缺点：
- 实现复杂，通常要存储一段时间内的请求记录（比如用时间戳+滑动数组）
- 性能开销比固定窗口高些
3. 令牌桶算法（Token Bucket）
怎么理解？
系统像一个水桶，每隔一段时间往里放几个“令牌”。请求来了要“拿令牌”，没有令牌就得等。
举个例子：
你给奶茶店准备了限量优惠券，每分钟发10张。顾客来消费必须出示优惠券，没券就等下分钟。券可以先攒着，下次人多也能应对一下。
- 一分钟发10张，如果没人来，券就会积攒在桶里
- 一下来了20人，只要有足够券，就能放过去
优点：
- 能应对突发流量（桶里可能存了以前没用完的令牌）
- 灵活，有“备用容量”
缺点：
- 实现稍微复杂点，要模拟“发放”和“消耗令牌”
- 控制不如漏桶严格，可能短时间内通过很多请求
4. 漏桶算法（Leaky Bucket）
怎么理解？
也是一个桶，不过这回是“漏水”的桶。水（请求）进来之后，每秒只能漏固定速率，多了就排队，排满了就直接丢掉。
举个例子：
奶茶店只配了一个店员，每分钟最多做5杯奶茶。顾客来得再快，也得排队一个个做，多的顾客就被劝退。
- 就算一下来了20人，你也只能慢慢漏出去处理，系统不会被压垮
- 排队的人太多，队满了，后面的人只能走了
优点：
- 控制很严格，请求处理速率恒定，不会突发
- 系统更稳，防止过载
缺点：
- 对突发流量不友好，容易排队甚至丢弃请求
- 用户体验可能不太好，等太久就被拒绝
