限流算法对比

计数器

优点：简单，易实现
缺点：先到先得，先到的请求可执行概率为100%，后到的请求可执行概率小一些，每个请求获得执行的机会是不平等的。临界点问题。

滑动窗口

是计数器的升级版，解决了 临界点问题。但计数多 复杂 已有实现 Sentinel
滑动窗口的格子划分的越多，那么滑动窗口的滚动就越平滑，限流的统计就会越精确。

漏桶算法

比如rabbitmq等，都属于漏桶算法原理
优点：流量控制效果不错
缺点：不能够很好的应付突增的流量。适合保护性能较弱的系统，但是不适合性能较强的系统。如果性能较强的系统能够应对这种突增的流量的话，那么漏桶算法是不合适的。

令牌桶算法

优点：使用简单，有成熟组件 Guava。桶算法能够限制请求调用的速率，而令牌桶算法能够在限制调用的平均速率的同时还允许一定程度的突发调用；
缺点：适合单机限流，不适合分布式限流。

算法对比

计数器 VS 滑动窗口

计数器算法是最简单的算法，可以看成是滑动窗口的低精度实现。滑动窗口由于需要存储多份的计数器（每一个格子存一份），所以滑动窗口在实现上需要更多的存储空间。也就是说，如果滑动窗口的精度越高，需要的存储空间就越大。

漏桶算法 VS 令牌桶算法

漏桶算法和令牌桶算法最明显的区别是令牌桶算法允许流量一定程度的突发。因为默认的令牌桶算法，取走token是不需要耗费时间的，也就是说，假设桶内有100个token时，那么可以瞬间允许100个请求通过。

令牌桶算法由于实现简单，且允许某些流量的突发，对用户友好，所以被业界采用地较多。当然我们需要具体情况具体分析，只有最合适的算法，没有最优的算法。

拓展

• 阿里实现的Sentinel 采用滑动窗口算法LeapArray
  https://github.com/alibaba/Sentinel/wiki/介绍
  但需要额外部署管理后台应用。
• Guava库实现了令牌桶算法，但是单机的实现。

Reference

• https://www.cnblogs.com/wuzhenzhao/p/11453649.html
• https://github.com/alibaba/Sentinel/wiki/介绍