计数器算法

在一定时间内，对处理的请求数进行计数，每次到达时间临界点则计数器清零。在一定时间间隔内，若计数器数字超限，则进行限流。

该算法的问题是，在两端临界点附加可能出现两倍的流速。

滑动窗口算法

基于计数器算法那，把时间间隔分片。例如服务限流每秒处理10000个请求，把1秒分为10个窗口。每100毫秒移动一次，内存中保留每次的请求次数。每次移动判断一下总次数是否超出10000限制。

当滑动窗口的格子划分的越多，滑动窗口的滚动就越平滑，限流的统计就会越精确。

滑动窗口算法可以有效规避计数器算法中时间临界点问题。但实现起来相对比较复杂。

Hystrix的限流基于滑动窗口算法实现。

令牌桶算法

系统已一个恒定的速率往桶放入令牌。若有请求需要处理，则从令牌桶里获取令牌，当桶里没有令牌，则拒绝服务。

令牌桶算法并不能实际的控制速率。比如，10秒往桶里放入10000个令牌桶，即10秒内只能处理10000个请求，那么qps就是1000。但这种模型可以出现1秒内把10000个令牌全部消费完，即qps为10000。所以令牌桶算法实际是限制的平均流速。具体控制的粒度以放令牌的间隔和每次的量来决定。若想要把流速控制的更加稳定，就要缩短间隔时间。

Google Guava中的RateLimter就是利用的令牌桶原理。

漏桶算法

水滴先进入漏桶，漏桶以一定速度向外出水。当水流入速度过大，桶会直接溢出。

即Request进入一个固定容量的Queue，若Queue满，则拒绝新的Request，可以阻塞，也可以抛异常。

这种模型其实非常类似MQ的思想，利用漏桶削峰填谷，使得Queue的下游具有一个稳定流量。

原文链接：https://www.cnblogs.com/shijiaqi1066/p/10508115.html