常见的限流算法，以及实现思路（着重讲解滑动窗口限流）

常见的限流算法

1、漏桶算法：系统请求先进入漏桶，再从漏桶中逐一取出请求执行，控制漏桶的流量
2、令牌桶算法：系统请求会得到一个令牌，从令牌桶中取出一个令牌执行，控制令牌桶中令牌的数量
3、计数器算法：系统请求被计数，通过比较当前请求与限流阈值来判断是否限流
4、可以阻塞算法：当系统达到限流阈值时，不再接受请求，等到限流阈值降下来之后再接受请求
5、令牌环算法：与令牌桶算法类似，但是在多个令牌桶之间形成环形结构，以便于在不同的请求处理速率之间进行平衡
6、最小延迟算法：基于预测每个请求的处理时间，并在处理完请求后进行延迟，以控制请求的速率。
7、滑动窗口限流：基于一个和固定大小的时间窗口，允许在该时间窗口内的请求数不超过设定的阈值，这个时间窗口随着时间的推移不断滑动，以适应不同时间段内的请求流量

着重理解一下滑动窗口限流

滑动窗口限流是一种流量控制策略，用于控制在一定时间内允许执行的操作数量或请求频率。它的工作方式类似于一个滑动时间窗口，在窗口内允许的操作数量是固定的，窗口会随着时间的推移不断滑动。

首先需要把时间划分成多个连续的时间片段，每一个片段都有一个固定的时间间隔，如1s、1h等。

然后再定义一个时间窗口，比如10s，随着时间的推移，这个窗口不断的向右移动。为了实现限流的功能，我们通常需要定义一个计数器，统计时间窗口内的请求数。

当时间窗口移动时，需要把上一个时间片段中的请求数减掉，当有新的请求或操作到达系统时，系统会检查窗口内的计数是否已满。如果计数未满，请求被允许执行;如果计数已满，请求被拒绝或进入等待队列，或执行其他限流操作。

滑动窗口限流的主要优点是可以在时间内平滑地控制流量，而不是简单地设置固定的请求数或速率。这使得系统可以更灵活地应对突发流量或峰值流量，而不会因为固定速率的限制而浪费资源或降低系统性能。

滑动窗口限流可以在分布式系统、API服务、网络通信等各种应用场景中使用，以确保系统的稳定性和可用性，防止过多的请求或操作对系统造成负担或崩溃。

使用Redis实现滑动窗口限流

利用Redis，我们就可以实现一个简单的滑动窗口限流的功能。因为滑动窗口和时间有关，所以很容易能想到要基于时间进行统计。

那么我们只需要在每一次有请求进来的时候，记录下请求的时间戳和请求的数据，然后在统计窗口内请求的数量时，只需要统计窗口内的被记录的数据量有多少条就行了。

在Redis中，我们可以基于ZSET来实现这个功能。假如我们限定login接口一分钟只能调用100次:

那么，我们就可以把login接口这个需要做限流的资源名作为key在redis中进行存储，然后value我们现在ZSET这种数据结构，把他的score设置为当前请求的时间戳，member的话建议用请求的详情的hash进行存储(或者UUID、MD5什么的)，避免在并发时，时间戳一致出现score和member一样导致被zadd幂等的问题。

所以，我们实现滑动窗口限流的主要思想是:只保留在特定时间窗口内的请求记录，而丢弃窗口之外的记录。
主要步骤如下:

1. 定义滑动窗口的时间范围，例如，窗口大小为60秒。
2. 每次收到一个请求时，我们就定义出一个zset然后存储到redis中。
3. 然后再通过ZREMRANGEBYSCORE命令来删除分值小于窗口起始时间戳(当前时间戳-60s)的数据。
4. 最后，再使用ZCARD命令来获取有序集合中的成员数量，即在窗口内的请求量

	import redis.clients.jedis.Jedis;
	public class slidingwindowRateLimiter {
   
    	private Jedis jedis;
		private string key;private int limit;
		public boolean allowRequest(string key){
   
       	 	//当前时间戳
			long currentTime =System.currentTimeMillis();
			//窗口开始时间是当前时间减60s
			long windowstart